Geri Dön

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

  1. Tez No: 880298
  2. Yazar: YALÇIN KAPLAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ KADRİYE YAMAN
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Havacılık ve Uzay Mühendisliği, Sivil Havacılık, Electrical and Electronics Engineering, Aeronautical Engineering, Civil Aviation
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

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

  1. 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

  2. Makine öğrenmesi tabanlı anten seçimi ve fiziksel katman güvenliği

    Machine learning based antenna selection and physical layer security

    BURAK ERDURAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FİLİZ GÜRKAN GÖLCÜK

  3. 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

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HACI İLHAN

  4. Human activity recognition using deep learning

    Derin öğrenme ile insan aktivitesi tanıma

    MURAT YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜLYA YALÇIN

  5. 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