Uzaktan algılama amaçlı uyduların haberleşmesinde hüzme şekillendirme ve derin öğrenme tekniklerinin kullanımı
Beamforming and deep learning techniques for communication in remote sensing satellites
- Tez No: 961167
- Danışmanlar: PROF. DR. TANSU FİLİK, PROF. DR. ALPER ÇABUK
- Tez Türü: Doktora
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 186
Özet
Bu tez çalışmasında, Alçak Dünya Yörüngesindeki (Low Earth Orbit, LEO) Uzaktan Algılama (UA) uyduları tarafından elde edilen görüntülerin, yer istasyonlarına aktarımında karşılaşılan zaman ve kapsama sınırlılıklarını aşmak amacıyla, Konformal Faz Kontrollü Anten Dizisi (Conformal Phased Array Antenna, CPAA) tabanlı bir çözüm önerisi geliştirilmiştir. Bu kapsamda, LEO uydusundan Yere Senkron Yörüngedeki (Geo-Stationary Orbit, GSO) bir uyduya veri iletimini sağlayacak farklı konformal anten geometrileri için hüzme şekillendirme (beamforming) mekanizmalarının modellenmesi ve değerlendirilmesi gerçekleştirilmiştir. Tezde, hüzme şekillendirme ağırlıklarının hesaplanmasında derin İleri Beslemeli Sinir Ağları (Feedforward Neural Network, FFNN) kullanılmıştır. Geleneksel İkinci Dereceden Konik Programlama (Second-Order Cone Programming, SOCP) temelli optimizasyon yöntemleri ile karşılaştırıldığında, FFNN modelinin benzer doğrulukta fakat yaklaşık 1500 kat daha kısa sürede sonuç üretmesi, önerilen yöntemin özellikle gerçek zamanlı uygulamalarda etkinliğini ortaya koymuştur. Ayrıca, GSO uydu ile iletişimde kullanılan haberleşme sistemlerinin kazanç, güç ve girişim sınırlılıkları göz önünde bulundurularak, anten yönelimi ve girişim bastırma performansları detaylı biçimde değerlendirilmiştir. Tezde önerilen yöntem, uzaktan algılama görevlerinde kritik bölgelerden elde edilen verilerin gecikmesiz ve güvenli şekilde iletimine katkı sağlamakta, aynı zamanda derin öğrenmenin uzay tabanlı haberleşme sistemlerinde uygulanabilirliğine yönelik yeni bir perspektif sunmaktadır.
Özet (Çeviri)
In this dissertation, a Conformal Phased Array Antenna (CPAA)-based solution is proposed to overcome the temporal and coverage limitations encountered in the downlink of imagery acquired by Low Earth Orbit (LEO) Remote Sensing (RS) satellites to ground stations. Within this scope, beamforming mechanisms for different conformal antenna geometries were modeled and evaluated to enable data transmission from a LEO satellite to a Geosynchronous Orbit (GEO) satellite. For the computation of beamforming weights, deep Feed Forward Neural Networks (FFNNs) were employed. When compared with traditional Second-Order Cone Programming (SOCP)-based optimization techniques, the FFNN model achieved similar accuracy while reducing inference time by approximately 1500 times, demonstrating its potential for real-time applications. Additionally, the study presents a detailed evaluation of antenna steering and interference suppression performance by taking into account the gain, power, and interference constraints of communication systems used in GEO satellite links. The proposed method contributes to the timely and secure transmission of RS data from critical regions, while also offering a novel perspective on the applicability of deep learning in space-based communication systems.
Benzer Tezler
- Novel techniques of array antenna design for satellite communication
Uydu haberleşmesi için yeni dizi anten tasarım yöntemleri
JAVAD JANGI GOLEZANI
Doktora
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Bir haberleşme uydusunu yörüngeye yerleştirecek hibrid yakıtlı roket tasarımı
The design of a hybrid fuel rocket which can locate a communications satellite into the orbit
İLHAN TURCAN
Yüksek Lisans
Türkçe
2013
Astronomi ve Uzay BilimleriHava Harp Okulu KomutanlığıUzay Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM KOÇ
- A deep learning based framework for identification of ship types using optical satellite images
Optik uydu görüntüleri kullanarak gemi tiplerinin imliklendirilmesi için derin öğrenme tabanlı yöntem
SERDAR KIZILKAYA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Nesne tabanlı sınıflandırma yöntemlerinin karşılaştırılması
Comparison of object based classification methods
TOLGA KAYNAK
Yüksek Lisans
Türkçe
2017
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. COŞKUN ÖZKAN
- Dünya kaynaklarını inceleyen uydular özellikleri ve bu uydularla yapılan çalışmalar
Başlık çevirisi yok
ÖZLEM ÇEKİÇ