Geri Dön

Kablosuz haberleşme sistemlerinin fiziksel katmanında yapay zeka uygulamaları

Applications of artifical intelligence in the physical layer of wireless communication systems

PDF İndir

  1. Tez No: 824002
  2. Yazar: BURAK TÜRER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MÜMTAZ YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Aydın Adnan Menderes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Amaç: Bu çalışmanın amacı kablosuz haberleşme sistemlerinin fiziksel katmanında kullanılan klasik yöntemler yerine derin öğrenme tabanlı modelleri kullanarak blok hata oranı ve güvenilirlik açısından uçtan uca haberleşme blok yapısını incelemektir. Ayrıca geleneksel haberleşme sistemlerine kıyasla karmaşıklığı ve gecikmeyi azaltarak benzer veya daha iyi performans sonuçları elde etmek amaçlanmıştır. Materyal ve Yöntem: Çalışmada ilk olarak derin öğrenme temelli özkodlayıcı ile elde edilen işaret kümeleri kullanılarak tasarlanan eşlemleme çeşitlemesi tekniğinin röle kanalda başarımı incelenmiştir. Literatürde bulunan eşlemleme çeşitlemesi uygulanmış sistemin performansı bu çalışmada tasarlanan özkodlayıcı tabanlı eşlemleme çeşitlemesi sistemi ile farklı modülasyon türleri için Rayleigh sönümlemeli kanalda kıyaslanmıştır. Her iki sistem için de eşlemleme çeşitlemesi uygulanmayan klasik yöntem referans olarak alınmıştır. İkinci bir araştırma yönü olarak derin öğrenme kullanılarak kanal kestirimi gerçekleştirilmiş ve klasik kanal kestirim yöntemlerinden olan“en küçük kareler”yöntemi ve“minimum ortalama karesel hata”yöntemi ile karşılaştırılarak başarılı sonuçlar elde edilip edilmediği araştırılmıştır. Ayrıca derin öğrenme tabanlı geliştirilen kanal kestirim metodu, eşlemleme çeşitlemesi sisteminde uygulanmış, kanal durum bilgisinin alıcı tarafından tam olarak bilinmediği durumdaki başarımı incelenmiştir. Bu çalışmadaki benzetim sonuçları farklı SNR ve Doppler frekans değerlerinde ayrı ayrı incelenerek elde edilmiştir. Bulgular: DL tabanlı model ile yani özkodlayıcının uygulandığı öğrenme algoritmasıyla elde edilen işaret kümesindeki sembollerin açıları ve genliklerinin klasik sistemdeki işaret kümelerindeki sembollerden farklı olduğu benzetim sonuçlarıyla bulunmuştur. Bulgulara göre tasarlanan özkodlayıcı tabanlı eşlemleme çeşitlemesi ve literatürdeki mevcut eşlemleme çeşitlemesi yöntemlerinin eşlemleme uygulanmayan klasik sisteme göre farklı modülasyon türlerinde ortalama 2dB ile 3dB arasında önemli kazançlar elde edilmiştir. Ayrıca yine farklı modülasyon türlerinde özkodlayıcı kullanılan eşlemle çeşitlemesi yönteminin performansının klasik eşlemleme çeşitlemesi yöntemi performansına çok yaklaştığı, aradaki farkın ortalama 0,4 dB ile 0,6 dB arasında değiştiği benzetim sonuçları ile bulunmuştur. Son olarak MMSE kanal kestirim yönteminin artan SNR ve Doppler frekans değerlerinde LS yönteminden daha iyi başarım gösterdiği görülmüştür. DL tabanlı kanal kestirim yöntemi ise her iki MMSE ve LS metodundan daha iyi performansa sahip olduğu gösterilmiştir. Sonuç: Blok hata oranı göz önüne alındığında, özkodlayıcılı QPSK sisteminin klasik sistem ile benzer performans gösterdiği, özkodlayıcılı 8-PSK'nın ve 16-QAM'in klasik sisteme göre daha iyi bir başarım elde ettiği sonucuna varılmıştır. Ayrıca farklı modülasyon türlerinde özkodlayıcı tabanlı eşlemleme çeşitlemesi yönteminin literatürdeki mevcut eşlemleme çeşitlemesi yöntemine yakın performansa sahip iken, eşlemleme çeşitlemesi kullanılmayan klasik yönteme göre ise daha iyi performans gösterdiği sonucuna ulaşılmıştır. Son olarak tasarlanan DL tabanlı kanal kestirim yöntemi ile hem LS hem de MMSE kanal tahmin yönteminin performansları iyileştirilmiştir.

