LEE- Uydu Haberleşme ve Uzaktan Algılama-Yüksek Lisans

Bu koleksiyon için kalıcı URI

http://hdl.handle.net/11527/19487

Gözat

Şimdi gösteriliyor 1 - 5 / 21

GSM ve 5G uygulamaları için çift bantlı çift kutuplanmalı anten tasarımı

(İTÜ Lisansüstü Eğitim Enstitüsü, 2025-06-18) Ersöz, Mehmet Sami ; Karaçuha, Kamil ; 705151029 ; Uydu Haberleşmesi ve Uzaktan Algılama

Bu tezde, kablosuz iletişim sistemleri için yenilikçi çift besleme kapılı, çift bantlı, çift kutuplanmalı, paylaşımlı-açıklık yapısında, açıklıkla-bağlaşımlı ve süzgeçleme besleme yöntemiyle beslenen bir anten tasarımı incelenmiş, benzetimi yapılmış, üretilmiş ve ölçülmüştür. Çift bantlı bir anten, çift bant çalışmasıyla tek bir cihazda birden fazla iletişim ölçününü destekleyerek iki ayrı frekans bandında etkili bir şekilde çalışabilir. Örneğin, çift bantlı bir anten, uzun menzilli ve düşük hızlı iletişim için düşük frekans bandını kullanabilir ve aynı zamanda ortamda çok fazla gürültü olduğunda veya yoğun ağ kullanımı olan alanlarda yüksek hızlı veri iletimi için yüksek frekans bandını kullanabilir. Anten performansı, çift kutuplanma işlevselliğiyle iki dikgen kutuplanmayı destekleyerek daha da artırılır. Çift kutuplanma özelliği, kanal kapasitesini artırdığı ve çok yollu ortamda sinyal sağlamlığını iyileştirdiği için çağcıl iletişim sistemleri için önemlidir. Bu, sinyalin zayıflamasını ve gürültü yoluyla bozulmasını azaltır ve böylece kutuplanma çeşitliliğiyle daha güvenilir iletişim sağlar. Örneğin, farklı veri akışlarını iletmek ve almak için hem dikey hem de yatay kutuplanma aynı anda kullanılabilir. Böylece sistemin kapasitesi artar. Özellikle 5G gibi gelişmiş iletişim teknolojilerinin temel taşı olan Çoklu Giriş Çoklu Çıkış (MIMO) sistemlerinde büyük bir avantaj sağlar. Paylaşımlı-açıklık yapısında bir anten, birkaç anten elemanı veya işlevi içeren tek bir fiziksel açıklığa karşılık gelir ve genellikle çok bantlı ve/veya çok kutuplanmalı çalışma için kullanılır. Paylaşımlı-açıklık yapısına sahip antenlerde, ışıma elemanları genellikle aynı açıklıktan çok bantlı ve/veya çift kutuplanmalı çalışma sunmak için birlikte veya iç içe yerleştirilir. Örneğin, çift bantlı bir yapılandırmada, tek bir büyük radyasyon elemanı üst katmana yerleştirilerek düşük frekans bandında ışıma yaparken, yüksek frekans bantlarını kapsayan altta daha küçük iç içe geçmiş elemanlar yer alabilir. Bu toplu sistem, farklı frekans bandı veya kutuplanma için ayrı açıklıklara sahip bireysel elemanlara kıyasla daha küçük hacme ve ağırlığa sahiptir. Bu teknik, uydu sistemleri, faz dizileri ve 5G kablosuz iletişim ağları gibi alanın sınırlı olduğu senaryolarda yaygın olarak kullanılır. Öte yandan, paylaşımlı-açıklık yaklaşımının bazı zorlukları arasında farklı bant elemanları veya uygun kutuplanmalar arasındaki karşılıklı bağlaşım yalıtımının yönetimi ve yüzey dalgası girişimi gibi diğer sorunlar yer alır. Bu sorunları azaltmak için, gelişmiş süzgeçleme mekanizmaları olarak çalışan FSS (Frekans Seçici Yüzeyler), dik besleme ağları ve SLR (Saplama Yüklü Rezonatörler) gibi diğer özellikler, bu tür tasarımlarda sistem başarımını ve tayfsal saflığı iyileştirmek için sıklıkla