Bilişsel radyo sistemlerinde kümeleme ve derin öğrenme ile modülasyon sınıflandırma

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: TOLGA DEMİRCİ

Danışman: Sultan Aldırmaz Çolak

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, bilişsel radyolarda (cognitive radio, CR) kullanılmak üzere iki farklı modülasyon sınıflandırma sistemi geliştirilmiştir. İlk sistemde K-Ortalamalar (K-Means) kümeleme algoritması kullanılırken, ikinci sistemde derin öğrenme ağı kullanılmıştır. Bu iki sistemin farklı işaret gürültü oranı (signal-to-noise ratio, SNR) değerleri için sınıflandırma başarımları hesaplanmıştır. Bu iki sistem karşılaştırılarak yöntemin güçlü ve zayıf yönleri ele alınmıştır. Literatürdeki modülasyon sınıflandırma yöntemleri ile karşılaştırılarak çalışmanın literatüre katkısı ile gelecek çalışmalarda gerçekleştirilebilecek eklemeler ele alınmıştır. Haberleşme kanallarının fiziksel katman güvenliğinin sağlanabilmesi için farklı sönümleme ve kanal modelleri için değişen SNR değerlerinde pozitif gizlilik kapasitesi olasılığı (probability of strictly positive secrecy capacity, SPSC) ve gizlilik kesinti olasılığı (secrecy outage probability, SOP) değerlerinin benzetimleri gerçekleştirilmiştir. Nakagami-m kanalının m = 2 değeri için, diğer kanallara kıyasla daha güvenli olduğu sonucuna ulaşılmıştır.