A comparative study on classifying RF signals
RF sinyallerinin sınıflandırılmasına ilişkin kapsamlı bir çalışma
- Tez No: 1002754
- Danışmanlar: DOÇ. DR. HALİT ERGEZER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Radyo Frekans Parmak İzi, Radyo Frekans (RF) devrelerinin üretiminde kullanılan elektronik bileşenlerdeki son kullanıcıya etki etmeyen tolere edilebilir hataların etkilerinin birleşimiyle oluşan, donanıma özgü karakteristiklerdir. RF parmak izi tespiti ise donanıma özgü bu karakteristik sinyal özelliklerini anlamlandırarak yayın yapan cihazı tanıma yöntemidir. RF parmak izi, Wi-Fi, Bluetooth, GSM, telsiz gibi haberleşme yayını yapan cihazların RF devrelerinin donanımlarına özgü olduğundan, yapılan RF yayınlarının taklit edilmesi imkansız olarak görülmektedir. RF cihazlarının sahip olduğu bu parmak izi bilgileri kullanılarak bir ağa erişmek için mevcutta bulunan şifre tabanlı kimlik doğrulama ve yetkilendirme önlemlerine ek olarak fiziksel güvenlik katmanı olarak sahteciliğe ve kimlik hırsızlığına karşı, sahada bulunan bilinen ve bilinmeyen RF yayınlarının tespiti ve doğrulaması için askeri istihbarat (SIGINT) alanlarında kullanılmaktadır. Bu çalışmada, RF sinyallerinden geçici durum tespiti, sinyallerin sınıflandırılmasına yönelik klasik makine öğrenimi yöntemleri ve görüntü tabanlı sınıflandırma ve öznitelik seçimi yapılması çalışmaları yapılmıştır.
Özet (Çeviri)
Radio Frequency (RF) Fingerprinting refers to the hardware-specific characteristics that arise from the cumulative effects of tolerable imperfections in the electronic components used in the manufacturing of Radio Frequency (RF) circuits. These variations, while not affecting the end-user's experience, create a unique signature for each device. The process of RF fingerprint detection is a method of identifying a transmitting device by interpreting these distinct signal characteristics. Given that the RF fingerprint is unique to the hardware of RF circuits within communication devices such as Wi-Fi, Bluetooth, GSM, and two-way radios, replicating their RF transmissions is considered infeasible. Leveraging these inherent fingerprinting data, RF fingerprinting is employed as an additional physical security layer to supplement existing password-based authentication and authorization measures for network access. Its applications include preventing spoofing and identity theft, as well as detecting and verifying known and unknown RF transmissions in the field, particularly in military applications such as signals intelligence (SIGINT). In this study, transient detection from RF signals was performed, and classical machine learning methods were applied for signal classification, along with image-based classification and feature selection analyses.
Benzer Tezler
- Recognition and classification of human activities using wearable sensors
Giyilebilir duyucularla insan aktivitelerinin algılanması ve sınıflandırılması
ARAS YURTMAN
Yüksek Lisans
İngilizce
2012
Mühendislik Bilimleriİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. BİLLUR BARSHAN
- X-bant gürültü radarı ile dron ve martıların mikro-doppler karakteristiklerin çıkarımı
Extraction of micro-doppler characteristics of drone and seagulls with x-band noise radar
KARTAL KAAN GÜMEN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Dağıtık üretim güç sistemlerinde geliştirilmiş oylama modeli tabanlı arıza tespiti ve sınıflandırması
Improved voting model based fault detection and classification in distributed generation power systems
FEVZEDDİN ÜLKER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER
- A comparative study of classification algorithms for sentiment analysis of COVID-19 vaccine opinions using machine learning
Makine öğrenmeyi kullanarak COVID-19 aşı görüşlerinin duyarlılık analizi için sınıflandırma algoritmalarının karşılaştırmalı bir çalışması
DILBER S ZAINULABDEEN ZAINULABDEEN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Meta öğrenme modeliyle şehirlerin 15 dakikalık şehir kavramına olan uyumlarının değerlendirilmesi: istanbul örneği
Assessment of urban compliance with the 15-minute city concept through a meta-learning model: the case of İstanbul
AYDIN FURKAN TERZİ
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL