ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI
ALİ ABDULKADİR Ali Ali
Tez Adı : Bilişsel İletişim Sistemleri İçin Otomatik Modülasyon Tanıma
Danışman : Prof.Dr. Aydın AKAN
Anabilim Dalı : Elektrik-Elektronik Mühendisliği
Programı : -
Mezuniyet Yılı : 2013
Tez Savunma Jürisi : Prof.Dr. Aydın AKAN
Doç.Dr.Hakan DOĞAN
Doç.Dr. Fırat KAÇAR
Prof. Dr. Ahmet SERTBAŞ
Yard. Doç. Dr.Niyazi ODABAŞIOĞLU
Bilişsel İletişim Sistemleri İçin Otomatik Modülasyon Tanıma
Birçok sivil ve askeri iletişim sistemlerinde, alınan sinyalin kiplenim tipinin belirlenmesi otomatik olarak yapılması gereken bir işlemdir. Özellikle elektronik saldırı/savunma yöntemleri olarak hedef yakalama, dinleme ve boğma işlemlerinde kiplenim tanıma ciddi bir öneme sahiptir. Bugüne kadar geliştirilen kiplenim tanıyıcı/sınıflandırıcılar temel olarak iki gruba ayrılır. Sinyalin olabilirlik islevi üzerine geliştirilen olabilirlik tabanlı sınıflandırıcılar eniyi çözümü sunarlar ancak işlem karmaşıklıkları yüksektir.
Bu nedenle daha düşük işlem karmaşıklığı ve enyiye yakın çözüm sunan öznitelik tabanlı sınıflandırıcı yöntemleri geliştirilmiştir. Öznitelik tabanlı kiplenim sınıflandırma, öznitelik çıkarma ve karar verme aşamalarını içerir. Sinyalin karmaşık zarfının ve anlık bileşenlerinin istatistikleri, sinyalin Wavelet dönüşümü, sinyalin Fourier dönüşümü genellikle kullanılan özniteliklere örnek gösterilebilir. Karar verme aşamasında ise karar ağacı, sinir ağları, destek vektör makinaları tercih edilen karar yapılarıdır.
Bu tez çalışmasında, günümüzde askeri ve sivil haberleşme alanında kullanılan sayısal modülasyon tiplerinin otomatik olarak tanınmasını sağlayan akıllı öznitelik tabanlı bir otomatik modülasyon sınıflandırıcı geliştirilmiştir. Sınıflandırma işleminde kullanılacak öznitelikler, sinyallerin karmaşık zarflarının yüksek dereceli izgesel momentlerinden ve izgesel bileşenlerinden oluşmaktadır. Sınıflandırma islemi, AWGN kanala maruz kalmıs M-ASK, M-FSK ve M-PSK kiplenimli sinyalleri içermektedir. Yapılan benzetim çalışmalarıyla, otomatik kiplenim sınıflandırma probleminin çözümüne yönelik önerilen yöntemin genel doğru sınıflandırma başarımının, 3 dB SNR seviyesinde yaklaşık %100 olduğu görülmüştür. Böylece vericiden gelen demodüle edilmemiş işaretin ne tür bir sayısal kiplenim tipine ait olduğu kestirilerek herhangi bir kişiye ihtiyaç duyulmadan bu kiplenim tipi otomatik olarak tanımlanması sağlanmıştır.
Dostları ilə paylaş: |