Çok görevli öğrenme ile eşzamanlı darbe tespiti ve kipleme sınıflandırma

Simple item page
buir.contributor.authorAkyön, Fatih Çağatay
buir.contributor.authorNuhoğlu, Mustafa Atahan
buir.contributor.authorAlp, Yaşar Kemal
buir.contributor.authorArıkan, Orhan
buir.contributor.orcidArıkan, Orhan|0000-0002-3698-8888
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorAkyön, Fatih Çağatayen_US
dc.contributor.authorNuhoğlu, Mustafa Atahanen_US
dc.contributor.authorAlp, Yaşar Kemalen_US
dc.contributor.authorArıkan, Orhanen_US
dc.coverage.spatialSivas, Turkeyen_US
dc.date.accessioned2020-01-31T13:44:54Z
dc.date.available2020-01-31T13:44:54Z
dc.date.issued2019-04
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionDate of Conference: 24-26 April 2019en_US
dc.descriptionConference name: 27th Signal Processing and Communications Applications Conference (SIU), 2019en_US
dc.description.abstractBu çalışmada, elektronik harp sistemlerindeki sayısal almaç yapıları tarafından toplanan, ortamdaki tehdit radarların gönderdigi darbesel sinyal örnekleri üzerinden otomatik olarak eşzamanlı SGO (Sinyal Gürültü Oranı) kestiren ve darbe tespiti yapan, tespit edilen darbesel bölge üzerindeki kiplemeyi sınıflandıran, çok görevli ögrenme ve yinelemeli sinir ağı tabanlı yeni bir yöntem önerilmiştir. Önerilen yöntem, girdi olarak almaç tarafından toplanan örneklerden herhangi bir öznitelik çıkarmaksızın, ham IQ (Inphase-Quadrature) verilerini kullanmaktadır. Sınıflandırma başarımını artırmak için, farklı SGO seviyelerine göre eğitilmiş modeller kullanılmıştır. Ham IQ veri üzerinden kestirilen SGO degerine göre, uygun model otomatik olarak seçilmektedir. Yapılan kapsamlı benzetimlerde, -30 dB SGO seviyesinde, 1.5 dB ortalama mutlak hata ile SGO kestirimi, %90 başarımla darbe tespiti ve %84 ihtimalle başarılı kipleme sınıflandırması yapılabildiği gözlemlenmiştir. Tipik bir elektronik ˘ harp almacının darbe tespiti yapabildigi en dü¸sük SGO seviyesinin 10 dB olduğu düşünüldüğünde, önerilen yöntemin geleceğin elektronik harp almaç yapıları için oldukça önemli bir teknolojik kazanım olduğu değerlendirilmektedir.en_US
dc.description.abstractIn this work, a multi-task learning and recurrent neural network based new technique is proposed that performs joint SNR (singal-to-noise ratio) estimation and pulse detection over the pulse based signal samples coming from the digital receivers used in electronic warfare systems, and automatically classifies the modulation present on detected pulses. Proposed technique uses the raw IQ data as input, without any feature extraction. Moreover, usage of separately trained classifiers for different SNR regions is proposed for better classification accuracy. Most suitable classifier is selected based on the estimated SNR level from raw IQ data. Detailed tests show the proposed structure can achieve a detection with %90 accuracy, SNR estimation with 1.5 dB mean absolute error, and classification with 84% accuracy at a very low SNR level as -30 dB.
dc.identifier.doi10.1109/SIU.2019.8806285en_US
dc.identifier.urihttp://hdl.handle.net/11693/52960
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttps://doi.org/10.1109/SIU.2019.8806285en_US
dc.source.title27th Signal Processing and Communications Applications Conference (SIU), 2019en_US
dc.subjectRecurrent neural networken_US
dc.subjectDeep learningen_US
dc.subjectMulti-task learningen_US
dc.subjectSNR estimationen_US
dc.subjectModulation detection and recognitionen_US
dc.titleÇok görevli öğrenme ile eşzamanlı darbe tespiti ve kipleme sınıflandırmaen_US
dc.title.alternativeMulti-task learning based joint pulse detection and modulation classificationen_US
dc.typeConference Paperen_US
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Multi-task_learning_based_joint_pulse_detection_and_modulation_classification_Çok_gorevli_oǧrenme_ile_eşzamanli_darbe_tespiti_ve_kipleme_siniflandirma.pdf
Size:
3.03 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Department of Electrical and Electronics Engineering