2 results
Search Results
Now showing 1 - 2 of 2
Doctoral Thesis Makine Öğrenmesi Kullanılarak Geliştirilmiş Çok Yollu Yayılım Yöntemiyle Radarların Konumlandırılması(2024) Imran, Md Abdullah Al; Dalveren, Yaser; Kara, AliBu tezin amacı, Elektronik Destek Tedbirleri (ESM) sistemlerinde, özellikle engebeli arazilerde, tek bir alıcı kullanarak radar yayıcılarının pasif olarak konumlandırılması için önerilen bir yaklaşımın uygulanabilirliğini değerlendirmektir. Gerçekçi senaryolardan elde edilen gerçek verilere uygulandığında bu yöntemin doğruluğuna ilişkin ampirik kanıtların olmaması, pratik ortamlarda gerçek bir endişe yaratmaktadır. Bunu ele almak için, yöntemin pratikte uygulanmasını sağlamak üzere isabetli bir ışın izleme (RT) algoritması kullanılmaktadır. Daha sonra, yüksek çözünürlüklü sayısal arazi yükseklik verilerinin (DTED) toplanmasına ve radar yayıcılarıyla ilişkili gerçekçi lokalizasyon zorluklarının dikkate alınmasına yardımcı olan bir coğrafi bilgi sistemi (GIS) haritası kullanılarak gerçekçi senaryolar oluşturulmuştur. Daha sonra, yerelleştirme yönteminin etkinliğini değerlendirmek için simülasyonlar gerçekleştirilmiştir. Sonuç olarak, yöntemin performansı Elektronik Harp (EH) bağlamında pratik uygulaması için doğrulanarak önemli bir dönüm noktasına ulaşılmıştır. Kullanılan yöntemin doğal özellikleri nedeniyle, önerilen yaklaşım hesaplama karmaşıklığından muzdariptir. Hesaplama verimliliğini artırmak amacıyla, önerilen yöntem için Makine Öğrenimi (ML) tabanlı bir yaklaşım getirilmiştir. Önerilen ML çerçevesi önceden bilinen operasyonel ortamdan elde edilen Yol Kaybı, sensör grubunun Geometrik Hassasiyet Seyreltmesi (GDOP), ve Ortalama Kare Hata (MSE) performans ölçütü gibi faydalı özellikler gerektirir. Bu tür veri odaklı bir yaklaşımın performansı veri kümesinin genişliğine bağlı olduğundan, Ege Denizi adalarından motive edilmiş sözde gerçekçi arazi görünümü modelleri oluşturmak için özgün bir teknik geliştirilmiştir. Üç makine öğrenimi modeli: Kademeli Doğrusal Regresyon, Karar Ağacı ve Sinir Ağları eğitilmiş ve bir lokalizasyon algoritmasında kullanılacak en uygun sensör gruplarını tahmin etmek için veri kümeleri üzerinde test edilmiştir. Sonuçlara göre, Karar Ağacı modelinin en yüksek tahmin doğruluğuna ulaşabildiği görülmüştür. Ayrıca, önerilen yaklaşımın performansı lokalizasyon doğruluğu ve hesaplama hızı açısından değerlendirilmiştir. Kestirim doğruluğunu değerlendirmek için MSE'nin yanı sıra Dairesel Hata Olasılığı (CEP) ve Küresel Hata Olasılığı (SEP) da kullanılmıştır. Elde edilen sonuçlardan, önerilen yaklaşımın hesaplama açısından verimli olduğu ve uygulama öncesinde operasyonel ortamın bilinmesi koşuluyla EH bağlamında uygulanabilir olduğu sonucuna varılmıştır.Master Thesis Doğrusal Kablosuz Algılayıcı Ağlar için Bir Eşzamanlama Algoritması ve Link Katmanı Protokolün Gerçeklenmesi(2020) Imran, Md Abdullah Al; Kara, AliEşzamanlama, Kablosuz Algılayıcı Ağlar (KAA) gibi dağıtılmış ağ sistemlerinde büyük önem taşımaktadır. KAA'lar dağıtılmış varlıkların ve olayların koordinasyonu ve korelasyonu için eşzamanlamayı yaygın olarak kullanır. Tipik olarak, enerji, depolama, hesaplama ve bant genişliği gibi sınırlı kaynaklar, ortam koşulları ve uygulamaya özel gereksinimlerle birleştirilmiş sınırlı özellikleri nedeniyle, geleneksel eşzamanlama yöntemlerini olanaksız kılabilir. Bu nedenle, form faktörü, hassasiyet, işlem süresi ve gücü, bellek, trafik, verimlilik ve ölçeklenebilirlik gibi çok sayıda tasarım parametresi, KAA'ların eşzamanlanmasında çalışılmaktadır. Bu tez çalışmasında, doğrusal KAA'larda eşzamanlanma çalışılmış ve buna yönelik bütünsel bir protokol geliştirilerek deneysel sonuçlar irdelenmektedir. Geliştirilen protokol, düğümler üzerinden veri toplama ve basit hata işleme özellikleri ile donatılmıştır. Deneysel çalışmalar sonucunda, geliştirilen protokol ve eşzamanlama yönteminin etkinliği irdelenmiş ve ağ ömrünün optimizasyonlar ile arttırılabildiği gösterilmiştir. Bu kapsamda, eşzamanlamadaki kritik parametreler olan ofset ve zamanda kaymaların eşzamanlama doğruluğuna etkisi incelenmiştir. Yapılan testlerde, daha küçük eşzamanlama pencereleri ile daha yüksek bir eşzamanlama doğruluğu sağlanmaktadır. Buna bağlı olarak enerji tüketimi de optimize edilebilmektedir.