Geçici sinyal başlangıçları için sinyal algılama yöntemlerinin geliştirilmesi ve performans değerlendirmesi

Abstract

Radyo Frekans (RF) parmak izi yöntemi, kablosuz haberleşme güvenliğinde kullanılacak en etkin yöntemlerdendir. RF geçiş bölgesinin tespiti, parmak izi çıkarmında en önemliaşamalardan birisidir. Bu tez çalışmasında, RF geçiş bölgesi başlangıcını tespit etmeye yönelik bir yaklaşım önerilmektedir. Önerilen Enerji Kriteri (EK) yöntemi, sinyalin hem genliği hemde faz karakteristiğini kullanarak diğer yöntemlerden farklılık gösterir. EK yönteminde temel fikir, sinyaldeki ani değişiklik bölgesini sinyal enerjisi ile ilişkilendirmesidir. Literatürde önerilen yöntemler, doğruluk, karmaşıklık ve kısıtlar açısından EK yöntemi ile deneysel olarak karşılaştırmaktadır. Karşılaştırma farklı sinayl gürültü (SNR) seviyelerinde gerçekleştirilmiştir. Deneysel çalışmalarda kullanılan farklı cep telefonlarına ait WiFi sinyalleri ön işlemelerden geçirilerek geçiş bölgesi daha verimli bir şekilde çıkarılmıştır. EK'nin eşik değeri gerektirmemesi ile birlikte diğer yöntemlerden çok daha kolay, hızlı ve iyi başarım gösterdiği deneysel olarak gösterilmiştir. Yukarıda bahsedilen yaklaşımlardan geçici sinyal tespit etmede daha hızlı olduğu açıkça görülebilir.Radio frequency fingerprinting (RFF) is one of the most effective techniques for improving wireless security. RF transient detection process is considered as important phase for establishing an efficient RFF security system. In this thesis, an approach to detect WiFi transient signal starts has been proposed. It is named as Energy Criterion (EC) method, and it can exploit both amplitude and/or phase characteristics of RF transient signal. The main idea behind the proposed method that the most significant change point in the signal sequence is associated with the significant change point in its signal energy. The methods reported in the literature have been evaluated and compared experimentally with the EC method in terms of accuracy, complexity and constraints. The performance assessment was implemented under different levels of signal to noise ratio (SNR). To this end, the collected WiFi signals were passed through pre-processing steps in order to extract transient signals more efficiently. It has been proven experimentally that the EC method is easy to implement as it needs no threshold, and it has a better performance for low SNR signals. Moreover, the EC is much faster than the other methods.