Derin öğrenme algoritmaları kullanılarak haberleşme ve seyrüsefer sistemleri ile jammer sinyallerinin sınıflandırılması
Classification of communication and navigation systems and jammer signals using deep learning algorithms
- Tez No: 880298
- Danışmanlar: DR. ÖĞR. ÜYESİ KADRİYE YAMAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Havacılık ve Uzay Mühendisliği, Sivil Havacılık, Electrical and Electronics Engineering, Aeronautical Engineering, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde gelişen teknolojiyle birlikte sayıları her geçen gün artan ve pek çok alanda farklı amaçlarla kullanılan çok sayıda sinyal yayıcı cihaz bulunmaktadır. Bu cihazlar, faydalı olabilecekleri gibi bazen kasıtlı siyal karıştırma ve yanıltma gibi amaçlarla da kullanılabilmekte ve hava taşımacılığı gibi yüksek maliyetli sektörlere zarar verebilmektedir. Bu çalışmada belirli bir bölge içerisinde yer istasyonlarından toplanan çok sayıda RF sinyal verisinin kısa bir süre içerisinde sınıflandırılarak yayın yapan vericilerin kimliklendirilmesi için bir model geliştirilmesi hedeflenmiştir. Bu kapsamda geliştirilen sınıflandırma modeli ile insan iş yükü ve maliyetini en aza indirgeyecek analitik bir yaklaşım ortaya konulması hedeflenmiştir. Önerilen yaklaşımda GSM, radar, telsiz ve jammer sinyallerinin band genişliği, dalga boyu, güç ve genlik değerleri dikkate alınarak sınıflandırma işlemi üç farklı derin öğrenme mimarisi (AlexNet, ResNet, UNet) ile K-Ortalama ve K-En Yakın Komşuluk algoritmaları kullanılarak gerçekleştirilmiştir. Sınıflandırma işlemi sonrasında kullanılan ağların işlem süresi ve doğruluk oranları karşılaştırılmıştır. Geliştirilen sınıflandırma modeli, gerçek verilerden oluşturulan örneklenmiş veri kümeleri ile çalıştırıldığında, yüksek başarı oranı elde edilmiştir.
Özet (Çeviri)
With the developing technology, the number of signal-emitting devices used for various purposes in many fields is increasing day by day. While these devices can be beneficial, they can also be used for intentional signal jamming and deception, causing harm to high-cost sectors like aviation. Considering the critical applications where time is of the essence, it is extremely important to classify and identify a large number of signals in a short time and to distinguish interfering signals from them. This study within a certain region aims to develop a model for the classification and identification of signal emitters by processing a large number of signal data collected from ground stations in a short period. The goal of the developed classification model is to propose an analytical approach that minimizes human workload and cost. In the proposed approach, the classification process is carried out using three different deep learning networks (AlexNet, ResNet, UNet) along with K-Means and K-Nearest Neighbors algorithms, taking into account the bandwidth, wavelength, power, and amplitude values of GSM, radar, radio, and jammer signals. The purpose of using Deep Learning and Machine Learning simultaneously in the study is to determine the architecture or algorithm that provides the best performance. After the classification process, the processing times and accuracy rates of the networks used were compared. When the developed classification model was run with sampled datasets created from real data, a high success rate was achieved in with the sampled dataset.
Benzer Tezler
- Yeni nesil haberleşme sistemlerinde derin öğrenme tabanlı sezici tasarımı ve başarım analizi
Deep learning based detector design and performance analysis in new genration communication systems
AHMET EMİR
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KAYA
- Derin öğrenme yöntemlerinin çöz ve aktar tabanlı işbirlikli haberleşme sistemlerindeki performansının incelenmesi
Performance analysis of deep learning methods in decode and forward based cooperative communication systems
BİLGEHAN AKDEMİR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACI İLHAN
- Noma tabanlı bilişsel radyo haberleşme sistemlerinde derin öğrenme yöntemleri ile ergodik kapasite tahmini başarım analizi
Ergodic capacity estimation with deep learning methods in noma based cognitive radio communication system
ABDULKADİR GÜNEY
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKütahya Dumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAMDAR
DR. ÖĞR. ÜYESİ ARİF BAŞGÜMÜŞ
- Kablosuz haberleşme protokolleri üzerinden makine öğrenme algoritmaları ile iç mekan konum algılama sisteminin iyileştirilmesi
Improvement of indoor location sensing system with machine learning algorithms over wireless communication protocols
AHMET UTKU ELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET GÜRKAN YÜKSEK
- YENİ YAKLAŞIMLAR KULLANILARAK İNDİS MODÜLASYONLU DİKGEN FREKANS BÖLMELİ ÇOĞULLAMA (OFDM-IM) SİSTEMLERİNDE KANAL KESTİRİMİ
CHANNEL ESTIMATION IN ORTHOGONAL FREQUENCY DIVISION MULTIPLEXING WITH INDEX MODULATION (OFDM-IM) SYSTEMS USING NEW APPROACHES
ÖMER ADIGÜZEL
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM DEVELİ