MIMO haberleşme sistemlerinde sinyal algılama için derin katman açma yaklaşımının iyileştirilmesi
Improving deep unfolding approach for signal detection in MIMO communication systems
- Tez No: 919098
- Danışmanlar: DR. ÖĞR. ÜYESİ AYKUT KALAYCIOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 113
Özet
Son yıllarda, haberleşme sistemlerinin performansını artırmaya yönelik çalışmalar hız kazanmış, bu süreçte derin öğrenme (deep learning, DL) algoritmalarının uyarlanabilir yapısı ve karmaşık örüntüleri tanıma yeteneği ön plana çıkmıştır. Bu çalışmanın amacı, iletişim sistemlerindeki sinyal algılama algoritmalarının, artan kullanıcı yoğunluğu ve kanal karmaşıklığı gibi zorluklara karşı daha dirençli hale getirilmesidir. Kablosuz iletişim çok-giriş çok-çıkış (multiple-input multiple-output, MIMO) sistemlerinde sinyal algılama, özellikle yeni nesil haberleşme teknolojilerinin gereksinimlerini karşılamak amacıyla büyük önem taşımaktadır. Bu kapsamda, derin öğrenmenin iletişim sistemlerine entegrasyonu, daha verimli ve güvenilir sinyal algılama imkânı sunmaktadır. Bu tezde, literatürde derin öğrenmenin bir türü olan, derin katman açma (deep unfolding, DU) teknikleriyle geliştirilen MIMO sinyal algılama yapılarına yenilikçi bir katkı olarak Tikhonov düzenlileştirmesi eklenmiştir. Tikhonov düzenlileştirme matrisi, derin katman açma yöntemiyle katmanlar halinde yapılandırılmış ve bu sayede performans artışı sağlamıştır. Bu yaklaşım, hem elde edilen sonuçların doğruluğunu hem de tutarlılığını artırmıştır. Derin katman açma tekniği ile iletişim sistemlerindeki matematiksel modellerin avantajları derin öğrenmenin esnekliğiyle birleştirilirken, Tikhonov düzenlileştirmesi ile özellikle karmaşık kanallarda algılama performansının artırılması hedeflenmiştir. Çalışma boyunca, kablosuz ağ mimarilerine yönelik çeşitli MIMO konfigürasyonlarında geliştirilen çözümlerle, modern haberleşme sistemlerinin karşılaştığı bazı temel sorunların çözümüne katkı sağlanmış ve bu alandaki gereksinimlere yönelik önemli ilerlemeler kaydedilmiştir.
Özet (Çeviri)
In recent years, efforts to improve the performance of communication systems have accelerated, and in this process, the adaptive nature of deep learning (DL) algorithms and their ability to recognize complex patterns have come to the forefront. The aim of this work is to make signal detection algorithms in communication systems more resilient to challenges such as increasing user density and channel complexity. Signal detection in wireless communication multiple-input multiple-output (MIMO) systems is of great importance, especially to meet the requirements of next generation communication technologies. In this context, the integration of deep learning into communication systems offers more efficient and reliable signal detection. In this thesis, Tikhonov regularization is added as an innovative contribution to the MIMO signal detection structures developed with deep unfolding (DU) techniques, which is a type of deep learning in the literature. The Tikhonov regularization matrix is structured in layers using deep unfolding, which improves performance. This approach improved both the accuracy and consistency of the results obtained. The deep unfolding technique combines the advantages of mathematical models in communication systems with the flexibility of deep learning, while Tikhonov regularization aims to improve detection performance, especially in complex channels. Throughout the study, solutions developed in various MIMO configurations for wireless network architectures have contributed to solving some of the fundamental problems faced by modern communication systems and made significant progress in addressing the requirements in this field.
Benzer Tezler
- Energy efficiency and security of rıs-aided communication networks
Ris-tabanli haberleşme ağlarinda enerji verimliliği ve güvenlik
HAKAN ALAKOCA
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Channel estimation for spatial media-based modulation
Uzaysal ortam-tabanlı modülasyon için kanal kestirimi
AKİF KABACI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Efficient signal processing techniques for ısac with mono and multistatic MIMO radar architectures
Mono ve multistatik mimo radar mimarileriyle isac için verimli sinyal işleme teknikleri
UĞUR BERKAY SARAÇ
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- Design and performance analysis of relay-based cooperative overlay cognitive radio networks
Röle tabanlı işbirlikli üstüne serme bilişsel radyo ağlarının tasarımı ve başarım analizi
SAID ABDELMONEIM ABDELWAHAB EMAM
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Prof. Dr. MEHMET ERTUĞRUL ÇELEBİ
- Design, simulation, and fabrication of a circularly polarized MIMO antenna with improved isolation
Geliştirilmiş izolasyona sahip dairesel polarize MIMO anteninin tasarımı, simülasyonu ve üretimi
VALA TASHVIGH
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL