High-order cumulants based classification for cognitive radio applications
Bilişsel radyo uygulamaları için yüksek düzey kümülant tabanlı sınıflandırma
- Tez No: 781109
- Danışmanlar: DOÇ. DR. YASER DALVEREN, DR. ÖĞR. ÜYESİ AHMED A. THABİT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Modern iletişim sistemleri, kablosuz teknoloji uygulamalarındaki büyük gelişme nedeniyle çok hızlı değişikliklere tanık olmuştur. Bu gelişmeler spektrumun kıtlığına ve verimsizliğine neden olmuştur. Bilişsel Radyo (BR), yüksek spektral verimliliği korumak ve spektrum kıtlığını tedavi etmek için en iyi çözümlerden biri olarak önerilmektedir. BR, kanal yetkili kullanıcısının spektrum kanalını ihtiyaçlarının dışında kaldığında yetkisiz kullanıcıya kullanabilmesi için tahsis eder. Fakat spektrum paylaşımı sinyal paraziti olmadan tamamlanmalıdır. Bu nedenle, BR, frekans spektrumunun düzgün yönetimi ve parazitten kaçınma için birçok algılama tekniğine sahiptir. Başlıca algılama teknikleri; Enerji Algılama (EA), Eşleştirilmiş Filtre Algılama (EFA) ve Özellik Tabanlı Algılama (ÖTA) olarak sınıflandırılabilir. Genel olarak algılama tekniklerinin özellikleri irdelendiğinde uygulama alnına göre her birinin avantajları ve sınırlamaları olduğu söylenebilir. Bu tezde, bir ÖTA için makine öğrenmenin kullanıldığı yeni bir yöntem önerilmiştir. Önerilen yöntemin etkinliğinin değerlendirilebilmesi için bir MATLAB ortamında benzetimler gerçekleştirilmiştir. Bu amaçla, öncelikle çeşitli gürültülü kanallarla farklı modülasyon şemaları oluşturulmuştur. Daha sonra, gürültülü kanallarındaki bozuk sinyallerden yüksek dereceli momentlerin ve kümülantların çıkarılması sağlanmıştır. Bu özellikler, sinyal ve gürültüyü ayırt etmedeki güçlerine göre seçilmiştir. Tespit sonuçları, destek vektör makine (DVM) sınıflandırıcısında kullanılarak dedektörden elde edilen tespit olasılıkları (Pd) hesaplanmıştır. En yüksek Pd değerinin, istatistiksel tespitte 3 yüksek dereceli kümülant ile elde edilebileceği gösterilmiştir. Aynı Pd değeri, işlenen veri miktarını azaltan ve detektör karmaşıklığını basitleştiren 1 yüksek dereceli kümülant ile DVM sınıflandırıcısı kullanılarak elde edilebilmektedir.
Özet (Çeviri)
Modern communication systems have witnessed dramatic changes due to the huge development of wireless technologies applications. These developments caused the scarceness of the spectrum and its inefficiency. However, cognitive radio (CR) is proposed as one of the best solutions to maintain high spectral efficiency (SE), and to treat spectrum scarcity. CR delivers the service to the unauthorized user to utilize the spectrum channel when the channel is out of the needs of the authorized user. However, spectrum sharing needs to be completed without signal interference. Thus, CR has many detection techniques for proper management of the frequency spectrum and interference avoidance. The major detection techniques of CR are Energy Detection (ED), Matched-filter Detection (MFD), and Feature-based Detection (FBD). In practice, each one of them has its own advantages and limitations. In this thesis, the use of statistical features in Machine Learning (ML) is proposed for a FBD. A MATLAB simulation is conducted to evaluate the effectiveness of the proposed detector. To this end, firstly, various modulation schemes with various noisy channels are generated. Then, the high-order moments and cumulants are extracted from the corrupted signals in noisy channels. In fact, these features are selected according to their strength in distinguishing between the signal and noise. The detection outcomes are employed in the support vector machine (SVM) classifier and the probability of detection (Pd) is obtained. The highest Pd value is achieved with 3 high-order cumulants in statistical detection. The same Pd value is obtained using SVM classifier by 1 high-order cumulant which reduces the amount of the processed data and simplify the detector complexity.
Benzer Tezler
- Derin öğrenme ile modülasyon sınıflandırması
Modulation classification with deep learning
SELÇUK BALSÜZEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Linear and nonlinear classification of quadrature modulation signals
Çeyrek modülasyon sinyallerinin doğrusal ve doğrusal olmayan sınıflandırması
AHMED KHALID ALI ALI
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ
- Improved classification of remote sensing imagery using image fusion techniques
Görüntü kaynaştırma yöntemleri kullanarak uzaktan algılanmış görüntülerin sınıflandırmalarının iyileştirilmesi
ESRA TUNÇ GÖRMÜŞ
Doktora
İngilizce
2013
Jeodezi ve FotogrametriUniversity of BristolElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALIN ACHIM
PROF. DR. NISHAN CANAGARAJAH
- Performance analysis of hierarchical classification of modulation types
Modülasyon türlerinin hiyerarşik sınıflandırılmasının performans analizi
BENGİSU YALÇINKAYA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KARA
- Yıldızeli (Sivas) ve Almus (Tokat) ilçeleri arasında yer alan senozoyik yaşlı magmatik birimlerin petrojenezi ve bölgenin jeotektonik evriminin araştırılması
Petrogenetic and geotectonic evolution of the cenozoic magmatism in between Yildizeli (Sivas) and Almus (Tokat) regions
GÖNENÇ GÖÇMENGİL
Doktora
Türkçe
2018
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKİYE KARACIK