Yazılım tabanlı telsiz haberleşme sistemlerinde derin öğrenme yaklaşımı ile radyo sinyallerinin sınıflandırılması
The classification of radio signals with deep learning approach in software based wireless communication systems
- Tez No: 739519
- Danışmanlar: DOÇ. DR. BÜLENT BOLAT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yazılım Tabanlı Radyo, Derin Öğrenme, Yapay Sinir Ağları, IQ Diagramları, Spektrum Analizi, Kablosuz Ağ Güvenliği, Software Defined Radio, Deep Learning, Artificial Neural Network, IQ Constellation, Spectrum Analysis, Wireless Network Security
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 61
Özet
Günümüzde kablosuz frekans bandının kullanımının yaygınlaşmasıyla birlikte birçok güvenlik açığı ortaya çıkmıştır. Bu durum çeşitli güvenlik önlemlerinin araştırılması ve geliştirilmesini bir zorunluluk olarak getirmektedir. Özellikle ulusal güvenlikten sorumlu devlet kurumlarının bu yöndeki ihtiyaçları her geçen gün değişmekte ve artmaktadır. Bu nedenle ortamdaki kablosuz sinyallerin ve vericilerin doğru bir şekilde tanımlanması gereksinimi önem kazanmaktadır. Bu sinyal tanımlama sürecinin doğrudan uç cihazlarda verimli bir şekilde gerçekleştirilmesi, işlemin hızlı olması için de gerekli hale gelmiştir. Bu projenin amacı, yazılım tabanlı radyo cihazlarını (SDR) kullanarak kablosuz sinyallerin sınıflandırılmasıdır. En iyi sınıflandırma başarısını elde etmek için derin öğrenme yöntemleri kullanılmış ve başarımları kıyaslanmıştır. Önerilen yöntemin gerçek dünyada uygulanabilir olduğunu göstermek amacıyla radyo sinyalleri yazılım tabanlı radyo platformları kullanılarak üretilmiştir. Verici cihazlardan gönderilen sinyaller alıcı cihaz tarafından I/Q veri formatında kaydedilmiş ve derin öğrenme algoritmaları ile yapılan sınıflandırmanın başarımı araştırılmıştır. Çalışmanın deneysel bir sonucu olarak, özellikle görüntü işleme ve obje tanımlama uygulamalarında verimli sonuçları olan CNN modelinin radyo sinyallerinin tespitinde %80'e varan başarım sunduğu görülmüştür. Bunun yanı sıra alternatif ve modern bir yöntem olarak kullanılan LSTM ağı modeli CNN'e göre çok daha düşük seviyelerde başarım göstermiştir. LSTM modeli tek başına bu uygulamada tamamen başarısız olduğundan hibrit bir model olarak ConvLSTM modeli kullanılmış ve daha başarılı sonuçlar elde edilmiştir. İki farklı model yapısı arasındaki karşılaştırmanın yanı sıra başarı oranı yüksek olan CNN ağ modelinde katman sayısındaki artışın ağın başarımı ile doğrudan ilişkili olmadığı da pratik bir sonuç olarak görülmüştür.
Özet (Çeviri)
The appearance of many security vulnerabilities is also increasing today with the widespread use of the wireless frequency band. This situation brings with it the research and development of various security measures as a necessity. Identification of wireless signals and transmitters properly in the environment becomes a crucial situation. The efficient achievement of this process directly on the end devices also becomes necessary for the process to be fast. The purpose of this paper is to show the performance of deep learning methods for classification of wireless signals by making use of the software-defined radio devices. In particular, it is aimed to implement real-world applications and evaluate the results by utilizing software-based radio platforms. We investigated the performance of the classification made by deep learning algorithms on the I/Q data samples as a wireless signal representation that obtained on the receiver device by collected from transmitter devices. As an experimental result of the study, it has been seen that successful results are seen up to %80 in the detection of radio signals of the CNN model , which is especially efficient in image processing and identification applications. On the other hand, the LSTM network model, which is used as an alternative and modern method, has shown much less success than CNN with %30 learning success ratio. In addition to the comparison in terms of two different models, the one with a rich experience in the layer of the network model with a high success rate has resulted in a practical way.
Benzer Tezler
- Artificial intelligence based detection schemes for secure wireless communication
Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları
SELEN GEÇGEL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Measurement based air to air and air to ground drone communication channel modeling
Ölçüm tabanlı havadan havaya ve havadan yere drone iletişim kanalı modelleme
BURAK EDE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Yazılım tabanlı enstrümantasyon ile APCO Proje-25 telsiz platformu gerçeklemesi
APCO Project-25 radio platform implementation with software defined instrumentation
MURAT ÇEVEN
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN DİNÇER
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ
- From media-based modulation to reconfigurable intelligent surfaces: Novel index modulation solutions
Ortam-tabanlı modülasyon'dan uyarlanabilir akıllı yüzeylere: Özgün indis modülasyon çözümleri
ZEHRA YİĞİT
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
PROF. DR. İBRAHİM ALTUNBAŞ