FPGA tabanlı uzun kısa-süreli bellek yapay sinir ağı ile darbesel sinyal tespiti
FPGA based long short-term memory artificial neural network for pulse signal detection
- Tez No: 712282
- Danışmanlar: DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ, DR. NİZAM AYYILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Bu tez çalışmasında, elektronik harp destek sistemlerinde de önemli bir rolü olan darbesel sinyal tespit uygulamaları için FPGA tabanlı bir Uzun Kısa-Süreli Bellek yapay sinir ağı önerilmiştir. Sinyal almacı tarafından toplanan darbesel sinyal örnekleri üzerinde herhangi bir işlem yapmadan sadece ham veriler kullanılarak düşük sinyal gürültü oranı (SGO) seviyelerinde yaygın sinyal tespit yöntemi olan Sabit Yanlış Alarm Oranı (SYAO) (Constant False Alarm Rate) yöntemi ile tespit edilemeyen darbesel sinyallerin önerilen bu yöntem ile tespit edilmesi hedeflenmiştir. Daha önce gerçekleştirilen benzer çalışmalar Uzun Kısa-Süreli Bellek sinir ağlarının düşük SGO seviyelerinde yüksek başarı oranı ile sinyal tespiti yapabildiğini göstermektedir. Benzer çalışmalara ek olarak bu tez çalışmasında FPGA tabanlı bir Uzun Kısa-Süreli Bellek sinir ağı çalışması yapılmıştır ve -5 dB SGO seviyesinde %94 doğruluk değeri ile darbesel sinyal tespiti yapılabildiği FPGA benzetim sonuçları ile gözlemlenmiştir. Bu tez çalışmasında, FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının eğitilmesi ve test edilmesi için gerekli veri setlerinin oluşturulması amacıyla MATLAB/Simulink modelleri tasarlanmıştır. Bu modeller ile ayrıca SYAO yönteminin test veri setleri de elde edilmiştir. Bu tez çalışmasında, FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının sentez işlemi sonrası elde edilen performans ölçütleri, SYAO yönteminin FPGA'de uygulanması sonrası elde edilen performans ölçütleri ile karşılaştırılmıştır. Elde edilen sonuçlar, bu tez çalışmasında önerilen FPGA tabanlı Uzun Kısa-Süreli Bellek sinir ağının bir donanım (FPGA) üzerinde gerçekleştirilerek klasik eşik değeri yönteminin (SYAO yöntemi) başarılı sonuçlar elde edemediği düşük SGO seviyelerinde sinyal tespiti gerçekleştirebildiğini ancak gerçek zamanlı bir elektronik harp sistemi radar almacı gereksinimlerini karşılayamadığını göstermektedir.
Özet (Çeviri)
In this thesis, an FPGA-based Long Short-Term Memory (LSTM) Artificial Neural Network (ANN) has been proposed for pulsed signal detection applications, which also has an important role in Electronic Warfare Support Systems. It is aimed to detect pulsed signals collected by the signal receiver at low signal-to-noise ratio (SNR) levels with this proposed FPGA-based LSTM, using only raw data without any processing on the pulsed signal samples that cannot be detected by the widely used Constant False Alarm Rate (CFAR) method. Previous studies show that LSTM neural networks can detect pulsed signals with a high success rate at low SNR. In addition to these studies, an FPGA-based LSTM is implemented in this thesis. According to simulation results, it is observed that pulsed signal detection could be performed with 94% accuracy at -5 dB SNR. In this thesis, MATLAB/Simulink models were designed to generate the datasets required for training and testing the FPGA-based LSTM. With these models, test datasets of the CFAR method were also generated. In this thesis, the performance criteria obtained from the synthesis process of the FPGA-based LSTM and the synthesis results of the CFAR method on FPGA is compared. The obtained results show that the FPGA-based LSTM, which proposed in this thesis, can be implemented on a hardware (FPGA) and can detect pulsed signal at low SNR where the traditional threshold method (CFAR) cannot obtain successful results, however, it shows that this proposed architecture cannot meet the real-time radar receiver requirements of an Electronic Warfare System.
Benzer Tezler
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- An FPGA implementation of a RISC-V based SOC system with custom instruction set for image processing applications
Görüntü işleme uygulamaları için özel komut setine sahip RISC-V tabanlı bir SOC sısteminin FPGA gerçeklemesi
ERFAN GHOLIZADEHAZARI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Zaman gecikmeli-kesir dereceli kaotik sistemlerde senkronizasyon ve FPGA uygulamaları
Synchronization and FPGA applications in time delay-fraction order chaotic systems
SEMİH CAN DEĞİRMEN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSivas Cumhuriyet ÜniversitesiSavunma Sanayi Teknoloji ve Stratejileri Ana Bilim Dalı
DOÇ. DR. KENAN ALTUN
- Efficient graphics processing unit based algorithms for high-throughput communication systems
Yüksek veri hacimli haberleşme sistemleri için etkili grafik işleme ünitesi tabanlı algoritmalar
SELÇUK KESKİN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KOÇAK
- Design and production of benchtop x-ray imaging system
Masaüstü x-ışını görüntüleme sisteminin dizaynı ve üretimi
MEHMET ERHAN EMİRHAN
Doktora
İngilizce
2016
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. CENAP ŞAHABETTİN ÖZBEN