dahil edilirler. Bu tez kapsamında kullanılan teknik ise saplama yüklü rezonatörlerdir. Açıklık-bağlaşımlı antenler mikro şerit antenler gibi düzlemsel antenler için, ışıma elemanının (genellikle bir yama) toprak düzlemine kazınmış bir bağlaşım açıklığı veya yarığından beslendiği belirli bir besleme mekanizmasıdır. Bu sayede empedans uyumu, yüksek kutuplanma saflığı ve azaltılmış sahte radyasyon elde edilebilir. Açıklık-bağlaşımlı besleme yönteminde, besleme hattı; genellikle bir mikro şerit veya şerit hat, toprak düzleminin altındaki bir alt tabaka katmanına yerleştirilir. Genellikle dikdörtgen, dairesel veya H şeklinde bir yuva biçiminde olan bağlaşım açıklığı (yarık); besleme hattından gelen enerjinin üst alt tabaka katmanında ışıma yamasını indüklemesine izin vermek için toprak düzlemine kazınır. Bu dolaylı bağlantı mekanizmasının, toprak düzleminin besleme ağını ışıma elemanından fiziksel olarak ayırması ve bu sayede besleme hattı radyasyonunun etkisini etkili bir şekilde azaltması ve gürültüyü en aza indirmesi gibi çeşitli üstünlükleri vardır. Ayrıca, bant genişliği ve ışıma örüntüsü, bağlaşım açıklığının şekli, boyutu ve konumu değiştirilerek uyarlanabildiğinden önemli bir tasarım esnekliği sağlar. Açıklık-bağlaşımlı tasarımlar ayrıca çok katmanlı yapılandırmaları destekler ve süzgeçler, güç bölücüler veya çoklu ışıma yamaları gibi bileşenlerin sorunsuz bir şekilde entegre edilmesine olanak tanır. Bu da onları gelişmiş anten sistemleri için çok kullanışlı hale getirir. Ancak, çok katmanlı yapıdan oluştukları ve çok hassas hizalama gerektirdikleri için, açıklık bağlaşımlı tasarımların üretimi daha karmaşık olabilir. Sistem, açıklık yarığından gelen geri ışımadan da etkilenebilir. Performansını iyileştirmek için kovuk destekli yapılar veya emici malzeme gerekebilir. Süzgeçleme antenleri, ışıma ve frekans seçici yeteneklerini tek bir yapıda birleştirerek harici süzgeçlere olan ihtiyacı ortadan kaldıran anten tasarımlarıdır. Kutupları ve sıfırları transfer fonksiyonlarına dahil ederek, saplama yüklemeli rezonatörler (SLR), kusurlu toprak yapıları (DGS) veya tamamlayıcı bölünmüş halka rezonatörleri (CSRR) gibi rezonans yapıları, dahili frekans seçiciliğine sahiptir. Kutuplar, geçiş bandı frekanslarını belirler ve sıfırlar, yüksek tayfsal saflığa ve mükemmel düşüşe yol açan keskin bant dışı bastırma miktarını belirler. SLR'ler, istenen bant genişliği üzerinde daha yüksek dereceli süzgeçleme özelliklerini ve iyileştirilmiş empedans dönüşümünü sağlayarak çift modlu işlemler için yaygın olarak kullanılır. Ancak, rezonatör yapılarının ve bağlaşım katsayılarının optimizasyonu yoluyla frekans tepkisinin hassas bir şekilde kontrol edilmesi gerekir ve bu da bir tasarım ve üretim sorunu haline gelebilir. Bununla birlikte, süzgeçleme antenleri, modern iletişim sistemlerinde toplu, verimli ve frekans seçici tasarımlar için bir atılımı temsil eder. Bu tasarım, kablosuz iletişim sistemlerinde iyi bağlantı, hızlı veri iletişimi ve görünge verimliliği gibi günümüz gereksinimlerini karşılamak için geliştirilmiştir. Tez çalışması kapsamında anten tasarımı ve benzetimine geçmeden önce, antenler ve anten tipleri kavramsal olarak incelenmiştir. Temel mikroşerit yama antenleri çalışılmıştır. Anten parametreleri ve anteni incelemek için kullanılan temel analiz yöntemleri araştırılmıştır. Benzer makaleler ve literatür dikkatlice taranmıştır. Temel mikroşerit yama antenleri üzerinde elektromagnetik benzetim araçları yardımıyla parametrik deneyler gerçekleştirilmiş ve böylece antenin geometrik yapısının benzetim sonuçlarına etkisi incelenmiştir. Bu tezin konusu olan 1.8 GHz (GSM) ve 3.6 GHz (5G) bantlarında çalışan anten tasarımına geçmeden önce, 5 GHz ve 10 GHz frekanslarında çalışan kare ve kare halka şeklindeki bir anten tasarımı ilk adım olarak çalışılmıştır. Bu tasarım benzetim programında uygulanmıştır. Böylece, açıklıkla bağlaşımlı besleme yönteminin ve besleme hattına eklenen rezonatörlerin etkisi tetkik edilmiştir. Bu antenden esinlenilerek, antenin geometrik yapısı daha sonra kare ve kare halkalardan; daire ve halka yapısına dönüştürülmüştür. Bu geçiş sırasında sadece geometrik yapı değiştirilmiş, ancak çalışma frekansları 5 GHz ve 10 GHz'de sabit tutulmuştur. Yani ikinci aşamadan sonra, 5 GHz ve 10 GHz'de çalışan kare anten yapısından, aynı frekanslarda çalışan daire ve halka anten yapısına geçiş yapılmıştır. Bu geçiş sırasında, antenin yansıma katsayıları ve kazanç değerleri gibi doğal olarak bozulan parametreleri yoğun, özverili ve yinelemeli çalışmalarla tekrar iyileştirilmiştir. Üçüncü aşamada, 5 GHz ve 10 GHz frekanslarında yayın yapan bu daire ve halka anten, gerekli geometrik düzenlemeler yapılarak, bu tezin konusu olan 1.8 GHz ve 3.6 GHz frekanslarında çalışan hale getirilmiştir. Bu anten, GSM tabanlı mobil iletişim sistemleri ve 5G kablosuz iletişim ağları için sırasıyla 1.8 GHz ve 3.6 GHz frekans bantlarında ışıma yapar. Toplamda üç katmandan oluşan antenin en alt katmanında bir besleme ağı bulunur. Bu yapının çalışma frekansları dışındaki frekansları bastırması, buraya yerleştirilen ve uygun tınlaşım frekanslarına göre boyutlandırılan saplama yüklemeli rezonatörler (SLR) vasıtasıyla sağlanır. Köpük tabakası antenin ortasında yer alır, üst ve alt katmanları birbirinden ayırır ve hem antenin mekanik kararlılığını hem de ışıma verimliliğini artırmaya yarar. Antenin alt katmanındaki besleme devresinden üst katmandaki ışıma elemanlarına güç aktarımı, her iki frekans bandında dikey ve yatay kutuplanma sağlamak ve çapraz kutuplanmayı en aza indirmek için birbirine dik olarak yerleştirilen yarıklar vasıtasıyla açıklık-bağlaşımlı besleme yöntemi kullanılarak yapılır. Bu yöntem sayesinde antenin yalıtımı artırılırken, girişim azaltılır ve antenin performansı artırılır. Antenin simülasyon sonuçlarına göre, geri yansıma katsayısı (|S11|) 1.8 GHz için -15 dB ve 3.6 GHz için -29 dB olarak bulunmuştur. Dolayısıyla, antenin bu değerlerle her iki frekansta da başarılı bir empedans uyumu sağladığı gösterilmiştir. İletim katsayıları (|S21| ve |S12|) sırasıyla -11 dB ve -11 dB civarında olup, antenin kazanç ve yönelim değerlerinin her iki frekans bandında da oldukça iyi olduğu benzetim sonuçlarında ortaya konmaktadır.
Explainable deep learning classification of tree species with very high resolution VHRTreeSpecies dataset

