Anten dizisinde hüzme şekillendirmenin incelenmesi
Investigation of beamforming in antenna arrays
- Tez No: 970898
- Danışmanlar: PROF. DR. ERKAN AFACAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Algoritma modelleme, Mikroşerit antenler, Veri modelleme, Algorithm modelling, Microstrip antennas, Data modelling
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde, savunma, uzay ve diğer endüstriyel alanlarda kablosuz iletişim uygulamaları sayısı ve bu uygulamalardaki çeşitlilik artmakta, çok farklı gereksinimler ortaya çıkmaktadır. Bu gereksinimleri karşılamak için, kablosuz haberleşme sistemleri yaygın olarak kullanılmakta olup, bu sistemlerde antenler kritik bir bileşen olarak hizmet vermektedir. Etkili anten yapılarını tasarlamak, çeşitli gelişmiş teknikler gerektirir; çünkü bu antenler belirli kullanım hedeflerini karşılamak üzere optimize edilmektedir. Bu tasarımlarda karmaşık optimizasyon talepleri ve birden fazla giriş parametresine duyulan ihtiyaç, çeşitli optimizasyon tekniklerinin keşfedilmesini ve uygulanmasını gerektirmektedir. Bu amaçla, genetik algoritma tarafından üretilen bir veri seti üzerinde eğitilen bir derin öğrenme modeli geliştirilmiştir. Başlangıçta, bir anten dizisi popülasyonu rasgele oluşturularak genetik algoritma ile optimize edilir. Bu model tarafından üretilen optimize edilmiş veri seti daha sonra derin öğrenme uygulamasında eğitim için kullanılır. Bu derin öğrenme tabanlı yaklaşımla, anten dizisinin boyutları ve özellikleri hassas bir şekilde elde edilir ve optimize edilmiş bir tasarım sürecine katkıda bulunur. Önerilen yöntem, hem genetik algoritma hem de derin öğrenme tekniklerini kullanan yeni bir mikroşerit anten dizisi yapısı sunar. Dolph-Tschebyscheff ağırlıkları bu diziye uygulanarak, mikroşerit anten dizisinin özelliklerini iyileştirerek düşük yan kulakçık seviyelerine ulaşır. Bu düşük yan kulakçıklar, yüksek performanslı uygulamalarda kritik olan sinyal netliğini iyileştirmek ve istenmeyen sinyalleri en aza indirmek için gereklidir. Sonuçlar, önerilen genetik algoritma ve derin öğrenme algoritmasının anten dizisi özelliklerini önemli ölçüde iyileştirdiğini ve derin öğrenmeyi geleneksel optimizasyon algoritmalarıyla entegre etmenin etkinliğini vurguladığını göstermektedir. Önerilen model, gelişmiş anten tasarımında derin öğrenmeyi genetik algoritmalar gibi geleneksel optimizasyon yöntemleriyle birleştirmenin potansiyelini göstermektedir ve yüksek gereksinimleri olan uygulamalarda daha hassas ve verimli anten sistemleri üretimini sağlamaktadır.
Özet (Çeviri)
Nowadays, the number of wireless communication applications and the diversity in these applications in defense, space and other industrial areas are increasing, and very different requirements arise. To meet these requirements, wireless communication systems are widely used and antennas serve as a critical component in these systems. Designing effective antenna structures requires various advanced techniques, because these antennas are optimized to meet specific usage targets. The complex optimization demands and the need for multiple input parameters in these designs necessitate the discovery and implementation of various optimization techniques. For this purpose, a deep learning model trained on a dataset generated by a genetic algorithm is developed. Initially, an antenna array population is randomly generated and optimized by a genetic algorithm. The optimized dataset generated by this model is then used for training in a deep learning application. With this deep learning-based approach, the dimensions and features of the antenna array are precisely obtained and contribute to an optimized design process. The proposed method presents a new microstrip antenna array structure that uses both genetic algorithm and deep learning techniques. By applying Dolph-Tschebyscheff weights to this array, the microstrip antenna array properties are improved, achieving low sidelobe levels. These low sidelobes are necessary to improve signal clarity and minimize interference, which is critical in high-performance applications. The results show that the proposed genetic algorithm and deep learning algorithm significantly improve the antenna array properties and highlight the effectiveness of integrating deep learning with traditional optimization algorithms. The proposed model demonstrates the potential of combining deep learning with traditional optimization methods such as genetic algorithms in advanced antenna design, enabling the production of more precise and efficient antenna systems in high-demand applications.
Benzer Tezler
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN
- Sonbahar sera yetiştiriciliğine uygun hıyar çeşit seçimi
Selecting a cucumber variety suitable for glasshouse production in Autumn
MESUT OKTAY
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
- Traditional vernacular houses in Anatolia: The question of evaluative criteria
Anadolu geleneksel yöresel konut mimarlığında değerlendirme ölçütleri sorunu
OKAN ÜSTÜNKÖK
- Acenaphthene uygulaması ile tütün dihapladlerinin elde edilmesi üzerinde bir araştırma
Başlık çevirisi yok
SERVET KEFİ
