Makine öğrenmesi yöntemi ve görüntü işleme kullanılarak modülasyon sinyalinden bilgi işaretinin elde edilmesi
Obtaining information signal from modulation signal using machine learning method and image processing
- Tez No: 662103
- Danışmanlar: DOÇ. DR. NİHAT DALDAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Demodülasyon, Derin öğrenme, Görüntü işleme, Makine öğrenmesi, Sayısal modülasyon sistemleri, Demodulation, Deep learning, Image processing, Machine learning, Digital modulation systems
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine Öğrenmesi ve Görüntü İşleme algoritmaları haberleşme sinyallerinin sınıflandırılmasında veya tanınmasında çeşitli biçimlerde kullanılmaktadır. Günümüzde sayısal haberleşme sinyallerinin çeşitliği sayesinde daha düşük band genişliğinde daha hızlı haberleşme gerçekleştirilmektedir. Sayısal haberleşmede kullanılan geçiş band modülasyonu olarak da adlandırılan sinyallerin birbirinden ayrılabilmesi ya da demodüle edilebilmesi, alıcı tarafta sinyalin kolay ve hızlı şekilde tespit edilip buna göre tepki üretilebilmesi hem askeri hem de sivil uygulamalarda ayrıca önem kazanmaktadır. Tez kapsamında demodülatör devre yapıları yerine, modülasyonlu QASK, QFSK ve QPSK sinyallerinin görüntülerinden bu sinyallerin sınıflandırılması ve demodülasyon işlemleri gerçekleştirilmektedir. Sinyallerin sınıflandırılması ve demodülasyon işlemlerinin yapılabilmesi için destek vektör makineleri(SVM), konvolüsyonel sinir ağları(CNN), birleştirilmiş model(Ensemble), NARX yapay sinir ağı yapısı ve görüntülerden özelliklerin çıkarılması için Yönlendirilmiş Hızlı ve Sağlam BRIEF Öznitelikleri(ORB) yöntemi kullanılmıştır. 0dB, 5dB, 10dB ve 15dB gürültü oranlarına sahip modülasyonlu sinyallerden oluşan görüntülerin sınıflandırma ve demodülasyonları sonucunda performansları, istatistiksel parametreler ile değerlendirilip sunulmuştur. Ortaya çıkan sonuçlarda yer alan hata matrisleri göstermiştir ki özellikle 5dB gürültü oranına sahip sinyal görüntülerinin tahmininde karmaşıklıklar meydana gelmiştir. Bu durumun, özellik çıkarma algoritmalarından destek alarak veya makine öğrenmesi yöntemlerinin birleştirilerek kullanılması ile aşılabileceği gösterilmiştir.
Özet (Çeviri)
Machine Learning and Image Processing algorithms are used in various ways in the classification or recognition of communication signals. Currently, thanks to the diversity of digital communication signals, faster communication is achieved in a lower bandwidth. The ability to separate or demodulate the signals, also called passband modulation, used in digital communication, to detect the signal easily and quickly at the receiver side and to generate response accordingly are also important in both military and civilian applications. Within the scope of the thesis, instead of demodulator circuit structures, images of modulated QASK, QFSK and QPSK the classification and demodulation processes of these signals are performed by taking the images of the signals. In order to classify and demodulate signals, support vector machines (SVM), convolutional neural networks (CNN), combined model (Ensemble), NARX artificial neural network structure and Oriented FAST and Rotated BRIEF (ORB) method were used to extract features from images. As a result of classification and demodulation of images consisting of modulated signals with 0dB, 5dB, 10dB and 15dB noise ratios, their performances are evaluated and presented with statistical parameters. It showed the confusion matrices included in the results and complexities occurred in the prediction of signal images, especially with 5dB noise ratio. It has been shown that this situation can be overcome by getting support from feature extraction algorithms or by combining machine learning methods.
Benzer Tezler
- Görüntü işleme yöntemleri kullanılarak medikal abdominal görüntülerde böbrek yeri ve böbrek taşlarının tespiti ve analizi
Detection and analysis of kidney location and kidney stones in medical abdominal images using image processing methods
MERVE AŞKIN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiNiğde Ömer Halisdemir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİM ÇINAR
- Makine öğrenmesi ve görüntü işleme yöntemlerini kullanarak et sığırlarında canlı ağırlık tahmini
Live weight estimation in beef cattle using image processing and machine learning methods
AHMET ERHAN KARAHAN
- Sürücü uykululuğunun gerçek zamanlı görüntü işleme ve makine öğrenmesi teknikleri ile tespitine yönelik bir sistem tasarımı ve uygulaması
Designing and implementation of driver sleepiness detection system by using real-time image processing and machine learning techniques
MUHAMMED OZAN AKI
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN UMUT
- Görüntü işleme tabanlı derin öğrenme ve makine öğrenmesi yaklaşımlarıyla yabancıotların gelişim dönemlerinin sınıflandırılması
Classification of weed developmental stages using image processing based deep learning and machine learning approaches
YASİN ÇİÇEK
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EYYÜP GÜLBANDILAR
PROF. DR. AHMET ULUDAĞ
- Detection and classification of brown marmorated stink bug (Halyomorpha halys) damage in hazelnut using image processing and deep learning techniques
Görüntü işleme ve derin öğrenme teknikleri kullanarak fındıkta kahverengi kokarca (Halyomorpha halys) zararının belirlenmesi ve sınıflandırılması
OMSALMA ALSADIG ADAM GADALLA
Doktora
İngilizce
2023
ZiraatOndokuz Mayıs ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. YEŞİM BENAL ÖZTEKİN