Geri Dön

Otomatik modülasyon tanıma için etkili bir algoritma

An effective algorithm for automatic modulation recognition

  1. Tez No: 365255
  2. Yazar: SAEED GHASEMİ
  3. Danışmanlar: PROF. DR. ALİ GANGAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Otomatik Modülasyon Tanıma, Yapay Sinir Ağları, Destek Vektör Makineleri, Sürekli Dalgacık Dönüşümü, Yüksek Mertebeli Kümülantlar, Automatic Modulation Recognation, Artifical Neural Networks, Support Vector Machine Algorithm, Continuous Wavelete Transform, Higher Order Cumulants
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Modülasyon tanımlama işlemi, haberleşme sistemlerinin çıkış aşamasındaki işlemlerdendir. Bu tez çalışmasında, Beyaz Gauss Gürültülü ortamda sınırlı sayıda sayısal modülasyon tiplerini otomatik olarak tanımak için akıllı bir sistem gerçekleştirilmiştir. Gerçekleştirilen bu sistemde özellik çıkarma yöntemleri olarak“Sürekli Dalgacık Dönüşümü”ve“Yüksek Mertebeli Kümülantlar”yöntemleri kullanılmıştır. Önerilen algoritmanın sınıflandırma işleminde, üç seviyeli çok katmanlı yapay sinir ağlarından yararlanılmıştır. Sonuç olarak bu tez çalışmasında önerilen algoritma, literatürde yer alan çalışmalara göre daha iyi sınıflandırma başarısıyla sonuçlanmış, ayrıca yine bu çalışmada giriş örnek sayısının etkisi, özellik çıkarma ve sınıflandırma işleminde incelenmiştir. Bu incelemeden elde edilen sonuçlara göre giriş örnek sayısı ve sınıflandırma performansı arasında doğrusal bir ilişki bulunmuş, yani giriş örnek sayısı arttırdığında sınıflandırma işleminden daha yüksek başarı elde edilmiştir. Ancak giriş örnek sayısı arttığında sınflandırma zamanı da arttığı için bu çalışmada elde edilen yüksek sinyal gürültü oranlarında oldukça dayanıklı olan özellik değerlerinin bir kısmı kullanılarak sınıflandırma zamanı düşürülmüştür.

Özet (Çeviri)

Modulation Recognition is one of the most important process carrying out at the output stage of communication systems. In this thesis study, an automatic modulation recognition system is developed to limited numbers of modulation formats exposed to white gaussian channel. In this modulation recognition system continuous wavelet transform and higher order cumulants are used as a feature extraction methods. Also, In this proposed algorithm, a three-level multilayer perceptron neural network was applied as a classifier. As a result of this thesis study, the proposed algorithm seemed to have better results in comparison to the other algorithms located in literature section. After that, in this thesis study, effect of the number of input samples on the performance of classification was investigated. The results of this investigation indicate that there is a direct relevance between the number of input sampels and classification performance. Namely, increasing the number of input sampels leads to an increase of operation in classification process. But increasing the number of input sampels lead to increasing classification time too. In this study, because of selected feature extraction methods which are resistant against noise impact, the value of extracted feature were stable partly. In this thesis instead of using all elements of extracted feature vektor we just used a part of them in the training step. Because our extracted features were reasonably stable in front of signal noise rate. So classification time is reduced subsequently.

Benzer Tezler

  1. Derin öğrenme algoritmalarıyla otomatik modülasyon tanımlama

    Automatic modulation recognition with deep learning algorithms

    AYŞENUR ÇAMLIBEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BAHATTİN KARAKAYA

  2. Derin öğrenme ile modülasyon sınıflandırması

    Modulation classification with deep learning

    SELÇUK BALSÜZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

  3. Utilizing LoRa for control link in software-defined aerial networks

    Yazılım tanımlı hava ağlarında kontrol baglantısı için LoRa kullanımı

    ZEYNEP BETÜL ARSLANBENZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ

  4. Kompleks değerli yapay sinir ağları ile algoritma geliştirilmesi ve uygulamaları

    Improving an algorithm with complex-valued artificial neural network and applications

    MURAT CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. YÜKSEL ÖZBAY

  5. The role of oxidative stress factors in the pathophysiology of Ocular Rosacea, analysis of tears and other materials

    Oküler Rosacea patofizyolojisinde oksidatif stres faktörlerinin rolü, gözyaşı ve diğer materyallerin analizi

    NİLÜFER YEŞİLIRMAK

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaGazi Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. NESLİHAN BUKAN

    PROF. DR. JEAN-LOUIS BOURGES