52 results
Search Results
Now showing 1 - 10 of 52
Master Thesis 77 Ghz Radar Sistemleri için Mikroşerit Anten Tasarımı ve Analizi(2023) Yılmaz, Selen; Dalveren, Yaser; Kara, AliBu tez, 77 GHz otomobil radarı için seri beslemeli mikroşerit yama dizi antenin tasarımı ve operasyonel davranışına yönelik kapsamlı araştırmasını takdim etmektedir. Öncelikli olarak, mikroşerit anten, yama dizi anten, frekans taramalı dizi anten ve Chebyshev dizi anten teorisi hakkında teorik altyapı bilgisi temin edilmiştir. Antenleri tasarlamak ve boyutlarını hassas bir şekilde ayarlamak için sonlu eleman metoduna dayalı tam dalga simülasyon aracı kullanılmıştır. İlk aşamada, 76.5 GHz rezonans frekansında çalışan seri beslemeli doğrusal Chebyshev dizi anten bir verici kanalını temsil etmesi üzerine tasarlanmıştır. Kazancı geliştirmek için toprak-sinyal-toprak geçiş yapısında kullanılmak üzere kısa devre pinlerinden yararlanılmıştır. Pinsiz ve pinli tasarımların bant genişliği ve kazanç bakımından karşılaştırmalı analizi yapılmıştır. Son aşamada, 76.5 GHz doğrusal dizi yama anten 79 GHz doğrusal dizi yama antene GSG geçiş yapısı boyutları optimize edilerek ve her bitişik iki yama elemanı arasındaki aralıklandırma ve yama elemanı uzunlukları ölçeklenerek dönüştürülmüştür. Ölçeklendirme yönteminin etkisini değerlendirebilmek adına bu aşamada iki tasarım sunulmuştur. Bu iki dizi yama anten tasarımının operasyonel özelliklerinin ana kulak yönlendirilme açısı, empedans bant genişliği, total kazanç ve yan kulak baskılanması bakımından karşılaştırmalı analizi yapılmıştır.Article Citation - WoS: 17Citation - Scopus: 31Deep Learning-Based Vehicle Classification for Low Quality Images(Mdpi, 2022) 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 Çözünürlüklü Görüntülerde Araç Tespiti ve Siniflandirmasi için Birden Fazla Aşamali Modüler 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: 1From Street Canyons To Corridors: Adapting Urban Propagation Models for an Indoor IQRF Network(MDPI, 2025) 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 Citation - WoS: 8Citation - Scopus: 15Distributed denial-of-service attack mitigation in network functions virtualization-based 5G networks using management and orchestration(Wiley, 2021) Koksal, Sarp; Dalveren, Yaser; Maiga, Bamoye; Kara, AliThe fifth generation (5G) technology is expected to allow connectivity to billions of devices, known as Internet of Things (IoT). However, IoT devices will inevitably be the main target of various cyberattack types. The most common one is known as distributed denial-of-service (DDoS) attack. In order to mitigate such attacks, network functions virtualization (NFV) has a great potential to provide the benefit of elasticity and low-cost solutions for protecting 5G networks. In this context, this study proposes a new mechanism developed to mitigate DDoS attacks in 5G NFV networks. The proposed mechanism utilizes intrusion prevention system's (IPS) virtual machines (VMs) to intercept the queries. Based on the volume of DDoS traffic, IPS's VMs are dynamically deployed by means of management and orchestration (MANO) in order to balance the load. To evaluate the effectiveness of the mechanism, experiments are conducted in a real 5G NFV environment built by using 5G NFV environment tools. To our best knowledge, this is the first time that NFV-based mechanism is experimentally tested in a real 5G NFV environment for mitigating DDoS attacks in 5G networks. The experimental results verify that the proposed mechanism can mitigate DDoS attacks effectively.Article Citation - WoS: 3Citation - Scopus: 4Modelling and Design of Pre-Equalizers for a Fully Operational Visible Light Communication System(Mdpi, 2023) Bostanoglu, Murat; Dalveren, Yaser; Catak, Ferhat Ozgur; Kara, AliNowadays, Visible Light Communication (VLC) has gained much attention due to the significant advancements in Light Emitting Diode (LED) technology. However, the bandwidth of LEDs is one of the important concerns that limits the transmission rates in a VLC system. In order to eliminate this limitation, various types of equalization methods are employed. Among these, using digital pre-equalizers can be a good choice because of their simple and reusable structure. Therefore, several digital pre-equalizer methods have been proposed for VLC systems in the literature. Yet, there is no study in the literature that examines the implementation of digital pre-equalizers in a realistic VLC system based on the IEEE 802.15.13 standard. Hence, the purpose of this study is to propose digital pre-equalizers for VLC systems based on the IEEE 802.15.13 standard. For this purpose, firstly, a realistic channel model is built by collecting the signal recordings from a real 802.15.13-compliant VLC system. Then, the channel model is integrated into a VLC system modeled in MATLAB. This is followed by the design of two different digital pre-equalizers. Next, simulations are conducted to evaluate their feasibility in terms of the system's BER performance under bandwidth-efficient modulation schemes, such as 64-QAM and 256-QAM. Results show that, although the second pre-equalizer provides lower BERs, its design and implementation might be costly. Nevertheless, the first design can be selected as a low-cost alternative to be used in the VLC system.Article Mükemmel İletken Silindir Modeli ile 28 Ghz’de İç Mekân Linklerini Bloke Eden İnsanların Etkilerinin İrdelenmesi(2020) 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.Article Citation - WoS: 8Citation - Scopus: 9Propagation Measurements for Iqrf Network in an Urban Environment(Mdpi, 2022) Bouzidi, Mohammed; Dalveren, Yaser; Mohamed, Marshed; Dalveren, Yaser; Moldsvor, Arild; Cheikh, Faouzi Alaya; Derawi, Mohammad; Dalveren, Yaser; Department of Electrical & Electronics Engineering; Department of Electrical & Electronics EngineeringRecently, IQRF has emerged as a promising technology for the Internet of Things (IoT), owing to its ability to support short- and medium-range low-power communications. However, real world deployment of IQRF-based wireless sensor networks (WSNs) requires accurate path loss modelling to estimate network coverage and other performances. In the existing literature, extensive research on propagation modelling for IQRF network deployment in urban environments has not been provided yet. Therefore, this study proposes an empirical path loss model for the deployment of IQRF networks in a peer-to-peer configured system where the IQRF sensor nodes operate in the 868 MHz band. For this purpose, extensive measurement campaigns are conducted outdoor in an urban environment for Line-of-Sight (LoS) and Non-Line-of-Sight (NLoS) links. Furthermore, in order to evaluate the prediction accuracy of well-known empirical path loss models for urban environments, the measurements are compared with the predicted path loss values. The results show that the COST-231 Walfisch-Ikegami model has higher prediction accuracy and can be used for IQRF network planning in LoS links, while the COST-231 Hata model has better accuracy in NLoS links. On the other hand, the effects of antennas on the performance of IQRF transceivers (TRs) for LoS and NLoS links are also scrutinized. The use of IQRF TRs with a Straight-Line Dipole Antenna (SLDA) antenna is found to offer more stable results when compared to IQRF (TRs) with Meander Line Antenna (MLA) antenna. Therefore, it is believed that the findings presented in this article could offer useful insights for researchers interested in the development of IoT-based smart city applications.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.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.
