Dalveren, Yaser
Loading...
Profile URL
Name Variants
Dalveren, Y. Y., Dalveren Dalveren,Y. Y.,Dalveren D.,Yaser Dalveren, Yaser Yaser, Dalveren D., Yaser
Job Title
Doçent Doktor
Email Address
yaser.dalveren@atilim.edu.tr
Main Affiliation
Department of Electrical & Electronics Engineering
Status
Former Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
No research topics data found.
Sustainable Development Goals
1NO POVERTY
0
Research Products
2ZERO HUNGER
0
Research Products
3GOOD HEALTH AND WELL-BEING
2
Research Products
4QUALITY EDUCATION
1
Research Products
5GENDER EQUALITY
0
Research Products
6CLEAN WATER AND SANITATION
1
Research Products
7AFFORDABLE AND CLEAN ENERGY
1
Research Products
8DECENT WORK AND ECONOMIC GROWTH
0
Research Products
9INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
10REDUCED INEQUALITIES
0
Research Products
11SUSTAINABLE CITIES AND COMMUNITIES
17
Research Products
12RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
13CLIMATE ACTION
0
Research Products
14LIFE BELOW WATER
0
Research Products
15LIFE ON LAND
0
Research Products
16PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
17PARTNERSHIPS FOR THE GOALS
2
Research Products
This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
No records found in other affiliations.
Scholarly Output
79
Articles
39
Views / Downloads
172/287
Supervised MSc Theses
12
Supervised PhD Theses
9
WoS Citation Count
413
Scopus Citation Count
532
Patents
0
Projects
0
WoS Citations per Publication
5.23
Scopus Citations per Publication
6.73
Open Access Source
36
Supervised Theses
21
| Journal | Count |
|---|---|
| IEEE Access | 7 |
| Sensors | 6 |
| Electronics | 4 |
| 2018 International Symposium on Networks, Computers and Communications, ISNCC 2018 -- 2018 International Symposium on Networks, Computers and Communications, ISNCC 2018 -- 19 June 2018 through 21 June 2018 -- Rome -- 142427 | 2 |
| IEEE World Forum on Internet of Things, WF-IoT 2020 - Symposium Proceedings -- 6th IEEE World Forum on Internet of Things, WF-IoT 2020 -- 2 June 2020 through 16 June 2020 -- New Orleans -- 164055 | 2 |
Current Page: 1 / 8
Scopus Quartile Distribution
Competency Cloud
79 results
Scholarly Output Search Results
Now showing 1 - 10 of 79
Data Paper Citation - WoS: 46Citation - Scopus: 66A Database for the Radio Frequency Fingerprinting of Bluetooth Devices(Mdpi, 2020-06-21) Uzundurukan, Emre; Dalveren, Yaser; Kara, AliRadio frequency fingerprinting (RFF) is a promising physical layer protection technique which can be used to defend wireless networks from malicious attacks. It is based on the use of the distinctive features of the physical waveforms (signals) transmitted from wireless devices in order to classify authorized users. The most important requirement to develop an RFF method is the existence of a precise, robust, and extensive database of the emitted signals. In this context, this paper introduces a database consisting of Bluetooth (BT) signals collected at different sampling rates from 27 different smartphones (six manufacturers with several models for each). Firstly, the data acquisition system to create the database is described in detail. Then, the two well-known methods based on transient BT signals are experimentally tested by using the provided data to check their solidity. The results show that the created database may be useful for many researchers working on the development of the RFF of BT devices.Doctoral Thesis Düşük Çözünürlüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüler Bir Yöntem(2025) Maıga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Conference Object Citation - Scopus: 1Development of a Digital Communications Course Enriched by Virtual and Remote Laboratory Tools(2011-08) Kara,A.; Kara, Ali; Cagiltay,N.; Çağıltay, Nergiz; Dalveren,Y.; Dalveren, Yaser; Kara, Ali; Çağıltay, Nergiz; Dalveren, Yaser; Department of Electrical & Electronics Engineering; Software Engineering; Department of Electrical & Electronics Engineering; Software EngineeringDigital communications is a basic concept for rapidly growing fields of Electrical, Computer and Electronics Engineering like wireless and mobile communication systems, radar and electronic warfare, telemetry and many signal processing techniques. A re-designed digital communications course with ICT (Information and Communication Technologies) based diverse tools including matlab assignments, remote experiments and interactive simulators is described in this study. First, the objectives of the course, learning outcomes and evaluation methods are described. The re-designed course is offered in the last semester at Atilim University, and performance increase in students is compared with the previous year's offering, and by evaluating the course on a topic-based approach. © 2011 IEEE.Article Citation - WoS: 17Citation - Scopus: 32Deep Learning-Based Vehicle Classification for Low Quality Images(Mdpi, 2022-06-23) Tas, Sumeyra; Sari, Ozgen; Dalveren, Yaser; Pazar, Senol; Kara, Ali; Derawi, MohammadThis study proposes a simple convolutional neural network (CNN)-based model for vehicle classification in low resolution surveillance images collected by a standard security camera installed distant from a traffic scene. In order to evaluate its effectiveness, the proposed model is tested on a new dataset containing tiny (100 x 100 pixels) and low resolution (96 dpi) vehicle images. The proposed model is then compared with well-known VGG16-based CNN models in terms of accuracy and complexity. Results indicate that although the well-known models provide higher accuracy, the proposed method offers an acceptable accuracy (92.9%) as well as a simple and lightweight solution for vehicle classification in low quality images. Thus, it is believed that this study might provide useful perception and understanding for further research on the use of standard low-cost cameras to enhance the ability of the intelligent systems such as intelligent transportation system applications.Doctoral Thesis Düşük Çözünürlülüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüller Bir Yöntem(2025) Maiga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Article Citation - Scopus: 9Multipath Exploitation in Emitter Localization for Irregular Terrains(Czech Technical University, 2019-06-14) Dalveren,Y.; Kara,A.Electronic Support Measures (ESM) systems have many operational challenges while locating radar emitter's position around irregular terrains such as islands due to multipath scattering. To overcome these challenges, this paper addresses exploiting multipath scattering in passive localization of radar emitters around irregular terrains. The idea is based on the use of multipath scattered signals as virtual sensor through Geographical Information System (GIS). In this way, it is presented that single receiver (ESM receiver) passive localization can be achieved for radar emitters. The study is initiated with estimating candidate multipath scattering centers over irregular terrain. To do this, ESM receivers' Angle of Arrival (AOA) and Time of Arrival (TOA) information are required for directly received radar pulses along with multipath scattered pulses. The problem then turns out to be multiple-sensor localization problem for which Time Difference of Arrival (TDOA)-based techniques can easily be applied. However, there is high degree of uncertainty in location of candidate multipath scattering centers as the multipath scattering involves diffuse components over irregular terrain. Apparently, this causes large localization errors in TDOA. To reduce this error, a reliability based weighting method is proposed. Simulation results regarding with a simplified 3D model are also presented. © 2019 RADIOENGINEERING.Article Citation - WoS: 11Citation - Scopus: 15A Study on the Performance Evaluation of Wavelet Decomposition in Transient-Based Radio Frequency Fingerprinting of Bluetooth Devices(Wiley, 2022-01-18) Almashaqbeh, Hemam; Dalveren, Yaser; Kara, AliRadio frequency fingerprinting (RFF) is used as a physical-layer security method to provide security in wireless networks. Basically, it exploits the distinctive features (fingerprints) extracted from the physical waveforms emitted from radio devices in the network. One of the major challenges in RFF is to create robust features forming the fingerprints of radio devices. Here, dual-tree complex wavelet transform (DT-CWT) provides an accurate way of extracting those robust features. However, its performance on the RFF of Bluetooth transients which fall into narrowband signaling has not been reported yet. Therefore, this study examines the performance of DT-CWT features on the use of transient-based RFF of Bluetooth devices. Initially, experimentally collected Bluetooth transients from different smartphones are decomposed by DT-CWT. Then, the characteristics and statistics of the wavelet domain signal are exploited to create robust features. Next, the support vector machine (SVM) is used to classify the smartphones. The classification accuracy is demonstrated by varying channel signal-to-noise ratio (SNR) and the size of transient duration. Results show that reasonable accuracy can be achieved (lower bound of 88%) even with short transient duration (1024 samples) at low SNRs (0-5 dB).Article Citation - WoS: 1Citation - Scopus: 1From Street Canyons To Corridors: Adapting Urban Propagation Models for an Indoor IQRF Network(MDPI, 2025-11-13) Doyan, Talip Eren; Yalcinkaya, Bengisu; Dogan, Deren; Dalveren, Yaser; Derawi, MohammadAmong wireless communication technologies underlying Internet of Things (IoT)-based smart buildings, IQRF (Intelligent Connectivity Using Radio Frequency) technology is a promising candidate due to its low power consumption, cost-effectiveness, and wide coverage. However, effectively modeling the propagation characteristics of IQRF in complex indoor environments for simple and accurate network deployment remains challenging, as architectural elements like walls and corners cause substantial signal attenuation and unpredictable propagation behavior. This study investigates the applicability of a site-specific modeling approach, originally developed for urban street canyons, to characterize peer-to-peer (P2P) IQRF links operating at 868 MHz in typical indoor scenarios, including line-of-sight (LoS), one-turn, and two-turn non-line-of-sight (NLoS) configurations. The received signal powers are compared with well-known empirical models, including international telecommunication union radio communication sector (ITU-R) P.1238-9 and WINNER II, and ray-tracing simulations. The results show that while ITU-R P.1238-9 achieves lower prediction error under LoS conditions with a root mean square error (RMSE) of 5.694 dB, the site-specific approach achieves substantially higher accuracy in NLoS scenarios, maintaining RMSE values below 3.9 dB for one- and two-turn links. Furthermore, ray-tracing simulations exhibited notably larger deviations, with RMSE values ranging from 7.522 dB to 16.267 dB and lower correlation with measurements. These results demonstrate the potential of site-specific modeling to provide practical, computationally efficient, and accurate insights for IQRF network deployment planning in smart building environments.Article Quality of Service Assessment: a Case Study on Performance Benchmarking of Cellular Network Operators in Turkey(2015) Kadıoğlu, Rana; Dalveren, Yaser; Kara, AliAbstract: This paper presents findings on performance benchmarking of cellular network operators in Turkey. Bench- marking is based on measurements of standard key performance indicators (KPIs) in one of the metropolitan cities of Turkey, Ankara. Performance benchmarking is formulated by incorporating customer perception by conducting surveys on how important KPIs are from the user s point of view. KPIs are measured, with standard test equipment, by drive test method on specified routes. According to the performance benchmarking results, the GSM and UMTS network operators achieving the best performance were determined in Ankara. Speech qualities of network operators, as the most popular service, were also evaluated by several statistical methods including pdf/cdf analysis and chi-square and Fisher s exact tests. The network operator providing the highest speech quality in Ankara was determined with the methods applied. Overall, the results and approaches on benchmarking of cellular networks in Turkey are reported for the first time in this paper. The approaches proposed in this paper could be adapted to wide-scale benchmarking of services in cellular networks.Article Mükemmel İletken Silindir Modeli ile 28 Ghz’de İç Mekân Linklerini Bloke Eden İnsanların Etkilerinin İrdelenmesi(2020-01-31) Dalveren, Yaser; Kara, AliLiteratürde, kısa mesafe iç mekân haberleşme linklerinde insan vücudu blokajının sebep olduğu kaybıntahmininde matematiksel olarak sade bir yapıya sahip olması sebebiyle Çift Bıçak Kenarlı Kırınım (ÇBKK)modeli sıklıkla kullanılmaktadır. Fakat modelde insan vücudu benzetimi için kullanılan dikdörtgensel ekran,insan vücudu fiziğini temsil etmek için yeterli olmayabilir. Bu durum, özellikle çoklu insan vücudu blokajıolması durumunda, modelin tahmin doğruluğunu olumsuz etkileyebilir. Öte yandan, insan vücudu benzetimindeGeometrik Kırınım Teorisi (GKT) temelli mükemmel iletken silindir modeli, literatürde sıklıkla kullan bir diğermodeldir. Ancak bu modelin, çoklu insan vücudu blokajı durumunda, yayılım kaybını tahmin etmedeki etkisihenüz çalışılmamıştır. Bu nedenle, sunulan bu kısa çalışmadaki amaç, iletken silindir modelinin, 5G için tahsisedilmesi en muhtemel frekans bantlarından biri olan 28 GHz’de, çoklu insan vücudu blokajının neden olduğukısa mesafe iç mekân linklerindeki yayılım kaybını tahmin etmedeki doğruluğunu irdelemektir. Bu amaçla,öncelikle, kısa mesafe iç mekân linki bir insan vücudu ile tamamen bloklanmış; aynı anda, link yakınındakibaşka bir insan vücudu linke yaklaştırılarak ölçümler yapılmıştır. Sonrasında, yayılım kaybını tahmin etmek içinGKT ve ÇBKK modelinden faydalanılmıştır. Tahmin doğruluğu analizi için simülasyon ve ölçüm sonuçlarıkarşılaştırılmıştır. Sonuç olarak deneysel çalışmalar ile literatürde ilk defa, çoklu insan vücudu blokajının GKTmodeli ile tahmin doğruluğunun arttığı gözlemlenmiştir.