В результате работы разработан автоматический классификатор типов модуляции BPSK и QPSK для сигналов SEFDM, а также методы демодуляции для них. Алгоритм классификации основан на применении свёрточных нейронных сетей, а входными данными для него служат изображения сигнальных созвездий. Точность классификации для обоих типов модуляции принимает значения выше 99% при Eb/N0 = 7 дБ и более. При разработке демодуляторов исследовались два принципа машинного обучения: классификация и регрессия. На примере сигналов OFDM-QPSK показана несостоятельность регрессии, так как при её использовании наблюдается проигрыш от 1,3 дБ и выше относительно потенциальной помехоустойчивости. При демодуляции сигналов SEFDM-BPSK предложенный алгоритм демонстрирует выигрыш относительно приёма с обратной связью до 2,3 дБ (по уровню BER = 10−3). Для сигналов SEFDM-QPSK средняя вероятность битовой ошибки при Eb/N0 = 15 дБ уменьшилась в 7 раз. Учтены терминологические особенности предметной области и применены программные средства для решения задач. Применено специализированное программно-математическое обеспечение MATLAB.

As a result of the work, an automatic classifier of BPSK and QPSK modulation types for SEFDM signals was developed based on convolutional neural networks and images of signal constellations. The classification accuracy for both types of modulation takes values above 99% at Eb/N0 = 7 dB or more. Methods for demodulating BPSK and QPSK signals in the SEFDM system have also been developed. Two approaches have been explored: classification and regression. On the example of OFDM-QPSK signals, the regression is shown to be inconsistent, since when using it, a loss of 1.3 dB or more is observed relative to potential BER performance. When demodulating SEFDM-BPSK signals, the proposed algorithm demonstrates a gain in relation to reception with feedback up to 2.3 dB (in terms of BER = 10−3). For SEFDM-QPSK signals, the average bit error probability at Eb/N0 = 15 dB decreased by a factor of 7. The terminological features of the subject area are considered, and software tools are used to solve problems. Specialized software was used: MATLAB.