(Graduate School, 2025-01-24) Topgül, Şule Nur ; Sertel, Elif ; 705211017 ; Satellite Communication and Remote Sensing

Forests are among the most vital natural resources, playing a significant role in regulating the climate, maintaining ecological balance, and supporting biodiversity conservation and sustainable forest management. Additionally, they contribute to various applications, such as hazard management and wildlife habitat mapping. Understanding the spatial and temporal distribution of forests and forest stand types is a prerequisite for gaining deeper insights into their role within the Earth's systems. In this context, remote sensing data is widely utilized for forest stand type classification. However, traditional classification methods are often time-consuming and typically limited to specific areas and species, which significantly restricts their applicability to different regions and diverse tree species. With the increasing availability of high-resolution satellite imagery, deep learning methods have emerged as a powerful tool for forest management and tree species classification, offering enhanced efficiency and broader applicability compared to conventional approaches. Remote sensing (RS) applications, which serve as an essential spatial data source in forestry practices, have emerged as an effective solution for field studies due to their cost-efficiency and rapid data acquisition capabilities. Remote sensing systems provide valuable spatial, temporal, and spectral resolution data to cover forest areas at the required scale and within the necessary temporal intervals for data collection. High-resolution remote sensing data are frequently preferred for deriving detailed tree-level information, particularly for tasks such as individual tree detection or damage assessment necessary for maintaining tree health. Satellite systems such as Sentinel-2 and Landsat are frequently preferred due to their open-access nature, which allows for the collection of data across broad spectral bands and the provision of continuous data access. Nevertheless, the spatial resolution limitations of these satellites may render them inadequate for particular applications. Tree species with varying structural and morphological characteristics exhibit distinct spectral properties. Trees within the same environment but at varying developmental stages or health conditions can display significant differences in their spectral characteristics. In this regard, the application of remote sensing data is essential for achieving precise and reliable classification of tree species. Over the past decade, considerable progress has been made in the identification of tree species, encompassing a spectrum of approaches from fundamental image processing techniques to sophisticated machine learning (ML) and deep learning (DL) methodologies. Nevertheless, traditional classification algorithms, such as Random Forest (RF) and Support Vector Machines (SVM), have shown limited effectiveness in identifying tree canopies within dense and complex backgrounds. However, the time-consuming nature of traditional methods and their typical application to only specific areas and tree species substantially constrain the usability of these models across different regions and diverse species. Conversely, with the increasing availability of high-resolution satellite imagery, deep learning methods have emerged as powerful tools in forest management and tree species classification. DL-based models possess the potential to accurately extract more intricate information structures. Nevertheless, the effective application of these models generally requires a larger number of reference data samples to enable sufficient learning of the model parameters. As part of this thesis, a new benchmark dataset for forest stand type classification, called VHRTreeSpecies, is introduced. This comprehensive dataset includes very high-resolution RGB satellite imagery of 15 dominant tree species from various forest ecosystems across Turkey. The input images and their corresponding labels were generated using Google Earth imagery and forest stand maps provided by the General Directorate of Forestry (GDF). The dataset was curated by selecting pure species and masking raster images using vector data. High-quality images captured during the summer months (late July to mid-August) from the past five years were prioritized. The dataset was further diversified to represent different forest stand development stages (youth, sapling, thin, medium, and mature trees) and canopy closure levels (open, moderately closed, fully closed). The dataset was analyzed using various CNN architectures, including ResNet-50, ResNet-101, VGG16, VGG19, ResNeXt-50, EfficientNet, and ConvNeXt. Additionally, explainable artificial intelligence (XAI) methods, such as Occlusion, Integrated Gradients and Grad-CAM, were applied to examine the decision-making processes of the models. Evaluation metrics, including Max-Sensitivity and AUC-MoRF, were employed to comprehensively assess model performance not only in terms of classification accuracy but also in terms of the interpretability and reliability of their decision-making mechanisms.
Design of miniaturized beam scanning microstrip antenna with isolated ports and review of antenna miniaturization technics

(Graduate School, 2024-07-07) Soltani, Ferinoosh ; Karaçuha, Kamil ; 705181027 ; Satellite Communication and Remote Sensing

