Radyo frekansı sinyalleri ile insansız hava araçlarının makine öğrenmesi temelli tespit edilmesi
Machine learning-based detection of unmanned aerial vehicles with radio frequency signals
- Tez No: 904616
- Danışmanlar: PROF. DR. KEREM KÜÇÜK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Sistemleri Bilim Dalı
- 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
- 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
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- 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
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ
- Signal detection and parameter estimation of frequency hopping signals
Frekans atlamalı sinyallerin tespiti ve parametre kestirimi
BATUHAN KAPLAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN BİRKAN YILMAZ
- 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
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN