Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler

Kubilay Muhammed Sünnetci; Ahmet Alkan

doi:10.17341/gazimmfd.890721

Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler

Öz

Veri madenciliğinin gelişen teknolojiler sayesinde, son zamanlarda birçok çalışma alanına uygulanabildiği bilinmektedir. Ayrıca, veri madenciliğinin görünür ışık haberleşme sistemlerindeki (Visible Light Communication, VLC) birçok problemi çözebileceği de düşünülmektedir. VLC sistemlerde her modülasyon tekniği için farklı alıcı ve verici birimler oluşturulmaktadır. Burada, önerilen sistemler kısaltılmış darbe konum modülasyonu (Shortened Pulse Position Modulation, SPPM) için tasarlanmıştır. Bu nedenle, SPPM tekniği için detaylı teorik altyapı oluşturulmuştur. Bu çalışmada, senkron modülasyon tekniklerine uygulanabilen K-En Yakın Komşu (K-Nearest Neighbor, KNN) Algoritması ve Karar Ağaçları tabanlı demodülatörler önerilmiştir. Sonrasında, M-SPPM sinyaller için genelleştirilmiş bir entropi ifadesi elde edilmiştir. Bu ifade bütün senkron modülasyon teknikleri için elde edilebilmektedir. Ayrıca, Manhattan ve Minkowski mesafelerine göre, sinyalleri çözebilen demodülatörler ve diğer demodülatörler doğruluk ve bit hata oranı açısından karşılaştırılmıştır. Nümerik sonuçlardan, önerilen KNN ve Karar Ağaçları tabanlı demodülatörlerin senkron modülasyon teknikleri için geleneksel sistemler olarak kullanılabileceği görülmektedir. Ayrıca, entropi ifadesi yardımıyla bulunan slotların bilgi kazançlarına göre karar ağaçları tabanlı demodülatörlerin oluşturulması gerekmektedir. Bu nedenle, bilgi kazancı daha yüksek olan slot ana düğüm olarak belirlenmelidir. Ayrıca, önerilen KNN tabanlı ve en uygun şekilde tasarlanmış olan karar ağaçları tabanlı demodülatörlerin bit hata oranı performanslarının ve doğruluk oranlarının tamamen aynı olduğu görülmektedir. SNR=10 dB için, 4-SPPM sinyallerde KNN (Demodülatör-1) ve Karar Ağaçları (Demodülatör-3) tabanlı demodülatörlerin doğruluklarının %99,78 olduğu görülmektedir. Burada, 8-SPPM sinyaller için KNN (Demodülatör-2) ve Karar Ağaçları (Demodülatör-5) tabanlı demodülatörlerinin doğrulukları %99,07’dir.

Anahtar Kelimeler

Kaynakça

[1] Farahneh H., Hussian F., ve Fernando X., De-Noising Scheme for VLC-Based V2V Systems; A Machine Learning Approach, Procedia Comput. Sci., 171(2019), 2167–2176, 2020.
[2] Tran H. Q. ve Ha C., High Precision Weighted Optimum K-Nearest Neighbors Algorithm for Indoor Visible Light Positioning Applications, IEEE Access, 8, 114597–114607, 2020.
[3] Xu S., Chen C. C., Wu Y., Wang X., ve Wei F., Adaptive residual weighted k-nearest neighbor fingerprint positioning algorithm based on visible light communication, Sensors (Switzerland), 20(16), ss. 1–24, 2020.
[4] Valieva I., Bjorkman M., Akerberg J., Ekstrom M., ve Voitenko I., Multiple Machine Learning Algorithms Comparison for Modulation Type Classification for Efficient Cognitive Radio, Proc. - IEEE Mil. Commun. Conf. MILCOM, November, 318–323, 2019.
[5] Hussain A., Ghauri S. A., Sohail M. F., Khan S. A., ve Qureshi I. M., Knn based classification of digital modulated signals, IIUM Eng. J., 17(2), 71–82, 2016.
[6] Ma S. vd., Signal Demodulation with Machine Learning Methods for Physical Layer Visible Light Communications: Prototype Platform, Open Dataset, and Algorithms, IEEE Access, 7, 30588–30598, 2019.
[7] Ray I., Analysis of Offset Pulse Position Modulation, 2015.
[8] Cryan R. A., Spectral characterisation of shortened pulse position modulation format, Electron. Lett., 46(5), 355–356, 2010.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Kubilay Muhammed Sünnetci ^*
0000-0002-3500-5640
Türkiye

Ahmet Alkan
0000-0003-0857-0764
Türkiye

Yayımlanma Tarihi

28 Şubat 2022

Gönderilme Tarihi

3 Mart 2021

Kabul Tarihi

20 Eylül 2021

Yayımlandığı Sayı

Yıl 2022 Cilt: 37 Sayı: 3

DOI

https://doi.org/10.17341/gazimmfd.890721

IZ

https://izlik.org/JA86KX43ZC

Kaynak Göster

RIS / Bibtex

APA

Sünnetci, K. M., & Alkan, A. (2022). Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 37(3), 1247-1262. https://doi.org/10.17341/gazimmfd.890721

AMA

1.Sünnetci KM, Alkan A. Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler. GUMMFD. 2022;37(3):1247-1262. doi:10.17341/gazimmfd.890721

Chicago

Sünnetci, Kubilay Muhammed, ve Ahmet Alkan. 2022. “Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 37 (3): 1247-62. https://doi.org/10.17341/gazimmfd.890721.

EndNote

Sünnetci KM, Alkan A (01 Şubat 2022) Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 37 3 1247–1262.

IEEE

[1]K. M. Sünnetci ve A. Alkan, “Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler”, GUMMFD, c. 37, sy 3, ss. 1247–1262, Şub. 2022, doi: 10.17341/gazimmfd.890721.

ISNAD

Sünnetci, Kubilay Muhammed - Alkan, Ahmet. “Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 37/3 (01 Şubat 2022): 1247-1262. https://doi.org/10.17341/gazimmfd.890721.

JAMA

1.Sünnetci KM, Alkan A. Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler. GUMMFD. 2022;37:1247–1262.

MLA

Sünnetci, Kubilay Muhammed, ve Ahmet Alkan. “Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, c. 37, sy 3, Şubat 2022, ss. 1247-62, doi:10.17341/gazimmfd.890721.

Vancouver

1.Kubilay Muhammed Sünnetci, Ahmet Alkan. Senkron modülasyon tekniklerine uygulanabilen KNN ve Karar Ağaçları tabanlı SPPM demodülatörler. GUMMFD. 01 Şubat 2022;37(3):1247-62. doi:10.17341/gazimmfd.890721

Cited By

Face mask detection using GoogLeNet CNN-based SVM classifiers

GAZI UNIVERSITY JOURNAL OF SCIENCE

https://doi.org/10.35378/gujs.1009359

Classification of Term and Preterm Birth Data from Elektrohisterogram (EHG) Data by Empirical Wavelet Transform Based Machine Learning Methods

Balkan Journal of Electrical and Computer Engineering

https://doi.org/10.17694/bajece.1405536

Çiçek Sınıflandırmada AlexNet ve MobileNetV2 mimarilerinin performans karşılaştırması

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

https://doi.org/10.17341/gazimmfd.1463663