Özet (Çeviri)

Objective: The aim of this work is to analyze end to end block structure of communication system in terms of block error rate and reliability by employing deep learning-based models instead of classical techniques applied at the physical layer of wireless communication systems. Also, compared with traditional communication systems, it is aimed to attain similar or better performance results by decreasing complexity and delay. Material and Methods: In this work, initially, the performance of the modulation diversity technique which is proposed by using constellation diagrams obtained by deep learning based autoencoder is investigated for relay channel. The performance of modulation diversity applied system in the literature is compared with the autoencoder based modulator diversity system proposed for different modulation types in Rayleigh fading channel. The classical system in which modulation diversity is not applied is taken as a reference for both these two systems. As a second research direction, channel estimation is realized using deep learning and by comparing with classical channel estimation methods like“least squares”and“minimum mean square error”methods, it has been searched whether successful results are attained or not. Also, the proposed deep learning-based channel estimation method is applied in modulation diversity system and the performance is investigated for the imperfect channel state information. The simulation results in this part are obtained individually analyzed for different SNR and Doppler frequency values. Results: The amplitudes and phase of the symbols obtained by DL based model, namely by autoencoder applied learning, are found to be different from the signal constellation of classical system. Results show that both the proposed autoencoder based mapping diversity and the existing mapping diversity method in the literature attains significant improvements of 2dB and 3dB on average with respect to classical system in which no mapping diversity is applied. Also, it was found by simulation results that the performance of mapping diversity method in which autoencoder is used approaches the classical mapping diversity for different modulation types, a difference that changes by 0,4 dB and 0,6 dB on average. Finally, the MMSE channel estimation method is found to exhibit better performance than LS method for increasing SNR and Doppler frequency values. On the other hand, DL based channel estimation method is shown to have better performance than both MMSE and LS methods. Conclusion: Considering block error rate, while the autoencoder based QPSK system attains similar performance with classical system, autoencoder based 8-PSK and 16-QAM achieves better performance than classical system. Also, it was precipitated for different modulation types that while the proposed autoencoder based mapping diversity method has close performance with existing mapping diversity method in the literature, it exhibits better performance with respect to classical method with no mapping diversity. Finally, with the proposed DL based channel estimation method, the performances of both LS and MMSE channel estimation methods are improved.

Benzer Tezler

  1. Tez No

    831888

    The optimal value determination for energy gain of MME to ME coding in wireless sensor networks

    Kablosuz algılayıcı ağlarda MME'nin ME kodlamaya göre enerji kazancının optimal değerinin belirlenmesi

    HISHAM IDKEIDEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NÜKHET SAZAK

  2. Tez No

    859636

    Secure and coordinated beamforming in 5G and beyond systems using deep neural networks

    5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme

    UTKU ÖZMAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI

    DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL

  3. Tez No

    465436

    Next generation physical layer security framework for wireless communications

    Kablosuz iletişim için yeni nesil fiziksel katman güvenlik çerçevesi

    ÖZGE CEPHELİ

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜNEŞ ZEYNEP KARABULUT KURT

  4. Tez No

    609452

    Deep learning aided data detectionfor future wireless communication systems

    Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti

    MERVE TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  5. Tez No

    392765

    İşbirlikli kablosuz sistemler için ağ kodlamalı tekrar gönderim isteği yöntemleri

    Network coded automatic repeat request methods for cooperative wireless systems

    RAŞİT TUTGUN

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE AKTAŞ

Geri Dön