Derin yapay sinir ağları kullanılarak kör kod tanıma

Yeni nesil kablosuz ağlardaki hiyerarşik olmayan iletişim paradigması kayması, farklı senaryolar ve değişen kanal koşulları için iletişim parametrelerinin uyarlanabilir yapılandırılması gerekliliğini ortaya koymaktadır. Bu nedenle haberleşme parametrelerinin otomatik belirlenmesi 5G ve ötesi ağlarda önemli bir rol oynayacaktır. Otomatik modülasyon ve kodlama sistemlerinde, değişen kanal şartlarına uyum sağlayabilmek için gönderici parametreleri dinamik olarak değiştirilmektedir. Bu parametrelerin iletimi kontrol kanalları aracılığıyla yapılmaktadır ve kaynak kullanımında artışa neden olmaktadır. Kör kod çözümü hızlı bir şekilde bu tarz sistemler için kilit bir öğe haline gelmektedir çünkü parametrelerin gönderimine olan ihtiyacı ortadan kaldırmaktadır. Kör kod çözme sistemleri iki aşamadan oluşmaktadır: kodun belirlenmesi ve belirlenen kod parametrelerine göre kod çözümü. Derin öğrenme yöntemlerinin kod çözümünde kullanımı üzerine hatrı sayılır miktarda çalışma bulunmaktadır ve bu çalışmalar derin öğrenme modellerinin kod yapısını öğrenebildiğini göstermiştir. Bu tez çalışmasında, bu konuda yeni bir yaklaşım olarak, kör kod tanımada derin öğrenme tabanlı bir yöntem önerilmektedir. Derin yapay sinir ağları herhangi bir kod parametresine bağımlı olmadığından dolayı evrensel bir kod tanıma sistemi tasarlanabilir. Sunulan yöntem, yetkinliğinin gösterimi için çokça kullanılan katlamalı, turbo ve kutupsal kodların seziminde kullanılmıştır. Her kod tipi için, derin öğrenme tabanlı yöntemler hem yüksek hata performansı, hem düşük ve öngörülebilir gecikme değerleri sağlamaktadır. Ek olarak, model eğitimi için kullanılması gereken kod sözcüğü üzerine bir analiz de sunulmaktadır. Elde edilen sonuçlar derin öğrenme modellerinin bütün kod sözcükleri ile eğitilmediği durumda bile genelleştirebildiğini göstermektedir.