Geri Dön

Radyo frekansı sinyalleri ile insansız hava araçlarının makine öğrenmesi temelli tespit edilmesi

Machine learning-based detection of unmanned aerial vehicles with radio frequency signals

  1. Tez No: 904616
  2. Yazar: EMEL OKKALI
  3. Danışmanlar: PROF. DR. KEREM KÜÇÜK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 77

Özet

Makine öğrenmesi teknolojileri, günümüzde birçok alanda etkin bir şekilde kullanılmaktadır. Özellikle güvenlik ve izleme sistemleri gibi kritik uygulamalarda, geleneksel metotlara göre daha etkili ve yenilikçi çözümler sunma potansiyeline sahiptirler. İnsansız hava araçlarının gelişiminde de makine öğrenmesi etkin bir şekilde kullanılabilmektedir. İHA'lar (drone'lar) tarımdan güvenliğe, araştırmadan arama kurtarma operasyonlarına kadar geniş bir alanda fayda sağlamaktadır. Ancak drone teknolojisinin sunduğu avantajların yanı sıra gizlilik, güvenlik ve emniyet konularında ortaya çıkan endişeler, bu teknolojilerin kullanımını karmaşıklaştırmaktadır. Bu çalışma, insansız hava araçlarının geniş kullanım alanları yanında güvenlik ve gizlilik ile ilgili endişeleri ele almakta, bu endişeleri ortadan kaldıracak olan modern makine öğrenimi teknolojisini incelemektedir. Drone'ların RF sinyalleri üzerinden tespit edilmesi ve tanımlanması amacıyla geliştirilen araştırma, bu teknolojilerin nasıl daha etkin kullanılabileceğini göstermektedir. Araştırma kapsamında, İnsansız hava aracı olan farklı modellerdeki drone'lardan toplanan RF sinyallerini içeren bir veri seti kullanılmıştır. Veri toplama süreci, çeşitli model ve markalardaki Drone'ların operasyonları boyunca gerçekleştirilmiş olup elde edilen veriler yeni tespit ve tanımlama yöntemlerinin geliştirilmesi amacıyla araştırmacılara sunulmuştur. Radyo frekans sinyallerinin analizi için K- en yakın komşu, rastgele orman, karar ağacı ve Ensemble model gibi makine öğrenimi algoritmaları kullanılarak Drone tanımlama başarısı değerlendirilmiştir. Bu algoritmaların sonuçları, modelin performansını ve güvenilirliğini ölçmekte temel teşkil etmektedir. Çalışma makine öğrenimi modellerinin, farklı drone tiplerini ve operasyonel modlarını etkili bir şekilde tespit edebileceğini göstermiştir. Özellikle Ensemble model, çeşitli algoritmaların güçlü yönlerini birleştirerek, karmaşık görevlerde güçlü bir performans sergilemiştir. Çalışma, makine öğrenmesi ve derin öğrenme yöntemlerinin güçlü ve zayıf yönlerini ortaya koyarak, drone tespiti ve tanımlaması için en uygun yöntemin seçilmesinde rehberlik sunmayı amaçlamaktadır. Drone teknolojilerinin hızla geliştiği ve geniş bir uygulama alanı bulduğu göz önüne alındığında bu tür çalışmaların güvenlik, izleme ve navigasyon gibi alanlarda önemli katkılar sağlayacağı öngörülmektedir.

Özet (Çeviri)

Machine learning technologies are effectively utilized in many fields today. They have the potential to provide more effective and innovative solutions compared to traditional methods, especially in critical applications such as security and surveillance systems. Machine learning can also be effectively employed in the development of unmanned aerial vehicles (UAVs). Drones offer benefits in a wide range of areas, from agriculture to security, research to search and rescue operations. However, alongside the advantages provided by drone technology, concerns regarding privacy, security, and safety complicate the use of these technologies. This study addresses the wide range of applications of unmanned aerial vehicles while also examining the concerns related to security and privacy. It explores modern machine learning technology that aims to mitigate these concerns. The research demonstrates how these technologies can be used more effectively by developing a system for detecting and identifying drones through RF signals. A dataset containing RF signals collected from different models of drones was used within the scope of this study. The data collection process was carried out during the operations of various drone models and brands, and the obtained data was made available to researchers for developing new detection and identification methods. To analyze radio frequency signals, machine learning algorithms such as K-nearest neighbor, random forest, decision tree, and ensemble models were used to evaluate the success of drone identification. The results of these algorithms form the basis for measuring the model's performance and reliability. The study demonstrated that machine learning models can effectively detect different drone types and their operational modes. The ensemble model, in particular, showed strong performance in complex tasks by combining the strengths of various algorithms. The study aims to guide the selection of the most suitable method for drone detection and identification by revealing the strengths and weaknesses of machine learning and deep learning methods. Considering the rapid development of drone technologies and their broad range of applications, it is anticipated that such studies will provide significant contributions in areas such as security, surveillance, and navigation.

Benzer Tezler

  1. Sahte GPS sinyallerine karşı gömülü sistem tasarımı ve mekatronik sistemlerde uygulanması

    Embedded system design against spoofing GPS signals and its application in mechatronic systems

    MUSTAFA TANIŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜŞTAK ERHAN YALÇIN

  2. Localization of radio sources using autonomous unmanned aerial vehicles for search and rescue applications

    Arama ve kurtarma uygulamaları için otonom insansız hava araçları ile radyo kaynaklarının konumunun tespiti

    ÖMER HEREKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ

  3. Signal detection and parameter estimation of frequency hopping signals

    Frekans atlamalı sinyallerin tespiti ve parametre kestirimi

    BATUHAN KAPLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  4. Wireless communication signal generation for drone detection models in unreal engine

    Unreal motorunda İHA algılama modelleri ̇için kablosuz iletişim sinyali üretimi

    YUSUF ÖZBEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN BİRKAN YILMAZ

  5. Large scale wireless propagation channel characterization of air-to-air and air-to-ground drone communications

    Hava-hava ve hava-yer drone haberleşmesi için büyük ölçekli kablosuz yayılım kanalı karakterizasyonu

    UBEYDULLAH ERDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN