Machine learning applications in multiple ınput multiple output ındex modulation systems
Çok girişli çok çikişli indis modülasyonu sistemlerinde makine öğrenmesi uygulamalari
- Tez No: 974694
- Danışmanlar: PROF. DR. ERTUĞRUL BAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pratik uygulamalardaki zorluklara rağmen, çoklu giriş çoklu çıkış (multiple-input multiple-output, MIMO) sistemleri, uzamsal alanın kullanımının sağladığı geniş avantaj yelpazesi nedeniyle modern iletişim sistemlerinde yaygın olarak kullanılmaktadır. MIMO sistemlerinin performansını daha da iyileştirmek için, uzamsal alan indisleri kullanılarak indis modülasyonu (index modulation ,IM) uygulanır. IM, bilgiyi hem sembollerle hem de iletim anten indisleriyle ileterek MIMO sistemlerinde önemli iyileştirmeler sunabilir. Bu nedenle, kablosuz iletişimde son yıllarda öne çıkan bir araştırma konusudur. Ancak, MIMO-IM sistemlerinde yeni zorluklar ortaya çıkmaktadır. Örneğin, iletim şemasındaki artan karmaşıklık nedeniyle, alıcı karmaşıklığı ciddi bir pratik endişe kaynağıdır. Buna ek olarak, kötü kanal koşulları MIMO-IM sistemlerinde önemli performans düşüşüne neden olabilir. Son olarak, IM literatürü son yıllarda genişlemesine rağmen, pratik uygulamalar ve kullanım alanları aynı hızda ilerlememektedir. Bu tezde, bu zorluklara makine öğrenmesi tabanlı çözümler sunan sistem modelleri önerilmektedir. İlk olarak, alıcı karmaşıklığı ve algılama performansı arasında bir denge sağlamak için sinir ağı (neural network, NN) çıktılarını analitik algoritmalarla birleştiren, karesel permütasyon matris modülasyon (quadrature permutation matrix modulation, QPMM) sistemine hibrit bir alıcı öneriyoruz. Önerilen NN tabanlı dedektör, iyi bilinen maksimum olabilirlik (maximum likelihood, ML) dedektörü ve onun düşük karmaşıklıklı alternatifiyle karşılaştırılmaktadır. İkinci olarak, hareketli antenler (movable antennas, MAs) kullanan bir MIMO-IM sistem modeli sunulmaktadır. Bildiğimiz kadarıyla, bu çalışma, iletişim kalitesini iyileştirmek için MA'ları MIMO-IM sistemlerine entegre etme fikrini ilk kez ortaya koymaktadır. En iyi MA konumlarını seçmek için Öklid mesafesi tabanlı bir algoritma önerilmektedir. Ardından, pratik uygulamalara daha uygun olan düşük karmaşıklıkta bir algoritma sunulmaktadır. Son olarak, MA konumlarını optimize etmek için bir genetik algoritma (genetic algorithm, GA) modeli tartışılmaktadır. Son olarak, bir MIMO-IM sisteminin daha az hata oranına sahip indis bitleri aracılığıyla anlamsal olarak daha yoğun bitler ileterek anlamsal bilgi iletimini geliştiren bir anlamsal iletişim sistemi sunuyoruz. İletilen dizinin farklı bitlerindeki hatalara göre anlamsal bilgi kaybını karşılaştırıyoruz. Ayrıca, sunulan sistemin giriş veri türü görüntü olduğundan, literatürde yaygın olarak kullanılan tepe sinyal-gürültü oranı (peak signal-to-noise ratio, PSNR) ve yapısal benzerlik indeksi ölçüsü (structural similarity index measure, SSIM) gibi görüntü yeniden yapılandırma ölçütlerini de karşılaştırıyoruz.
Özet (Çeviri)
Despite the practical challenges, multiple-input multiple-output (MIMO) systems are broadly utilized in modern communication systems due to the wide range of advantages provided by the use of spatial domain. To further improve the performance of MIMO systems, index modulation (IM) is applied using the spatial domain indices. IM can offer significant improvements in MIMO systems by transmitting information both with symbols and transmit antenna indices. Therefore, it is an emerging research topic in wireless communication. However, new challenges are introduced in MIMO-IM systems. For instance, due to the increased complexity in the transmission scheme, the receiver complexity is a serious practical concern. Moreover, poor channel conditions can cause significant performance degradation in MIMO-IM systems. Finally, although the IM literature is expanded in the recent years, the practical applications and use cases are not advancing in the same pace. In this thesis, we propose system models that present machine learning-based solutions to these challenges. Firstly, we propose a hybrid receiver to the quadrature permutation matrix modulation (QPMM) system that combines neural network (NN) outputs with analytical algorithms to provide a trade-off between receiver complexity and detection performance. The proposed NN-based detector is compared with the well known maximum likelihood detector and its low-complexity alternative. Secondly, a MIMO-IM system model that utilizes movabel antennas (MAs) is presented. To the best of our knowledge, this is the study that introduces the idea of integrating MAs to the MIMO-IM systems to improve communication quality. An Euclidean distance-based algorithm is proposed to select the best MA positions. Then, a low-complexity greedy algorithm is presented for better practical implementations. Finally, a genetic algorithm (GA) model is discussed for optimizing the MA positions. Finally, we present a semantic communication system that enhances semantic information transmission by transmitting semantically more information-dense bits through robust index bits of a MIMO-IM system. We compare semantic information loss with respect to errors in different bits of the transmitted sequence. Moreover, since the input data type to the presented system is image, we compared the image reconstruction metrics that are broadly utilized in the literature as well, such as peak signal-to-noise ratio (PSNR) and structural similarity index measure (SSIM).
Benzer Tezler
- Yapay sinir ağları ve makine öğrenmesi ile otomobil satış tahmininin yapılması ve zaman serileri analizi ile karşılaştırılması
Forecasting automobile sales using artificial neural networks and machine learning and comparison with time series analysis
BEYZA KURTGERİ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- Multi-output regressions for estimating crop's biophysical parameters from polsar data
Ekın biyofiziksel parametrelerinin çok hedefli regresyon analizleri ile kestirimi
ZEHRA MELTEM ŞAHİN
Yüksek Lisans
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
DR. ÖĞR. ÜYESİ GÜLŞEN TAŞKIN KAYA
- Vehicular visible light communication channel modeling and performance analysis
Araç görünür ışık haberleşmesi kanal modellemesi ve performans analizleri
BUĞRA TURAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SİNEM ÇÖLERİ
- Termal görüntülere derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması
Application of deep learning based super resolution in thermal images
CANER CİVE
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Derin öğrenme tabanlı yöntemlerle düşük ışıklı görüntü iyileştirme
Low light image enhancement with deep learning based methods
EMİN CİHANGİR US
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU