Otomatik analog kiplenim tanıma algoritmalarının bir yazılım tanımlı telsiz üzerinde gerçeklenmesi

Abstract

Algılanan sinyallerin kiplenim tipinin otomatik olarak belirlenmesi, sinyal algılama ve kipçözme işlemleri arasındaki ara basamaktır. Bu özellik sivil ve askeri alanlarda kullanılan akıllı almaçlar için oldukça önemlidir. Gönderilen sinyal hakkında herhangi bir ön bilgi olmaksızın kiplenim tipinin belirlenmesi zor bir işlemdir. Bir de almaç tarafında, sinyal gücü, taşıyıcı frekansı, faz ötelemesi gibi bilinmeyenler olduğu düşünüldüğünde bu işlem daha da zor bir hal alır. Bugüne kadar geliştirilen kiplenim tanıyıcılar temel olarak iki gruba ayrılır. Olabilirlik tabanlı sınıflandırıcılar ve öznitelik tabanlı sınıflandırıcılar. Olabilirlik tabanlı sınıflandırıcılar matematiksel olarak eniyi çözümü sunarlar ancak işlemsel karmaşıklıkları yüksektir. Bu nedenle düşük işlem karmaşıklığı ve eniyiye yakın çözümü sunan öznitelik tabanlı sınıflandırıcılar geliştirilmiştir. Öznitelik tabanlı sınıflandırma, öznitelik çıkarma ve karar verme basamaklarından oluşur. Öznitelik olarak sinyalin anlık faz, anlık frekans, anlık genlik, izge özellikleri kullanılabilir. Karar verme aşamasında ise karar ağacı, enküçük uzaklık sınıflandırıcılar, destek vektör makinaları ve sinir ağları kullanılan yapılardır.Bu tez çalışmasında, AM, DSB, LSB, USB ve FM gibi analog kiplenim türleri için öznitelik tabanlı bir kiplenim sınıflandırıcı geliştirilmiştir. Sinyalin anlık faz, anlık genlik ve izge özellikleri öznitelik hesaplamak amacıyla kullanılmış ve karar aşamasında karar ağacı, enküçük uzaklık sınıflandırıcı ve destek vektör makinalarından yararlanılmıştır. Geliştirilen otomatik kiplenim sınıflandırıcılar için öncelikle Matlab ortamında benzetim çalışmaları yapılmış ve elde edilen sonuçlar raporlanmıştır. Sonraki aşamada ise karar ağacı yapısında geliştirilen otomatik kiplenim sınıflandırıcı bir yazılım tanımlı telsiz platformu olan USRP üzerinde gerçeklenmiştir. Son olarak USRP'den elde edilen sonuçlar ile benzetim çalışmalarında elde edilen sonuçlar karşılaştırılmıştır.

Automatic modulation recognition of intercepted signals is the intermediate step between signal detection and demodulation. This feature is significantly important for the intelligent receivers that are used for military and civilian applications. Recognition of the modulation type is a challenging task without a priori information about the transmitted signal. In addition to this, there are many unknowns at the receiver side, i.e signal power, carrier frequency, phase offset etc. that make this process harder. Developed modulation classifiers can be grouped as Likelihood Based Classifiers and Key Feature Based classifiers. Likelihood based classifiers give the optimum solution but with high complexity. That?s why key feature based classifiers that have low compulational complexity and nearly optimum solution are developed. Key feature based classification involves the key feature extraction and decision steps. Instantaneous magnitude, instantaneous phase, instantaneous frequency and spectrum of the signal can be used to calculate the key features. At the decision step, decision trees, minimum distance classifiers, support vector machines and neural networks are the structures that may be used.In this thesis, a key feature based modulation classifier is developed for the analog modulations AM, DSB, LSB, USB, FM. Instantaneous magnitude, instantaneous phase and spectrum of the signal are used for the calculation of the key features. At the decision step we used decision tree, minimum distance classifier and support vector machines. Firstly the developed modulation classifiers are simulated on Matlab and the results are reported. At the next step the decision tree modulation classifier is implemented on a software defined radio platform USRP. At the last step the results obtained form the simulations and USRP platform is compared.