Derin öğrenmenin modülasyon sınıflandırma uygulamaları için alanda programlanabilir kapı dizileri üzerinde gerçeklenmesi
Field programmable gate array based implementation of deep learning for modulation classification
- Tez No: 722179
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Analog modülasyonlar, Derin öğrenme, Sayısal modülasyon sistemleri, Analog modulations, Deep learning, Digital modulation systems
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modülasyon sınıflandırma hem askeri hem de sivil haberleşme sistemlerinde kritik öneme sahiptir. Modülasyon sınıflandırma uygulamaları ile askeri ortamlardan istihbarat elde etme, haberleşme sistemlerini karıştırma ve yayıncı tanıma gibi çalışmalar yapılmaktadır. Sivil ortamda ise haberleşme kanalının efektif olarak yönetilmesi ve alıcının değişen kanal koşullarına göre otomatik olarak doğru demodülatör tipinin seçilmesi gibi uygulamalar yapılmaktadır. Literatürde modülasyon sınıflandırma için olabilirlik tabanlı ve öznitelik tabanlı yöntemler sıklıkla kullanılmaktadır. Bunun dışında son zamanlarda derin öğrenme tabanlı yöntemler uygulanmaya başlanmıştır. Bu tez çalışmasında derin öğrenme tabanlı yöntemler ile haberleşme sinyallerinde modülasyon sınıflandırma başarımı incelenmiştir. Evrişimli sinir ağları (CNN) ve özyinelemeli sinir ağları (RNN) türünde mimariler oluşturularak, bu mimarilerin sınıflandırma başarımları nicemlenmiş ve nicemlenmemiş modeller için karşılaştırılmıştır. Derin öğrenme uygulamaları genel olarak grafik işlemci birimleri (GPU) üzerinde çalıştırılmaktadır. Bu tez çalışmasında derin öğrenme mimarisi alanda programlanabilir kapı dizileri (FPGA) üzerinde gerçeklenmiş ve çalıştırılmıştır. Derin öğrenme mimarisinin GPU üzerinden FPGA ortamına aktarılması ortaya çıkan nicemleme kaybı incelenmiştir. Sınıflandırma başarım oranı 0dB SNR seviyesinde yapılan testlerde ortalama %50 olurken, 10dB SNR seviyesinden itibaren bu oran %90 seviyesine ulaşmıştır. Nicemlenmiş modellerdeki performans kaybı ortalama %5 seviyesinde olmuştur.
Özet (Çeviri)
Modulation classification is critical in both military and civilian communication systems. With modulation classification applications, studies such as obtaining intelligence from military environments, jamming communication systems, and recognition of transmitters can be done. In the civilian environment, applications such as effective management of the communication channel and automatically selecting the right demodulator type according to the changing channel conditions of the receiver are carried out. In literature, there are many likelihood-based and feature-based methods exist. Apart from this, deep learning-based methods have been applied recently. This thesis has studied modulation classification performance in communication signals with deep learning-based methods. Convolutional neural networks (CNN) and recursive neural networks (RNN) types of architectures were created, and the classification performances of these architectures were compared for quantized and Non-quantized models. Deep learning applications are generally run on graphics processor units (GPU). In this thesis, deep learning architecture is implemented and run on field-programmable gate arrays (FPGA). The quantization loss that occurs when transferring the deep learning architecture to the FPGA environment over the GPU has been scrutinized. While the classification success rate was 50% in tests performed at 0dB SNR level, this rate reached 90% above 10dB SNR level. Performance loss in quantized models averaged 5%.
Benzer Tezler
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- 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
ZEYNEL ABİDİN SEZER
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAT DALDAL
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN