Deep learning based automatic modulation classification for sub-carriers of ofdm signals
OFDM sinyallerinin alttaşıyıcıları için derin öğrenme temelli modülasyon sınıflandırma
- Tez No: 879914
- Danışmanlar: PROF. DR. ALİ EMRE PUSANE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Otomatik modülasyon sınıflandırması (AMC), dijital haberleşmede kullanılan modülasyon tekniklerini otomatik olarak tanımlar ve sınıflandırır. AMC, modülasyon tekniğini doğru bir şekilde tanımlayarak iletişim sistemlerinin parametrelerini uyarlamasına, verimliliği, tayf kullanımını ve genel performansı optimize etmesini sağlar. AMC ile ilgili literatürün büyük bir kısmı tek taşıyıcılı iletişim sistemlerine odaklanmaktadır. Bu tez, AMC ile çok taşıyıcılı iletişim sistemleri arasındaki boşluğu ele almaktadır. Önerilen iki mimari vardır. Her ikisi de bir filtre bankası ve bir evrişimli sinir ağından (CNN) oluşan bir bileşik yapı kullanır. İlk mimari, sınıflandırmayı gerçekleştirmek için işlenmemiş özellikleri ve maksimum işlemi kullanırken, ikinci mimari, ek olarak bir sinir ağı (FNN) kullanarak özelliklerde ortak olarak görülen kalıpları öğrenir. İşlenmemiş özelliklerin teorik ve pratik amaçlar açısından yeterince bilgilendirici olmadığı görülmektedir. Ek olarak, işlenmemiş özellikleri bir araya getirmenin ve işlenmemiş özelliklerin kombinasyonları üzerinde dönüşümlere izin vererek etkili bir karar bağlamı oluşturmanın performansı önemli ölçüde artırdığı gözlemlenmiştir. Her iki mimarinin de performansı doğruluk metriği ve hata matrisleri aracılığıyla analiz edilmiştir. Son olarak deneylerin, sonuçların ve çıkarımların özetlenmesi ve gelecekte yapılması muhtemel çalışmalara değinilerek tez sonlandırılmıştır.
Özet (Çeviri)
Automatic modulation classification (AMC) is automatically identifying and classifying the modulation schemes employed in digital communications. By accurately identifying the modulation scheme, AMC enables communication systems to adapt their parameters, optimizing efficiency, spectral utilization, and overall performance. The majority of the literature on AMC focuses on the single-carrier communications systems. This thesis addresses the gap between the AMC and multi-carrier communications systems. Two architectures are proposed. Both employ a filter bank-convolutional neural network (CNN) complex. The first architecture uses raw features and a maximum operation to perform classification, whereas the second architecture learns feature patterns by employing a fully connected neural network (FNN). It is observed that the raw features are not sufficiently informative for theoretical and practical purposes. It is further observed that putting together the raw features and allowing the transformations on the combinations of the raw features, effectively forming a decision context, improves the performance significantly. The performances of both architectures are analyzed through the accuracy metric and confusion matrices. Finally, the thesis is concluded by summarizing the experiments, results, and implications and mentioning the possible future work.
Benzer Tezler
- Kablosuz sönümlemeli kanalda derin öğrenme tabanlı otomatik modülasyon sınıflandırması
Automatic modulation classification over wireless fading channel based on deep learning
YİĞİT CAN DURDU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KAYA
DR. ÖĞR. ÜYESİ FERDİ KARA
- Derin öğrenme algoritmalarıyla otomatik modülasyon tanımlama
Automatic modulation recognition with deep learning algorithms
AYŞENUR ÇAMLIBEL
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHATTİN KARAKAYA
- Deep learning in electronic warfare systems: Automatic pulse detection and intra-pulse modulation recognition
Elektronik taarruz sistemlerinde derin öğrenme: Otomatik darbe tespiti ve istemli darbe ici kipleme sınıflandırma
FATİH ÇAĞATAY AKYÖN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- 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
- Gelecek nesil haberleşme sistemlerinde yapay zeka tabanlı modülasyon tanımlama yöntemi geliştirilmesi
Development of artificial intelligence based modulation recognition method in next generation communication systems
MEHMET MERİH LEBLEBİCİ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÇALHAN