Otoenkoder Tabanlı Kablosuz Haberleşme Sistemi Tasarımı

Creative Commons License

Aydoğdu Ö. S., Avan B. L., Ertuğ Ö.

URSI-TÜRKİYE 2026 XIII. Bilimsel Kongresi, Kastamonu Üniversitesi, Kastamonu, Kastamonu, Türkiye, 7 - 09 Eylül 2026, ss.287-289, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Kastamonu
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.287-289
  • Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
  • Gazi Üniversitesi Adresli: Evet

Özet

Klasik haberleşme sistemlerindeki ayrı modülasyon ve ekolayzır bloklarının yerine geçen uçtan uca otoenkoder

tabanlı fiziksel katman tasarımları, yeni nesil haberleşme ağları için esnek çözümler sunmaktadır. Bu çalışmada,

kanal hafızasına duyarlı yapay zeka mimarileri kullanılarak bir haberleşme sistemi geliştirilmiştir. Hafızasız

AWGN kanalı için Çok Katmanlı Algılayıcı (MLP), kısa yankılı 3-sekme (tap) sönümlemeli kanal için Conv1D ve

ağır semboller arası girişimin (ISI) olduğu 7-sekmeli kanal için Transformer tabanlı modeller eğitilmiştir.

Sonuçlar, yapay zeka tabanlı sistemlerin klasik QPSK alıcılarına benzer Bit Hata Oranı (BER) başarımına

ulaştığını ve CVSD algoritmasıyla gerçek zamanlı ses iletiminde başarılı olduğunu göstermiştir.

End-to-end autoencoder-based physical-layer designs, which replace classical modulation and equaliser blocks,
offer flexible solutions for next-generation communication networks. In this study, a communication system is
implemented using channel-memory-aware artificial intelligence architectures. A Multi-Layer Perceptron (MLP)
for the memoryless AWGN channel, a Conv1D model for the short-delay 3-tap dispersive channel, and a
Transformer-based architecture for the 7-tap channel with severe inter-symbol interference (ISI) were trained.
Results demonstrate that AI-based systems achieve Bit Error Rate (BER) performance comparable to classical
QPSK receivers and successfully perform end-to-end audio transmission using the CVSD algorithm