Sıkıştırılmış algılamada sezgisel algoritmaların kullanımına dayalı yöntemlerin incelenmesi ve geliştirilmesi
Analyzing and development of heuristic algorithms in compressed sensing
- Tez No: 484393
- Danışmanlar: PROF. DR. NURHAN KARABOĞA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Bu tez çalışması sıkıştırılmış algılamada seyrek sinyali geri oluşturmak için kullanılan algoritmaları incelemektedir. Sıkıştırılmış algılamada seyrek sinyali geri oluştururken genel olarak l1 minimizasyonu ve açgözlü algoritmalar kullanılmaktadır. Bu yöntemlere ek olarak, son zamanlarda sezgisel algoritmalar da seyrek sinyalin geri oluşturulmasında kullanılmaya başlanmıştır. Sezgisel algoritmalar, diğer yöntemlerle hibrit bir yapı oluşturularak veya kendi başına seyrek sinyali geri oluşturma problemini optimize ederek sıkıştırılmış algılama alanında kullanılmaktadır. Bu tez çalışmasında seyrek sinyali geri elde etmek için l1 minimizasyon algoritmalarından Birincil İkili İç Nokta yöntemi ve açgözlü algoritma sınıfının önde gelen algoritmalarından Dik Eşleştirme Takibi ve Sıkıştırılmış Algılamalı Eşleştirme Takibi algoritmaları incelenmiş ve bunların MATLAB ortamında benzetimi gerçekleştirilerek performans karşılaştırması yapılmıştır. Daha sonra, sezgisel algoritmaların bu alanda kullanılması için bir yöntem önerilmiştir. Sezgisel algoritmalar için önerilen bu yöntem, sıkıştırılmış algılamada kullanılan açgözlü algoritmaların seyrek sinyali geri elde yöntemine benzer bir stratejiye sahiptir. Ayrıca bu yöntem Genetik, Diferansiyel Gelişim, Parçacık Sürüsü Optimizasyonu ve Yapay Arı Koloni algoritmaları için uygulanmıştır. Önerilen yöntemin performansı l1 minimizasyon yöntemi ve açgözlü algoritmalarla karşılaştırılmıştır. Elde edilen test sonuçlarına göre önerilen yöntem, seyrek sinyali geri elde etmede bazı durumlarda daha iyi sonuç vermiştir. Bazı durumlarda da en az klasik yöntemler kadar iyi sonuç vermiştir. Elde edilen sonuçlara göre sezgisel algoritmalar için önerilen yöntem sıkıştırılmış algılamada seyrek sinyali geri elde etme algoritması olarak kullanılabilir.
Özet (Çeviri)
In this study, compressed sensing sparse signal reconstruction methods are analyzed. In general, there are two classes of algorithms in recovery of sparse signal: greedy approaches and l1-minimization methods. In addition to these techniques, lately, heuristic algorithms have been started to studying as sparse signal recovery algorithms. Heuristic algorithms can be used in this area as hybrid mechanism with other techniques or can be used to optimize sparse recovery problem by itself. Firstly in this study, widely used algorithms of l1 minimization and greedy approaches are compared. The compared algorithms are Primal Dual Interior Point method, Orthogonal Matching Pursuit and Compressed Sensing Matching Pursuit algorithms. They are implemented on MATLAB and their performance metrics are compared. And then, a new method that can solve compressed sensing sparse recovery problem is proposed for heuristic algorithms. This proposed method is similar to greedy algorithms used to solve sparse recovery problem. Also this proposed method is implemented on MATLAB for Genetic Algorithm, Differential Evolution, Particle Swarm Optimization and Artificial Bee Colony algorithms. The performance metrics of these algorithms are compared with the mentioned algorithms of l1 minimization and greedy approaches. According to these performance metrics results, for some test cases, proposed method for heuristic algorithms have better performance than other compared three algorithms. Also for some other test cases, proposed method has at least good as l1 minimization and greedy algorithms for sparse signal reconstruction. As a result from these studies, the proposed method for heuristic algorithms can be used as compressed sensing recovery algorithms.
Benzer Tezler
- Çok amaçlı optimizasyon algoritmalarının sıkıştırılmış algılamada kullanılması
Multiobjective optimization algorithms in compressed sensing
MURAT EMRE ERKOÇ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NURHAN KARABOĞA
- Grid matching in compressive sensing
Sıkıştırma algılamada ızgara eşleştirme
HÜSEYİN ŞAR
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiAnadolu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NURAY AT
- Seyreklik temelli sınıflandırmanın hiperspektral görüntülerde uygulamaları
Sparsity based classification application of hyperspectral images
HALİL ÇAĞLAR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Energy efficient approaches for spectrum sensing and channel estimation
Spektrum algılama ve kanal kestirimi için enerji verimli yaklaşımlar
MEHMET BAŞARAN
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DOÇ. DR. SERHAT ERKÜÇÜK
- Computational spectral imaging techniques using diffractive lenses and compressive sensing
Kırınımlı lensler ve sıkıştırılmış algılamaya dayalı hesaplamalı spektral görüntüleme teknikleri
OĞUZHAN FATİH KAR
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVİNÇ FİGEN ÖKTEM