Sayısal modülasyonlarda dalgacık dönüşüm temelli bir akıllı sınıflandırma sistemi
An intelligent classification system based on wavelet transform for digital modulations
- Tez No: 202192
- Danışmanlar: YRD. DOÇ. DR. ENGİN AVCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Modulation recognition, adaptive feature extraction, wavelet decomposition, entropy, genetic algorithm, artificial neural network, expert system
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Sayısal modülasyon tanıma haberlesme sistemleri için önemli bir konudur. Bu tez çalısmasında optimum dalgacık entropi parametre degerleri kullanılarak gerçeklestirilen sayısal modülasyon sınıflama uygulamaları sunulmustur. Burada genetik-dalgacık-sinir agı (GDYSA) modeli gelistirilmistir. GDYSA genetik algoritma, dalgacık dönüsümü ve çok katmanlı algılayıcı olmak üzere üç asamadan olusmaktadır. Genetik algoritma asaması, uygun dalgacık entropi parametre degerlerini elde etme ve özellik çıkarmayı belirlemek için kullanılmıstır. Dalgacık dönüsüm asaması dalgacık ayrısımı ve dalgacık entropisi olmak üzere iki kısımdan olusmaktadır. Çok katmanlı algılayıcı katmanı sayısal modülasyonu sınıflandırmak ve genetik algoritmanın uygunluk fonksiyonunu degerlendirmek için kullanılmıstır. Anahtar Kelimeler : Modülasyon Tanıma, Uyarlamalı Özellik Çıkarma, Dalgacık Dönüsümü, Entropi, Genetik Algoritma, Yapay Sinir Agı, Uzman Sistem.
Özet (Çeviri)
The digital modulation recognition is an important topic for communication system. In this thesis, the digital modulation applications, which are conducted by using optimum wavelet entropy parameter values are presented. A genetic- wavelet ?neural network(GWNN) model is developed in here. GWNN includes three layers which are genetic algorithm, wavelet and multi-layer perception. The genetic layer is used for selecting the feature extraction method and obtaining the optimum wavelet entropy parameter values. The wavelet transform layer consists of two part: wavelet decomposition and wavelet entropies. The multi- layer perceptron layer is used for evaluating the fitness function of the genetic algorithm and for classification digital modulation.
Benzer Tezler
- Development of a (Doppler-Preserving) digital signal processing algorithm for a FMCW radar
FMCW radar için sayısal işaret işleme algoritması tasarımı
HASAN İŞEL
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- GMSK modülatör demodülatör gerçekleme
GMSK modulator demodulator implementation
FERDİ TEKÇE
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT TAVŞANOĞLU
- Range profile extraction in noise radars based on the target characteristics
Gürültü radarlarında hedef karakteristiklerine dayalı menzil profili çıkarımı
ŞEVVAL KARABAĞ ÇAHA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- The comparison of energy consumptions for OOK and BPSK modulationsin wireless sensor networks
Kablosuz algılayıcı ağlarda OOK ve BPSK modülasyonları için enerji tüketimlerinin karşılaştırılması
OMRAN TABAJOU
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NÜKHET SAZAK
- Deep learning aided data detectionfor future wireless communication systems
Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti
MERVE TURHAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN