Yapay zeka temelli derin öğrenme yöntemi ile 5G uyumlu mikroşerit anten tasarım ve uygulaması
5G compatible microstrip antenna desing and application with artifical intelligence based deep learning method
- Tez No: 904110
- Danışmanlar: PROF. DR. YAKUP HAMEŞ, DOÇ. DR. MEHMET ALİ BELEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, 5G teknolojisinin gereksinimlerini karşılayacak yüksek performanslı anten tasarımlarını araştırmak amacıyla gerçekleştirilmiştir. Çalışmada, özellikle 5G antenlerinin önemi, kablosuz iletişimdeki uygulamaları ve bu antenlerin tasarımında karşılaşılan zorluklar ele alınmıştır. Bu kapsamda, mikrodalga antenlerinin temel özellikleri, mikroşerit antenlerin yapısal özellikleri ve farklı uygulamalardaki kullanım alanları detaylı bir şekilde incelenmiştir. Ayrıca, 5G uygulamaları için anten tasarımında yapay zeka (YZ) ve derin öğrenme (DÖ) tabanlı modelleme tekniklerinin gerekliliği vurgulanmıştır. Çalışmanın ikinci bölümünde, anten tasarımına dair temel kavramlar ve mikroşerit yama antenlerin avantajları ele alınmıştır Bu bölümde, üçgen şekilli mikroşerit yama anten ve yığılmış mikroşerit yama anten tasarımları üzerinde durulmuş, bu antenlerin yapısal özellikleri ve performans kriterleri ayrıntılı bir şekilde açıklanmıştır. Üçüncü bölümde, yapay zeka ve derin öğrenme tekniklerinin anten tasarımında nasıl kullanılabileceği incelenmiştir. Bu kapsamda, denetimli ve denetimsiz öğrenme algoritmalarının mikrodalga anten tasarımındaki kullanımları detaylandırılmıştır. Son bölümde ise, derin öğrenme tabanlı vekil modeller kullanılarak üçgen şekilli ve yığılmış mikroşerit yama antenlerin tasarım ve optimizasyon süreci ele alınmıştır. Üçgen şekilli mikroşerit yama anten tasarımında, derin öğrenme tabanlı regresyon modeli ile %4,8 RME değeri elde edilmiştir. Yığılmış mikroşerit yama anten tasarımında ise, CNN ve HBMO algoritmaları kullanılarak yüksek doğrulukta ve genelleme yeteneğine sahip bir vekil model geliştirilmiştir. Elde edilen sonuçlar, önerilen derin öğrenme tabanlı modellerin, 5G altı 6 GHz uygulamaları için anten tasarımında hesaplama verimliliği ve performans açısından üstün olduğunu göstermiştir.
Özet (Çeviri)
This study aims to explore high-performance antenna designs that meet the requirements of 5G technology. The research delves into the significance of 5G antennas, their applications in wireless communication, and the challenges encountered in their design. The necessity of incorporating artificial intelligence (AI) and deep learning (DL) based modeling techniques for antenna design in 5G applications is also emphasized. In the second section, key concepts related to antenna design are discussed, with a focus on the advantages of microstrip patch antennas. These antennas are highlighted for their ability to operate at high frequencies, small size, low cost, and ease of integration, making them ideal for a wide range of applications. The study specifically examines the designs of triangular-shaped microstrip patch antennas and stacked microstrip patch antennas, detailing their structural features and performance criteria. The third section explores how AI and deep learning techniques can be applied in antenna design. The historical development of AI, including contributions from Alan Turing and the concept of the Turing Test, is discussed. The progression from expert systems to modern deep learning methods is outlined, emphasizing the potential of machine learning and deep learning techniques to provide faster, more accurate, and optimized solutions in antenna design. The section also delves into the use of supervised and unsupervised learning algorithms in the design of microwave antennas. In the final section, the study focuses on the design and optimization of triangular-shaped and stacked microstrip patch antennas using deep learning-based surrogate models. For the triangular-shaped microstrip patch antenna, a deep learning-based regression model achieved an RME value of 4.8%. For the stacked microstrip patch antenna, a convolutional neural network (CNN) combined with Honey Bee Mating Optimization (HBMO) algorithms was employed to develop a highly accurate and generalizable surrogate model. The results demonstrate that the proposed deep learning-based models offer superior computational efficiency and performance for antenna design in sub-6 GHz 5G applications.
Benzer Tezler
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Derin pekiştirmeli öğrenme ile telekomünikasyon sahalarının önceliklendirilmesi
Prioritization of telecommunication sites with deep reinforcement learning
SADRETTİN ÇODUR
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK ERKAYMAN
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Uzaktan çok kaynaklı ölçümler yoluyla varlık verilerinin güvenilirliği
Uzaktan çok kaynakli ölçümler yoluyla varlik veri̇leri̇ni̇n güveni̇li̇rli̇ği̇
SALİHCAN KARAMAN
Yüksek Lisans
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- İnsansız hava araçları ile RSSI temelli derin pekiştirmeli öğrenme yöntemi ile kablosuz sinyal kaynağı lokasyonunun belirlenmesi
Localization of wireless signal sources using RSSI-based deep reinforcement learning on unmanned aerial vehicles
EŞREF ŞAMİL ZAMANOĞLU
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FURKAN KAMANLI