In this study, the first chapter explains the working models of patch antennas in simple language: the transmission line model, which provides a very good convergence method for determining the antenna dimensions and understanding the fringing effect. The cavity model helps us understand how the patch antennas radiate and which mechanisms affect the radiation pattern. In addition, antenna parameters are explained with examples and figures. The second part identifies and describes antenna miniaturization methods in the literature. The importance of miniaturization today is mentioned in the chapter. The miniaturization methods in the literature are examined and compared to each other. In addition, a rectangular patch antenna was designed to demonstrate miniaturization methods. Applying the described methods on this reference antenna evaluates the pros and cons of the methods. At the same time, to show that the methods can be combined, designs where the methods are used together are also realized. All the designs and methods applied in the chapter are evaluated at the end of the chapter. The third chapter found an antenna that can perform beam scanning using odd and even modes on the patch antenna found in the literature. Miniaturization was performed on this antenna, which has a structure consisting of a combination of two miniaturized antennas, and the isolation problem between the ports of the design was applied to the antenna in our hand by using another work in the literature. In the first step, a substrate with a higher dielectric coefficient was used for miniaturization, and the antenna structure was miniaturized by adding slots to the patch. At the same time, in the next steps, the design is modified to use an aperture-coupled feeding method as it offers a better solution for isolation. A reflector is added to the design to suppress the back-lobe radiation resulting from the modified design. Then, isolation between the ports was achieved using the Y parameters, as described in detail in the thesis. The proposed design is manufactured for validation, and the isolation method is confirmed via the measurement of S parameters with simulation. The thesis encompasses a comprehensive overview of patch antennas, delving into their fundamental principles while emphasizing the miniaturization of antenna designs. Notably, the research addresses and rectifies existing design limitations found in the literature through the process of miniaturization. On the other hand, at the design steps, the antenna is miniaturized using these methods and port isolation provided by the designed decoupling feeding network. The isolation steps are described in detail, explained with a literature review, and applied the antenna. As a result of these afford the beam scanning miniaturized antenna with isolated ports is obtained.
Satellite images super resolution using generative adversarial networks

(Graduate School, 2022) Serdar, Maryam ; Kayran, Ahmet Hamdi ; 717024 ; Satellite Communication And Remote Sensing Programme

