Sualtı haberleşmesinde kullanılan modülasyon türlerinin yapay zekâ teknikleri kullanılarak sınıflandırılması
Classification of modulation schemes used in underwater communication using artificial intelligence techniques
- Tez No: 997867
- Danışmanlar: DOÇ. DR. TİMUR DÜZENLİ, DR. ÖĞR. ÜYESİ ERDOĞAN ALDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektronik haberleşme, Genetik algoritmalar, Çoklu sinyal sınıflandırma, Electronic communication, Genetic algorithms, Multiple signal classificaton
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Su altı kablosuz optik haberleşme sistemleri, elektromanyetik spektrumun suyun doğasından kaynaklanan emilim, saçılım ve türbülans gibi etkilere en az maruz kalan görünür ışık bandını kullanarak yüksek hızlı veri iletimini hedefleyen bir iletişim teknolojisidir. Görünür bandın göreli avantajına rağmen bu etkiler sinyal zayıflamalarına neden olarak sistem performansını sınırlamakta ve iletişim güvenilirliğini azaltmaktadır. Otomatik modülasyon sınıflandırması, kablosuz haberleşmenin alıcı tarafında ön bilgi gerektirmeden gelen sinyalin modülasyon türünü belirlemeyi hedefleyen bir tekniktir. Son yıllarda, su altı kablosuz optik haberleşme alanında modülasyon sınıflandırması için derin öğrenme tabanlı çeşitli yaklaşımlar geliştirilmiş; özellikle yüksek sinyal-gürültü oranlarında başarılı sonuçlar elde edilmiştir. Ancak bu yöntemlerin, düşük sinyal-gürültü oranı ve uzun mesafe gibi zorlu koşullarda sınırlı performans gösterdiği bilinmektedir. Bu çalışmada su altı kablosuz optik haberleşme sistemlerinde düşük sinyal-gürültü oranlarında dahi etkin şekilde çalışabilen, veri ihtiyacı düşük ve açıklanabilirliği yüksek bir modülasyon sınıflandırma yaklaşımı önerilmektedir. Bu kapsamda, iletişim kanalından alınan modüle edilmiş sinyaller üzerinde“üç seviyeli ayrık dalgacık dönüşümü”uygulanmıştır. Ayrıştırma sonucunda elde edilen yaklaşıklık ve detay katsayılarının ortalama, varyans ve enerji değerleri“genetik algoritmada”öznitelik girdi vektörü olarak kullanılmış ve en uygun öznitelik kombinasyonlarının belirlenmesi amacıyla değerlendirilmiştir. Enerjiye dayalı özniteliklerin sınıflandırma başarısına katkısının, ortalama ve varyansa dayalı özniteliklere göre daha yüksek olduğu gözlemlenmiştir. Bu gözlem sonucunda öznitelik boyutu azaltılarak 0.84 oranında sınıflandırma doğruluğu elde edilmiştir. Sonuçlar, -10 dB ve -5 dB gibi düşük sinyal-gürültü oranlarında sınıflandırma performansının azalmasına rağmen, özellikle coiflets ve biorthogonal dalgacık ailelerinden elde edilen özniteliklerin bu zorlayıcı koşullar altında dahi yüksek doğruluk sağladığını ortaya koymuştur.
Özet (Çeviri)
Underwater wireless optical communication systems are a communication technology that aims to achieve high-speed data transmission by using the visible light band of the electromagnetic spectrum, which is least affected by absorption, scattering, and turbulence caused by the inherent properties of water. Despite the relative advantages of the visible band, these effects still lead to signal attenuation, thereby limiting system performance and reducing communication reliability. Automatic modulation classification is a technique that aims to determine the modulation type of a received signal at the receiver without requiring prior information. In recent years, various deep learning–based approaches have been developed for modulation classification in underwater wireless optical communication, achieving successful results particularly at high signal-to-noise ratio levels. However, these methods are known to show limited performance under challenging conditions such as low signal-to-noise ratio and long transmission distances. In this study, a modulation classification approach is proposed for underwater wireless optical communication systems that can operate effectively even at low signal-to-noise ratio levels, requires low data, and offers high interpretability. In this context, a three-level discrete wavelet transform was applied to the modulated signals received from the communication channel. The mean, variance, and energy values of the approximation and detail coefficients obtained from the decomposition were used as feature input vectors in a genetic algorithm to evaluate and determine the most suitable feature combinations. It was observed that energy-based features contributed more to classification performance than mean- and variance-based features. Based on this observation, the feature dimension was reduced and a classification accuracy of 0.84 was achieved. The results show that although classification performance decreases at low signal-to-noise ratio levels such as −10 dB and −5 dB, features obtained from the coiflets and biorthogonal wavelet families still provide high accuracy under these challenging conditions.
Benzer Tezler
- DSP ile sayısal sualtı haberleşme sistem tasarımı
Digital underwater communication system design with DSP
ERTAN UYSAL
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SERHAT YILMAZ
- Sualtı haberleşme sistemleri: Fiber optik haberleşme örneği
Underwater communication systems: Example of fiber optic communication
YASİN BAYRAKTAR
Yüksek Lisans
Türkçe
2020
İletişim BilimleriSivas Cumhuriyet ÜniversitesiOptik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM POLAT
- Denizaltı akustik haberleşme kanallarının karar geribeslemeli denkleştirici ile başarım analizi
Performance analysis of underwater acoustic channels with decision feedback equalizer
YİĞİT MAHMUTOĞLU
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ÇAVDAR
- Sualtı kaynak tekniğinin incelenmesi
Başlık çevirisi yok
HATİCE KASAPOĞLU
Yüksek Lisans
Türkçe
1988
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. NECATİ ERŞEN