ABSTRAKSI: Pengenalan format modulasi dari sinyal yang dideteksi merupakan salah satu bahasan penting pada sistem intelligent receiver yang digunakan untuk aplikasi di bidang militer maupun komersial. Dengan tidak memiliki pengetahuan mengenai sinyal yang ditransmisikan dan banyak parameter pada sisi receiver yang tidak diketahui seperti daya sinyal, timing information, frekuensi carrier dan fasa offset, deteksi modulasi ini menjadi tugas yang rumit. Proses deteksi ini menjadi semakin kompleks apabila sinyal yang dideteksi telah melalui kanal multipath fading, frequency-selective dan time varying.
Pada beberapa tahun terakhir industri wireless menunjukan perhatian yang besar terhadap orthogonal frequency division multiplexing (OFDM) karena efisiensi-nya yang tidak memerlukan complex equalizer. Oleh karena itu, pada penelitian ini dilakukan klasifikasi skema modulasi pada sinyal OFDM yaitu QPSK, 16-QAM dan 64-QAM. Sinyal OFDM tersebut disimulasikan melewati kanal multipath (frequency selective fading) dan AWGN (Additive White Gaussian Noise). Model kanal yang digunakan adalah gabungan antara ITU large delay spread dan model fluktuasi kanal Smith. Sistem klasifikasi yang dibuat menggunakan ekstraksi ciri statistik dan pengklasifikasi berupa diagram keputusan dengan threshold yang dioptimasi menggunakan algoritma particle swarm optimization (PSO). Pada proses klasifikasi ditambahkan sistem voting dengan skenario penggunaan jumlah simbol OFDM sebanyak 1, 5, 10, 15 dan 20.
Hasil penelitian menunjukan ciri statistik yang dominan mampu membedakan ketiga skema modulasi adalah ciri statistik moment orde 2, 10 dan 20 dengan transformasi logaritmik. Hasil akurasi klasifikasi yang optimum didapatkan pada penggunaan lima simbol OFDM yaitu 100 % untuk klasifikasi QPSK, 99 % untuk klasifikasi 16-QAM dan 96 % untuk klasifikasi 64-QAM pada minimum SNR yang dapat diterima oleh receiver pada sistem yang menggunakan standar WiMAX IEEE 802.16e.Kata Kunci : klasifikasi, skema modulasi, OFDM, ciri statistik, euclidien distance, PSO, voting.ABSTRACT: Modulation recognition of the detected signal is one of important topics on intelligent receiver system used for military and commercial applications. Due to the limited knowledge of the transmitted signal parameter such as signal power, timing information, the carrier frequency and phase offset, modulation recognition can be a difficult task. The recognition process will be more complex (can be very complicated) when the received signal has passed through multipath fading channels, frequency - selective and time varying.
Recently, wireless industries show a great interest in orthogonal frequency division multiplexing (OFDM) due to its efficiency which does not require complex equalizer. (Therefore) This research explored the classifications of the OFDM signal modulation scheme namely QPSK, 16-QAM and 64-QAM. The OFDM signal was simulated to pass through a multipath channel (frequency slective fading) and AWGN (Additive White Gaussian Noise). The multipath channel model applied ITU large delay spread and Smith fading channel model. The classification system was developed using statistical feature extraction with a decision diagrams (tree diagram) as a classifier optimized by PSO algorithm.
The results showed that the dominant statistical features that were capable of distinguishing the three modulation schemes were the second order moment, tenth order moment and twentieth order moment with a logarithmic operation. The increasing number of OFDM symbols in the classification process that applied a voting system improved the accuracy of the classification of each modulation scheme. The optimum accuracy of the classification had been obtained when five OFDM symbols were applied in the classification scenario. The accuracy was 100% for QPSK classification, 99 % for 16-QAM classification and 96 % for 64-QAM classification on the minimum SNR accepted by the receiver of a system that applied a standard WiMax IEEE 802.16e.Keyword: classification, modulation schemes, OFDM, statistical characteristics, euclidien distance, PSO.