Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 AluisioIRF_DISSERT.pdf: 1128206 bytes, checksum: 18eb3a8fe85de21077cb33d691adb61b (MD5) Previous issue date: 2012-12-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Modern wireless systems employ adaptive techniques to provide high throughput while observing desired coverage, Quality of Service (QoS) and capacity. An alternative to further enhance data rate is to apply cognitive radio concepts, where a system is able to exploit unused spectrum on existing licensed bands by sensing the spectrum and opportunistically access unused portions. Techniques like Automatic Modulation Classification (AMC) could help or be vital for such scenarios. Usually, AMC implementations rely on some form of signal pre-processing, which may introduce a high computational cost or make assumptions about the received signal which may not hold (e.g. Gaussianity of noise). This work proposes a new method to perform AMC which uses a similarity measure from the Information Theoretic Learning (ITL) framework, known as correntropy coefficient. It is capable of extracting similarity measurements over a pair of random processes using higher order statistics, yielding in better similarity estimations than by using e.g. correlation coefficient. Experiments carried out by means of computer simulation show that the technique proposed in this paper presents a high rate success in classification of digital modulation, even in the presence of additive white gaussian noise (AWGN) / Os modernos sistemas de comunica??o sem fio empregam, frequentemente, t?cnicas adaptativas para proporcionar uma alta taxa de transmiss?o, enquanto asseguram qualidade de servi?o (QoS) e abrang?ncia de cobertura. Estudos recentes t?m mostrado que esses sistemas podem se tornar ainda mais eficientes com a incorpora??o de t?cnicas de intelig?ncia artificial e de conceitos de r?dio definido por software. Os sistemas que seguem essa linha, conhecidos como Sistemas de R?dio Cognitivo, podem idealmente explorar de forma din?mica e oportun?stica por??es do espectro de frequ?ncias n?o utilizadas, conhecidas como buracos espectrais, com o objetivo de prover altas taxas de transmiss?o de dados com elevada confiabilidade e disponibilidade de servi?o. A Classifica??o Autom?tica de Modula??o (AMC) seria uma habilidade muito ?til nesses sistemas. Normalmente, as t?cnicas de AMC utilizam alguma forma de pr?-processamento do sinal que pode introduzir um alto custo computacional ou necessitar de suposi??es fortes, e at? mesmo imprecisas, sobre o sinal recebido. Este trabalho prop?e o uso direto de uma medida de similaridade, baseada na Teoria da Informa??o, conhecida como coeficiente de correntropia, para extrair informa??es estat?sticas de ordem elevada do sinal, com o objetivo de reconhecer automaticamente o formato de modula??es digitais. Experimentos realizados por meio de simula??o computacional demonstram que a t?cnica proposta neste trabalho apresenta uma alta taxa de sucesso na classifica??o de modula??es digitais, mesmo na presen?a de ru?do aditivo gaussiano branco (AWGN)