Sayısal modülasyonlarda dalgacık dönüşüm temelli bir akıllı sınıflandırma sistemi

Abstract

Sayısal modülasyon tanıma haberlesme sistemleri için önemli bir konudur. Bu tezçalısmasında optimum dalgacık entropi parametre degerleri kullanılarak gerçeklestirilen sayısalmodülasyon sınıflama uygulamaları sunulmustur. Burada genetik-dalgacık-sinir agı (GDYSA)modeli gelistirilmistir. GDYSA genetik algoritma, dalgacık dönüsümü ve çok katmanlıalgılayıcı olmak üzere üç asamadan olusmaktadır. Genetik algoritma asaması, uygun dalgacıkentropi parametre degerlerini elde etme ve özellik çıkarmayı belirlemek için kullanılmıstır.Dalgacık dönüsüm asaması dalgacık ayrısımı ve dalgacık entropisi olmak üzere iki kısımdanolusmaktadır. Çok katmanlı algılayıcı katmanı sayısal modülasyonu sınıflandırmak ve genetikalgoritmanın uygunluk fonksiyonunu degerlendirmek için kullanılmıstır.Anahtar Kelimeler : Modülasyon Tanıma, Uyarlamalı Özellik Çıkarma, Dalgacık Dönüsümü,Entropi, Genetik Algoritma, Yapay Sinir Agı, Uzman Sistem.

The digital modulation recognition is an important topic for communication system. Inthis thesis, the digital modulation applications, which are conducted by using optimum waveletentropy parameter values are presented. A genetic- wavelet ?neural network(GWNN) model isdeveloped in here. GWNN includes three layers which are genetic algorithm, wavelet andmulti-layer perception. The genetic layer is used for selecting the feature extraction method andobtaining the optimum wavelet entropy parameter values. The wavelet transform layerconsists of two part: wavelet decomposition and wavelet entropies. The multi- layer perceptronlayer is used for evaluating the fitness function of the genetic algorithm and for classificationdigital modulation.Keywords: Modulation recognition, adaptive feature extraction, wavelet decomposition,entropy, genetic algorithm, artificial neural network, expert system