The general broad definition of remote sensing is to observe an object and collect data regarding this object without actual contact. From a narrower perspective, it is the science that studies the earth and its atmosphere by gathering data from above the earth. Nowadays earth observation systems with their various sensors in multiple bands produce a huge amount of data that need to be processed and analyzed to get a final product in a certain discipline. Applications like monitoring the water resources, forest fire monitoring, soil type classifications are examples of remote sensing use in different fields of our modern life. Satellite imagery plays a pivotal role in remote sensing .they can be acquired by various types of sensors some of which are passive like optical sensors and some whıch are active like LIDAR and SAR. This study focuses on the satellite images in the visible portion of the spectrum. This type of satellite imagery can vary in resolution whether this resolution is spatial, spectral, temporal, or radiometric. The satellite imagery also can be categorized according to its spatial resolution into low, medium, and high-resolution images and each of them can be deployed in certain applications. Preprocessing these images is a critical stage that would affect the final product or the application that uses these images. High resolution is a desirable characteristic, yet it can be difficult to achieve financially and technically. However, image processing can offer a convenient software solution to this problem by super-resolution techniques. Hence, the importance of superresolution which is one of the preprocessing tasks that obtains high-resolution images is considered fundamental in lots of remote sensing applications. Super-resolution aims to obtain high-resolution images using low-resolution observation. Super-resolution is considered a classical image processing problem that is ill-posed due to the lack of a single unique solution. Thus, lots of algorithms and approaches were proposed over the years. This study gives a general review of the main significant types of super-resolution algorithms which can be divided into interpolation-based, reconstruction-based, and learning-based algorithms. The simplest methods are interpolation-based ones, nevertheless, the results lack high-frequency details. The second type is reconstruction-based methods which require a good prior choice to get better results. designing a good prior can be complex These methods can be complicated. The third category is example-based or learn-based methods which include learning the relationship between the low resolution and high-resolution images by exploiting datasets to learn from. Algorithms like sparse coding super-resolution and deep learning methods are learning-based methods. Super-resolution methods performance is usually evaluated by many metrics such as, peak signal to noise ratio PSNR, which is based on mean squared error, a pixel-wise metric thus, can be misleading, structural similarity index SSIM which is considered more accurate as it considers the structure of the image instead of the individual pixel value. Deep learning, which deploys deep neural networks in its algorithms, is a branch of machine learning which is, in turn, a subfield of artificial intelligence. It is widely used in image processing and computer vision problems, especially after the emergence of convolutional neural networks CNNs. Deep learning models structures in image processing problems usually share common building blocks like CNNs. The default CNN consists of a convolutional layer followed by an activation layer to ensure nonlinearity, hence learning, which is followed by a pooling layer. The backpropagation is used to adjust weights at the end of every epoch of training. The fourth chapter of this thesis elaborates the super-resolution algorithms which were proposed to deal with super-resolution problems that present the state-of-the-art performance compared to the other methods. SRCNN was the first suggested model to deal with super-resolution. It is considered as the benchmark of super-resolution using deep learning. This model was followed by the FSRCNN which tried to overcome the backward of the previous model by using the low-resolution image as an input without upscaling and performed the upscaling later by using deconvolution layer. Very Deep Super Resolution model which mainly consists of deep VGG layers to get better results. Then there was the enhanced deep super-resolution model EDSR that exploited the concept of the residual blocks to be able to increase the depth of the network without getting slower training. SRResNet and SRGAN were proposed in the same paper to give a better performance in image super-resolution. SRResNet deployed the residual blocks in its structure in addition to conv layers and uses the mean squared error dased loss or VGG content loss to optimize. The generative model of generative adversarial neural networks consists of two network models that learn together, the generator aims to learn to generate the required data with the help of a discriminator that tries to differentiate between fake data generated by the generator and ground truth. This approach of training in an adversarial manner presents a state of the art performance in several tasks, It was also used in the super-resolution task by what is called as SRGANs super-resolution networks. In addition to the adversarial structure of this model, another factor that improved its performance is the perceptual loss that was used in optimizing the model. Mentioning all of these deep learning super-resolution algorithms, the next chapter gives a general overview of the use of deep learning in remote sensing. This use is expanding with the increased amount of remote sensing data and its quality and with the development of deep learning algorithms and computational abilitıes. From the preprocessing of the remote sensing data, like image fusion, segmentation, and denoising, to other many applications such as anomaly detection, land use classification, and other classification tasks, deep learning is being deployed in remote sensing. The experiment that is done in this thesis is to examine the performance of super-resolution generative adversarial neural networks on the satellite images and ıts abıltıy of generalization when it is trained with the irrelevant dataset. By training an SRGAN model using the UC-MERCED Land Use dataset which consists of 21 classes each class contains 100 images of size 256x256 these images are used as high-resolution images and downsized versions of them with factor x4 are used as low-resolution images. After training, the model was tested with random images from the NWPU-RESISC45 dataset. In order to examine the ability of generalization of the model, the same architecture was trained using a natural images dataset which is Linnaeus 5 256X256 which consists of 5 classes of 256x256 sized images in the same way as the previous training. testing was done with random images from the NWPU-RESISC45 dataset. In addition, the SRResNet model that uses the mean square error-based optimization was trained to compare it with the performance of the previous generative SRGAN models. Peak signal to noise ratio and structural similarity index was used to evaluate the performance and make a comparison between the previously mentioned methods. The experiment was done using Google Colab Pro environment utilizing its provided GPU.
A statistical framework for degraded underwater video generation

(Graduate School, 2023) Şatak, Serkan ; Töreyin, Behçet Uğur ; 834354 ; Satellite Communication and Remote Sensing Programme

Computer vision in the underwater medium presents unique challenges due to the distinct properties and conditions encountered beneath the water’s surface. Underwater environments are characterized by limited visibility, color distortion, scattering of light, and various water conditions such as turbidity and currents. These factors severely impact the performance of traditional computer vision algorithms designed for terrestrial images, leading to significant difficulties in underwater image and video analysis. One of the primary hardships in underwater computer vision is the degradation of image quality caused by the attenuation of light. As light travels through water, it is absorbed and scattered, resulting in reduced contrast, loss of details, and color distortion. These effects make object detection, recognition, and tracking challenging tasks. Additionally, the scattering of light causes blurring and reduces the sharpness of underwater images, further impeding accurate analysis. Another significant hurdle is the lack of reliable, in-depth information. Estimating depth in underwater scenes is complex due to the varying water conditions and the absence of well-defined visual cues. This limitation poses challenges for tasks such as 3D reconstruction, scene understanding, and object localization.

Gözat

Son Başvurular