KABLOSUZ İLETİŞİM SİSTEMLERİ İÇİN MAKİNA ÖĞRENİMİ DESTEKLİ ALTERNATİF SEZİCİ TASARIMI

Authors : Ahmet EMİR, Ferdi KARA, Hakan KAYA

Pages : 381-388

Doi:10.21923/jesd.873531

View : 55 | Download : 12

Publication Date : 2021-06-20

Article Type : Research Paper

Abstract :Son yıllarda derin öğrenme insert ignore into journalissuearticles values(deep learning-DL); teknikleri fiziksel seviye iletişim sistemlerinde yaygın olarak kullanılmaktadır. DL teknikleri, modern haberleşme sistemlerindeki işlem karmaşıklığını azaltmasından ve daha iyi başarım sağlaması gibi nedenlerden dolayı hali hazırda var olan haberleşme yöntemlerine alternatif seçenekler sunmaktadır. Bu çalışmada, Rayleigh sönümlemeli kanalda ikili faz kaydırmalı anahtarlama insert ignore into journalissuearticles values(binary phase shift keying-BPSK); veya dördün faz kaydırmalı anahtarlama insert ignore into journalissuearticles values(quadrature phase shift keying-QPSK); modülasyonu kullanılması durumunda alıcıya ulaşan işaretin işaret yıldız kümesi görüntüsünden, gönderilen işaretin DL ile kestirimi hedeflenmiştir. DL tekniklerinden olan evrişimli sinir ağı insert ignore into journalissuearticles values(convolutional neural network -CNN); girişine alıcıya gelen işaretin ve denkleştirilmiş işaretin işaret yıldız kümesi görüntüsü uygulanmıştır. CNN sınıflandırıcı ile bulunan sistemin hata başarımları klasik en büyük olabilirlikli sezici insert ignore into journalissuearticles values(maximum likehood-ML); başarımları ile karşılaştırılmıştır. İşaret yıldız kümesinde farklı boyutlarda bölgeler seçilmiştir. Bu bölgelerin her biri ayrı senaryo olarak değerlendirilir. Belirli senaryolar altında bu bölgelerin CNN sınıflandırıcı ile elde edilen hata başarımları ile ML hata başarımları ile benzer çıktığı görülmüştür.
Keywords : CNN, QPSK, BPSK, ML, Derin Öğrenme

ORIGINAL ARTICLE URL