Makine öğrenmesi yöntemi ve görüntü işleme kullanılarak modülasyon sinyalinden bilgi işaretinin elde edilmesi

Makine Öğrenmesi ve Görüntü İşleme algoritmaları haberleşme sinyallerinin sınıflandırılmasında veya tanınmasında çeşitli biçimlerde kullanılmaktadır. Günümüzde sayısal haberleşme sinyallerinin çeşitliği sayesinde daha düşük band genişliğinde daha hızlı haberleşme gerçekleştirilmektedir. Sayısal haberleşmede kullanılan geçiş band modülasyonu olarak da adlandırılan sinyallerin birbirinden ayrılabilmesi ya da demodüle edilebilmesi, alıcı tarafta sinyalin kolay ve hızlı şekilde tespit edilip buna göre tepki üretilebilmesi hem askeri hem de sivil uygulamalarda ayrıca önem kazanmaktadır. Tez kapsamında demodülatör devre yapıları yerine, modülasyonlu QASK, QFSK ve QPSK sinyallerinin görüntülerinden bu sinyallerin sınıflandırılması ve demodülasyon işlemleri gerçekleştirilmektedir. Sinyallerin sınıflandırılması ve demodülasyon işlemlerinin yapılabilmesi için destek vektör makineleri(SVM), konvolüsyonel sinir ağları(CNN), birleştirilmiş model(Ensemble), NARX yapay sinir ağı yapısı ve görüntülerden özelliklerin çıkarılması için Yönlendirilmiş Hızlı ve Sağlam BRIEF Öznitelikleri(ORB) yöntemi kullanılmıştır. 0dB, 5dB, 10dB ve 15dB gürültü oranlarına sahip modülasyonlu sinyallerden oluşan görüntülerin sınıflandırma ve demodülasyonları sonucunda performansları, istatistiksel parametreler ile değerlendirilip sunulmuştur. Ortaya çıkan sonuçlarda yer alan hata matrisleri göstermiştir ki özellikle 5dB gürültü oranına sahip sinyal görüntülerinin tahmininde karmaşıklıklar meydana gelmiştir. Bu durumun, özellik çıkarma algoritmalarından destek alarak veya makine öğrenmesi yöntemlerinin birleştirilerek kullanılması ile aşılabileceği gösterilmiştir.