Radyo frekansı sinyalleri ile insansız hava araçlarının makine öğrenmesi temelli tespit edilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: EMEL OKKALI
Danışman: Kerem Küçük
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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.