Geliştirilmiş noma ve OQAM modülasyonlu 5G ağları için aı destekli sınr tahmini
Ai driven sinr prediction for enhanced noma and OQAM modulated 5G networks
- Tez No: 933815
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİN NACAKLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Bu tezin odak noktası, Non-Orthogonal Multiple Access (NOMA) ve Offset Quadrature Amplitude Modulation (OQAM) teknolojilerini kullanarak 5G sinyal kalitesini iyileştirmek ve çeşitli makine öğrenimi modelleri kullanarak yapay zeka destekli SINR tahminleri yapmaktır. Karmaşık 5G iletişim senaryolarında en önemli zorluklar, spektral verimlilik, girişim yönetimi ve tüm sistemin performansıdır. Bu araştırma, burada bir referans noktası olarak tanımlanan ve ortogonal çoklu erişim (OMA) olarak bilinen bir temel modelin kavramsallaştırılmasından başlamaktadır. Bu, NOMA ve OQAM teknikleri ile entegre edilmiş bazı ileri düzey modeller geliştirmemize ve bunları ayrı ayrı test edip değerlendirmemize ilham vermiştir. Ardından, veri güvenilirliğini artırmak için sinyal-girişim-artı-gürültü oranını (SINR) maksimize etmek amacıyla NOMA ve OQAM'ı entegre eden önerilen hibrit bir model geliştirilmiştir. Yapay zeka (YZ) modellerinin, örneğin sinir ağlarının, SINR tahminleri yapmak için kullanıldığı farklı yöntemler, kanal koşullarındaki büyük değişimlere rağmen yüksek performans sağlamayı amaçlamıştır. Sonuçlar, hibrit NOMA-OQAM yaklaşımının, SINR ve genel sistem performansı açısından geleneksel ve bağımsız yöntemlere kıyasla üstün olduğunu göstermektedir. Ayrıca, sonuçlar, bir sonraki nesil kablosuz ağların gereksinimlerini karşılamak için uyumlu, akıllı stratejiler geliştirilmesinde YZ tekniklerinin kullanılmasının önemini vurgulamaktadır. Temel yöntemler ile son teknoloji yöntemlerin detaylı karşılaştırılmasıyla bu tez, 5G ve ötesi için YZ destekli SINR tahmin ve iyileştirme çalışmalarında gelecekteki keşifler için bir temel oluşturmaktadır.
Özet (Çeviri)
The focus of this thesis is to improve 5G signal quality by using Non-Orthogonal Multiple Access (NOMA) and Offset Quadrature Amplitude Modulation (OQAM) technologies and making AI-driven SINR prediction using various machine learning models. In complex 5G communication scenarios, the most pressing challenges are spectral efficiency, interference management, and the performance of the entire system. This research starts from the conceptualization of a baseline model, which is defined here as Orthogonal Multiple Access (OMA) and serves as a benchmark. This motivated us to develop some advanced models integrated with NOMA and OQAM technologies, which were tested and evaluated separately. This was followed by a proposed hybrid model that incorporated NOMA and OQAM to maximize the signal-to-interference-plus-noise ratio (SINR) for data reliability. Different schemes of artificial intelligence (AI) models, such as neural networks, were used to make SINR predictions, ensuring high performance despite substantial variations in channel conditions. The results show that the hybrid NOMA-OQAM approach outperforms conventional and standalone methods in terms of SINR and overall system performance. Furthermore, the results emphasize the need to use AI techniques to drive the development of adaptive, intelligent strategies to satisfy the requirements of next-generation wireless networks. With its thorough juxtaposition of baseline versus state-of-the-art methodologies, this thesis also lays the groundwork for future explorations in AI-augmented SINR prediction and enhancement for 5G and beyond.
Benzer Tezler
- Haberleşme ağlarında MIMO NOMA çoklu erişim için değişken gönderici-alıcı anten seçimi
Variable transmitter-receiver antenna selection for MIMO NOMA in wireless networks
BİRCAN DEMİRAL
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ERTUĞ
- Efficient multi-access techniques for 5G and beyond networks
5G ve ötesi ağlar için verimli çoklu erişim teknikleri
SHAIMA' SAMIH SALEEM ABIDRABBU
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. HÜSEYİN ARSLAN
- 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
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Age aware power allocation for energy-efficient wireless networksusing RSMA
RSMA kullanan enerji-verimli kablosuz ağlar için bilgi yaşına duyarlı güç tahsisi
SELİN AKYÜREK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EZHAN KARAŞAN