Derin öğrenme algoritmaları kullanılarak haberleşme ve seyrüsefer sistemleri ile jammer sinyallerinin sınıflandırılması

Günümüzde gelişen teknolojiyle birlikte sayıları her geçen gün artan ve pek çok alanda farklı amaçlarla kullanılan çok sayıda sinyal yayıcı cihaz bulunmaktadır. Bu cihazlar, faydalı olabilecekleri gibi bazen kasıtlı siyal karıştırma ve yanıltma gibi amaçlarla da kullanılabilmekte ve hava taşımacılığı gibi yüksek maliyetli sektörlere zarar verebilmektedir. Bu çalışmada belirli bir bölge içerisinde yer istasyonlarından toplanan çok sayıda RF sinyal verisinin kısa bir süre içerisinde sınıflandırılarak yayın yapan vericilerin kimliklendirilmesi için bir model geliştirilmesi hedeflenmiştir. Bu kapsamda geliştirilen sınıflandırma modeli ile insan iş yükü ve maliyetini en aza indirgeyecek analitik bir yaklaşım ortaya konulması hedeflenmiştir. Önerilen yaklaşımda GSM, radar, telsiz ve jammer sinyallerinin band genişliği, dalga boyu, güç ve genlik değerleri dikkate alınarak sınıflandırma işlemi üç farklı derin öğrenme mimarisi (AlexNet, ResNet, UNet) ile K-Ortalama ve K-En Yakın Komşuluk algoritmaları kullanılarak gerçekleştirilmiştir. Sınıflandırma işlemi sonrasında kullanılan ağların işlem süresi ve doğruluk oranları karşılaştırılmıştır. Geliştirilen sınıflandırma modeli, gerçek verilerden oluşturulan örneklenmiş veri kümeleri ile çalıştırıldığında, yüksek başarı oranı elde edilmiştir.