Deep learning based automatic modulation classification for sub-carriers of ofdm signals

Otomatik modülasyon sınıflandırması (AMC), dijital haberleşmede kullanılan modülasyon tekniklerini otomatik olarak tanımlar ve sınıflandırır. AMC, modülasyon tekniğini doğru bir şekilde tanımlayarak iletişim sistemlerinin parametrelerini uyarlamasına, verimliliği, tayf kullanımını ve genel performansı optimize etmesini sağlar. AMC ile ilgili literatürün büyük bir kısmı tek taşıyıcılı iletişim sistemlerine odaklanmaktadır. Bu tez, AMC ile çok taşıyıcılı iletişim sistemleri arasındaki boşluğu ele almaktadır. Önerilen iki mimari vardır. Her ikisi de bir filtre bankası ve bir evrişimli sinir ağından (CNN) oluşan bir bileşik yapı kullanır. İlk mimari, sınıflandırmayı gerçekleştirmek için işlenmemiş özellikleri ve maksimum işlemi kullanırken, ikinci mimari, ek olarak bir sinir ağı (FNN) kullanarak özelliklerde ortak olarak görülen kalıpları öğrenir. İşlenmemiş özelliklerin teorik ve pratik amaçlar açısından yeterince bilgilendirici olmadığı görülmektedir. Ek olarak, işlenmemiş özellikleri bir araya getirmenin ve işlenmemiş özelliklerin kombinasyonları üzerinde dönüşümlere izin vererek etkili bir karar bağlamı oluşturmanın performansı önemli ölçüde artırdığı gözlemlenmiştir. Her iki mimarinin de performansı doğruluk metriği ve hata matrisleri aracılığıyla analiz edilmiştir. Son olarak deneylerin, sonuçların ve çıkarımların özetlenmesi ve gelecekte yapılması muhtemel çalışmalara değinilerek tez sonlandırılmıştır.