SAYISAL MODÜLASYONLARDA DALGACIK DÖNÜŞÜM TEMELLİ BİR AKILLI SINIFLANDIRMA SİSTEMİ

Abstract

Sayısal modülasyon tanıma haberlesme sistemleri için önemli bir konudur. Bu tez çalısmasında optimum dalgacık entropi parametre degerleri kullanılarak gerçeklestirilen sayısal modülasyon sınıflama uygulamaları sunulmustur. Burada genetik-dalgacık-sinir agı (GDYSA) modeli gelistirilmistir. GDYSA genetik algoritma, dalgacık dönüsümü ve çok katmanlı algılayıcı olmak üzere üç asamadan olusmaktadır. Genetik algoritma asaması, uygun dalgacık entropi parametre degerlerini elde etme ve özellik çıkarmayı belirlemek için kullanılmıstır. Dalgacık dönüsüm asaması dalgacık ayrısımı ve dalgacık entropisi olmak üzere iki kısımdan olusmaktadır. Çok katmanlı algılayıcı katmanı sayısal modülasyonu sınıflandırmak ve genetik algoritmanın uygunluk fonksiyonunu degerlendirmek için kullanılmıstır. Anahtar Kelimeler : Modülasyon Tanıma, Uyarlamalı Özellik Çıkarma, Dalgacık Dönüsümü, Entropi, Genetik Algoritma, Yapay Sinir Agı, Uzman Sistem.

The digital modulation recognition is an important topic for communication system. In this thesis, the digital modulation applications, which are conducted by using optimum wavelet entropy parameter values are presented. A genetic- wavelet ?neural network(GWNN) model is developed in here. GWNN includes three layers which are genetic algorithm, wavelet and multi-layer perception. The genetic layer is used for selecting the feature extraction method and obtaining the optimum wavelet entropy parameter values. The wavelet transform layer consists of two part: wavelet decomposition and wavelet entropies. The multi- layer perceptron layer is used for evaluating the fitness function of the genetic algorithm and for classification digital modulation. Keywords: Modulation recognition, adaptive feature extraction, wavelet decomposition, entropy, genetic algorithm, artificial neural network, expert system