TELSİZ VE TELEKOMÜNİKASYON TERMİNAL EKİPMANLARININ IŞINIMLA YAYINIM DALGA ÖRÜNTÜSÜNÜN ÇIKARILARAK SINIFLANDIRILMASI

Abstract

Günümüzde birçok mühendislik uygulamaları örüntü tanıma sistemlerine yönelmektedir. Örüntü tanıma, aralarında ortak özellik noktaları bulunan ve bir ilişki kurulabilen karmaşık yapıdaki işaret örneklerini veya nesneleri bazı belirlenmiş özellikler veya karakterler yardımıyla ile tanımlama veya sınıflandırmadır. Örüntü tanıma, ön işlem, özellik çıkarma ve sınıflandırma olmak üzere üç aşamada yapılır. Örüntü tanımanın en önemli kısmı özellik çıkarmadır. Çünkü sınıflandırıcı belirlemede en önemli etken, doğru özellikleri tespit etmektir.Bu çalışma için, Bilgi Teknolojileri ve İletişim Kurumu bünyesine yer alan Piyasa Gözetimi Laboratuarından telsiz ve telekomünikasyon terminal ekipmanlarına ait ışınımla yayınım dalga işaretleri elde edilmiştir. Bu işaretlere, dalgacık paket dönüşüm zaman-frekans gösterim entropilerine dayalı özellik çıkarım tekniği uygulanmıştır. Elde edilen özellikler, geri yayınım yapay sinir ağlarına verilerek, sınıflandırma yapılmıştır. Cihaz tipi belirlenmesi amaçlı sistemden, % 92 doğru tanıma başarımı elde edilmiştir. Bu yöntemin özellikle telekomünikasyon alanında, karar verici ve yardımcı olarak kullanılmasının güvenirliği artıracağı düşünülmektedir.

At the present day many engineering applications are tending to pattern recognition systems. Pattern recognition is definition and classification of complex symbol samples and objects which have similar attributes points and be associated through specified attributes and characters. Pattern recognition is performed in three steps as preprocess, attribute derivation and classification. The most important step of pattern recognition is attribute derivation. Because, the most important factor in determining classifier is determination of the right attributes.For this study, radiated emission wave symbols of radio and telecommunications terminal equipments are derived from Market Surveillance Laboratory which is located within Information and Communication Technologies Authority. Attribute derivation technique which is based on ripple packet transformation time frequency representation entropies was applied to these symbols. Classification is made by giving the obtained attributes to the back propagation artificial neural networks. Accurate recognition performance of the system which is aimed to determine the equipment type was % 92. It is considered that using this method as decision maker and assistant especially in telecommunication area will improve the reliability.