Geri Dön

Deep learning based automatic modulation classification for sub-carriers of ofdm signals

OFDM sinyallerinin alttaşıyıcıları için derin öğrenme temelli modülasyon sınıflandırma

  1. Tez No: 879914
  2. Yazar: GÖKHAN TOSUN
  3. Danışmanlar: PROF. DR. ALİ EMRE PUSANE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN KAYA

    DR. ÖĞR. ÜYESİ FERDİ KARA

  2. Derin öğrenme algoritmalarıyla otomatik modülasyon tanımlama

    Automatic modulation recognition with deep learning algorithms

    AYŞENUR ÇAMLIBEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BAHATTİN KARAKAYA

  3. 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

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  4. Derin öğrenme ile modülasyon sınıflandırması

    Modulation classification with deep learning

    SELÇUK BALSÜZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

  5. 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

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiDüzce Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ ÇALHAN