Geri Dön

Performance analysis of hierarchical classification of modulation types

Modülasyon türlerinin hiyerarşik sınıflandırılmasının performans analizi

  1. Tez No: 613107
  2. Yazar: BENGİSU YALÇINKAYA
  3. Danışmanlar: PROF. DR. ALİ KARA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Otomatik modülasyon sınıflandırması (AMC), bilinmeyen bir modülasyon tipine sahip gelen modüle edilmiş bir sinyalin modülasyon tipini belirlemek için sıklıkla ihtiyaç duyulan bir yapıdır. AMC uygulamaları literatürde olabilirlik tabanlı (LB) ve özellik tabanlı (FB) yöntemler olarak iki ana başlık altında bölünmüştür. Bu tezde, FB yaklaşımı ile bir AMC algoritması geliştirilmiştir. Sınıflandırıcı olarak lineer, kuadratik ve kübik çekirdek kullanan Destek Vektör Makinesi (SVM) seçilmiş ve performansları karşılaştırılmıştır. SNR değerleri 0 ila 30 dB arasında olan havadan toplanan modüle edilmiş sinyaller kullanılmıştır. Sinyaller, yüksek derecelere kadar M-ASK, M-PSK, M-APSK içeren 12 farklı dijital modülasyon tipiyle modüle edilmiştir. İstatistiksel özellikler, yani sinyalin anlık genliği, fazı ve frekansının ortalaması, varyansı, çarpıklığı ve basıklığı, 8. dereceye kadar olan daha yüksek dereceli momentlere ve kümülanlara ek olarak kullanılmıştır. Sınıflandırıcılar arasından ikinci dereceden çekirdek kullanan SVM daha yüksek performans göstermiştir. Ayrıca, özellikle tek bir sınıflandırıcı kullanılarak sınıflandırıldığında çok düşük performans gösteren yüksek dereceli modülasyon tiplerinde, performansı arttırmak için literatüre kıyasla daha az karmaşıklığa sahip bir hiyerarşik sınıflandırma yapısı önerilmiştir. Bu modülasyonların doğruluklarında geleneksel yönteme kıyasla önemli bir gelişme gözlenmektedir. Genel performans %80'den %90'a yükselmiştir.

Özet (Çeviri)

Automatic modulation classification (AMC) is a frequently required framework to determine the modulation type of an incoming modulated signal with an unknown modulation type. AMC applications are divided under two main titles in the literature as likelihood-based (LB) and feature-based (FB) methods. In this thesis, an AMC algorithm is developed with a FB approach. As classifier, Support Vector Machine (SVM) using linear, quadratic and cubic kernel is chosen and their performances are compared. Over-the-air collected modulated signals with the SNR values between 0 and 30 dB are used. Signals are modulated with 12 different digital modulation types containing M-ASK, M-PSK, M-APSK up to higher orders. Statistical features i.e. mean, variance, skewness and kurtosis of the instantaneous amplitude, phase and frequency of the signal are used in addition to higher-order moments and cumulants up to 8th order. SVM using quadratic kernel showed slightly higher performance. In addition, a hierarchical classification structure with less complexity compared to the literature has been proposed in order to improve performance especially in high order modulation types which show very poor performance when classified with using a single classifier. A significant improvement is observed in the accuracies of these modulations comparing with the traditional method. The overall performance is increased from 80% to 90%.

Benzer Tezler

  1. Grup teknolojisi imalat sistemi ve sezgisel bir kümelendirme yöntemi

    Group technology manufacturing system and a heuristic clustering method

    A. KAMİL ATALAR

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ATAÇ SOYSAL

  2. Dünya finans merkezlerinin kümeleme analizi ile sınıflandırılması: İstanbul Finans Merkezinin durumu

    Classification of world financial centers with cluster analysis: The situation of Istanbul Financial Center

    BURAK ÇAKIRALP

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    EkonomiErciyes Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TALİP TORUN

  3. Sayısal hücre görüntülerinin kodlanması ve nicel analizi

    Coding and quantitative analysis of the digital cell images

    NEŞE APAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. MUHİTTİN GÖKMEN

  4. Türk bankacılık sektörünün kümeleme analizi ile finansal göstergeler temelinde performans sınıflandırması

    Classification of performance of the Turkish banking sector based on financial indicators with clustering analysis

    SEDA NUR BASTAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İşletmeÇankırı Karatekin Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. BİLGEHAN TEKİN

  5. Uluslararası Karşılaştırma Programı'na üye olan ülkelerin sosyo-ekonomik gelişmişlik düzeylerinin çok değişkenli istatistiksel yöntemlerle incelenmesi

    Analysis of the levels of socio-economic developmental status of member countries of the International Comparison Program with multivariate statistical analysis methods

    BURAK DEMİRBİLEKLİLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    İşletmeYıldız Teknik Üniversitesi

    İşletme Bölümü

    YRD. DOÇ. DR. ESRA ÖZTAMAN