Symulacja optymalnej modulacji w systemach telekomunikacyjnych z użyciem PRBS i sieci neuronowych

Opis

Projekt symuluje transmisję danych w telekomunikacji z użyciem dwóch technik modulacji: BPSK oraz QPSK. Analizuje jakość transmisji, obliczając wskaźnik BER (Bit Error Rate) w różnych warunkach zakłóceń (SNR - Signal-to-Noise Ratio). Projekt wykorzystuje sieci neuronowe TensorFlow/Keras do przewidywania optymalnej techniki modulacji na podstawie parametrów kanału transmisyjnego.

Główne elementy projektu:

1. Generowanie PRBS: Sekwencje pseudolosowe jako dane wejściowe.
2. Modelowanie kanału transmisyjnego: Dodanie szumu AWGN.
3. Implementacja technik modulacji: BPSK oraz QPSK.
4. Symulacja transmisji: Przesyłanie danych zmodulowanych przez kanał z zakłóceniami.
5. Uczenie maszynowe: Sieć neuronowa do analizy parametrów transmisji i wyboru optymalnej modulacji.

Instalacja

1. Sklonuj repozytorium:

   git clone https://github.com/k-surma/TelecomModulationSystems.git
   cd TelecomModulationSystems

2. Utwórz wirtualne środowisko i aktywuj je:

   python -m venv venv
   source venv/bin/activate   # Linux/Mac
   venv\Scripts\activate      # Windows

3. Zainstaluj wymagane biblioteki:

   pip install -r requirements.txt

Uruchamianie

1. Uruchom główny skrypt:

   python main.py

2. Sprawdź wyniki: Po uruchomieniu projektu w folderze results/plots/ pojawią się wykresy BER i przepływności (throughput) dla każdej modulacji, a w konsoli wyświetlą się informacje o najlepszej modulacji przy różnych wartościach SNR.

Struktura projektu

• utils/ - Moduły pomocnicze (PRBS, modulacje, szum).
• models/ - Sieci neuronowe do przewidywania optymalnej modulacji.
• results/ - Wygenerowane wyniki i wykresy.

Wymagane biblioteki

• TensorFlow
• NumPy
• Matplotlib