Haberleşme sistemlerinde sayısal kiplenim yöntemlerinin otomatik sınıflandırılması

Abstract

Birçok sivil ve askeri iletişim sistemlerinde, alınan sinyalin kiplenim tipinin belirlenmesiotomatik olarak yapılması gereken bir işlemdir. Özellikle elektronik saldırı/savunmayöntemleri olarak hedef yakalama, dinleme ve boğma işlemlerinde kiplenim tanımaciddi bir öneme sahiptir. Bugüne kadar geliştirilen kiplenim tanıyıcı/sınıflandırıcılartemel olarak iki gruba ayrılır. Sinyalin olabilirlik işlevi üzerine geliştirilen olabilirliktabanlı sınıflandırıcılar eniyi çözümü sunarlar ancak işlem karmaşıklıkları yüksektir.Bu nedenle daha düşük işlem karmaşıklığı ve enyiye yakın çözüm sunan öznitelik ta-banlı sınıflandırıcı yöntemleri geliştirilmiştir. Öznitelik tabanlı kiplenim sınıflandırma,öznitelik çıkarma ve karar verme aşamalarını içerir. Sinyalin karmaşık zarfının ve an-lık bileşenlerinin istatistikleri, sinyalin Wavelet dönüşümü, sinyalin Fourier dönüşümügenellikle kullanılan özniteliklere örnek gösterilebilir. Karar verme aşamasında ise kararağacı, sinir ağları, destek vektör makinaları tercih edilen karar yapılarıdır.Bu tez çalışmasında öznitelik tabanlı bir otomatik kiplenim sınıflandırıcı geliştirilmiş-tir. Sınıflandırmada kullanılacak öznitelikler sinyallerin karmaşık zarflarının yüksekdereceli logaritmik momentleri ve izgesel bileşenlerinden oluşmaktadır. Karar vericiolarak öncelikle sıradüzensel yapıda bir karar ağacı sonrasında çok-katmanlı bir sinirağı kullanılmıstır. Sınıflandırma işlemi, AWGN kanala maruz kalmış M-PSK, M-FSK veM-QAM kiplenimli sinyalleri içermektedir. Yapılan benzetim çalışmalarıyla, otomatikkiplenim sınıflandırma probleminin çözümüne yönelik önerilen yöntemin genel doğrusınıflandırma başarımının, 5 dB SNR seviyesinde yaklaşık %100 olduğu görülmüştür.

The recognition of modulation type of a received signal is performed automatically invarious civilian and military applications. Automatic Modulation recognition has a highimportance especially in military electronic counter/counter-counter measures such astarget detection, monitoring and jamming operations. The developed recognizers /classifiers are seperated into two groups. The likelihood based classifiers which relyon the likelihood function of the received signal give the optimum solution but theyhave high computational complexity. Therefore, feature based classifiers, which haveless computational complexity and give suboptimal solution, are developed. Featurebased classification involves feature extraction and decision making steps. Statisticsof complex envelope of the signal, Wavelet transform of the signal, Fourier transformof the signal are the examples of frequently used features. Decision tree, neuralnetworks, support vector machines are decision making structures that are used atdecision making step.In this thesis work, a feature based automatic modulation classifier is proposed. Thefeatures which are to be used at classification are composed from high-order cumulantsand spectral components of complex envelopes of the signals. Firstly a decision treewith hierarchical structure, then a multilayer neural network are used as decision maker.The classification process involves M-PSK, M-FSK and M-QAM modulated signals thatare subjected to AWGN channel. The simulations show that the proposed method forautomatic modulation recognition problem has about %100 overall Pcc at 5 dB SNR.