LEE- Telekomünikasyon Mühendisliği-Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Son Başvurular
1 - 5 / 12
-
ÖgeBenek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma(Lisansüstü Eğitim Enstitüsü, 2022-02-28)Teknolojinin ilerlemesiyle birlikte donanım kapasitesinin her geçen gün artması, maliyetlerin düşmesi ve etiketlenmiş veri sayısının artışı, yapay zeka uygulamalarının yaygınlaşmasına zemin hazırlamıştır. Bugün birçok alanda yapay zeka uygulamaları yaygın olarak kullanılmaktadır. Bu uygulamalar arasında en popüler alanlardan biri, bilgisayarlı görü sistemleridir. Askeri, ticari ve insansız ulaşım sistemleri gibi birçok alanda faydalanılan bilgisayarlı görü sistemleri içerisinde, özellikle askeri alanda otomatik hedef tanıma teknolojileri büyük önem arz etmektedir. Günün her saatinde ve her türlü hava koşulunda görüntü alabilme imkanı gibi avantajları sebebiyle uzaktan algılama uygulamalarında radar görüntüleme sistemleri, optik görüntüleme sistemlerine üstünlük kurmaktadır. Eskiden daha çok askeri alanda kullanım alanına sahip olan radar görüntüleme sistemleri artık günümüzde jeoloji, arkeoloji ve çevrenin korunması gibi çok farklı alanlarda da hedef tespiti ve sınıflandırma amacıyla kullanılmaktadır. Fakat, radar görüntülerinin doğası gereği var olan ve görüntünün kalitesini düşüren tanecikli girişim olan benek gürültüleri, hedef ve çevresinde görüntüyü bozarak hem insanlar tarafından görüntünün anlamlandırılmasını, hem de bilgisayarlı görü sistemlerindeki otomatik nesne tanıma sınıflandırıcılarının hedefi algılamasını zorlaştırmaktadır. Bu sebeple, YAR (Yapay Açıklıklı Radar) görüntülerinin otomatik nesne tanıma uygulamaları öncesinde iyileştirme sürecinden geçerek benek gürültülerinin ayrıştırılması, sınıflandırıcı performansı için önem arz etmektedir. Bundan dolayı, literatürde de YAR görüntülerinde benek gürültüsünü giderme ile ilgili birçok çalışma yer almaktadır. Bu tez çalışması kapsamında, YAR görüntülerindeki benek gürültülerinin Medyan, BM3D ve EAW filtreler kullanılarak giderilmesi ile derin öğrenme tabanlı radar otomatik nesne tanıma uygulamalarındaki sınıflandırma performansının artırılması, bu sayede çok daha derin ve karmaşık ağlarda elde edilen sınıflandırma başarılarının daha temel ve az karmaşıklığa sahip ağlarda elde edilebilmesi hedeflenmiştir. Ek olarak, klasik sentetik veri artırma tekniklerinden farklı olarak benek gürültüsü gidermeye dayalı veri artırma yaklaşımı önerilmiş, derin öğrenme tabanlı radar otomatik nesne sınıflandırma uygulamalarındaki sınıflandırma performansına etkisi incelenmiştir. Bu kapsamda, askeri hedeflere ait görüntüler içeren 10 sınıflı MSTAR veri seti kullanılmış, YAR görüntülerindeki benek gürültülerinin giderilmesi için bu görüntüler ayrı ayrı Medyan, BM3D ve EAW filtrelerden geçirilmiştir. Ardından elde edilen görüntüler ile farklı iki adet temel evrişimli sinir ağı eğitilmiş, aynı koşullar için benek gürültüsü giderme işleminin sınıflandırma başarısına etkisi gözlemlenmiştir. EAW filtre ile benek gürültüsünün giderilmesi, her iki ağda da derin öğrenme tabanlı otomatik radar hedef sınıflandırma başarısında artış sağlamıştır. Ek olarak, tez kapsamında önerilen benek gürültüsü gidermeye dayalı veri artırma yaklaşımının benimsenmesi ile her iki ağdaki sınıflandırma başarısı, benek gürültüsü giderme sonrasında elde edilen iyileşmenin de üzerine çıkmıştır.
-
ÖgePansharpening using generative adversarial networks with dual discriminators(Graduate School, 2023-01-24)Satellites equipped with sensors are capable of capturing various types of images, including multispectral and panchromatic images. Panchromatic images possess a high spatial resolution, but a low spectral resolution, while multispectral images possess a low spatial resolution and high spectral resolution. The process of producing an image that possesses both high spatial and high spectral resolution is known as image fusion or pansharpening. The field of image fusion has been the subject of extensive study for many years, and can be broadly divided into two categories: traditional methods and deep learning-based approaches. Examples of traditional methods include GS Adaptive(GSA), Generalized Laplacian Pyramid (GLP), and Band-Dependent Spatial-Detail (BDSD). As the field progressed, Convolutional Neural Network (CNN) based models began to be designed for the pansharpening task, resulting in a significant breakthrough. Subsequently, numerous studies have been proposed in this area. Pansharpening with satellite images reached great success and promising results that leads to become a popular research area in recent years. CNN based methods have been achieving great progress and success there are still a few obstacles to handle. A novel pansharpening model is proposed that utilizes a super resolution task with two discriminators and an initial process of dataset preparation utilizing the intensity component. The utilization of two discriminators and the intensity component makes the proposed model a unique approach for pansharpening. Typically, CNN-based models use reduced resolution panchromatic and multispectral images due to the lack of a reference image, resulting in a mismatch problem when mapping to the reduced resolution images. However, the proposed model utilizes a reduced resolution multispectral image and the intensity component of a high resolution multispectral image as a grayscale image, instead of a reduced resolution panchromatic image, in the training process. During the training process, three distinct datasets were utilized to update the weights of the model. The output of the model generates a high-resolution multispectral image by utilizing multispectral and panchromatic images. The model comprises of two separate discriminators, each of which focuses on the spatial or spectral details of the given input. Additionally, the generator takes multispectral and panchromatic images, concatenates them and produces a synthetic image that closely resembles the original multispectral image. After learning process is completed, a variety of validation scenarios were executed. Visual representations of both full resolution and reduced resolution validations were shared. Additionally, selected methods were employed to compare the obtained results and demonstrate the success of the model. Metrics such as ERGAS, SAM, QNR and Q were utilized to calculate and evaluate the results both qualitatively and quantitatively. Five different metrics were used for reference performance results, and three metrics were used for non-reference performance results. Furthermore, various satellite images were employed to observe the results on different characteristic datasets, including Pleiades and WV II, for both training and testing. The proposed model exhibits superior results compared to other CNN-based models, as evidenced by both quantitative and qualitative measures. The proposed model differs from previous models in three main ways. Firstly, the utilization of an intensity component to obtain input images that are precisely matched for the models. Secondly, the use of two separate discriminators, each of which is designed to distinguish spatial or spectral information. Lastly, the incorporation of an adversarial loss for both discriminators to preserve details. The proposed approach demonstrates exceptional performance results, and its results were compared to previous CNN-based methods and traditional methods in the experiments.
-
ÖgeHierarchical dirichlet process based gamma mixture modelling for terahertz band wireless communication channels and statistical modelling of 240 GHz - 300 GHz band(Graduate School, 2022)Terahertz (THz) frequencies span from 0.1 THz to 10 THz, and because of their large bandwidth opportunity, they appear to be one of the strong candidates to satisfy future wireless communication standards and data rate requirements. Another advantage of the THz band is that it has not yet been standardized and is not allocated to any wireless communication application. THz frequencies enable the use of nano-sized antennas due to their short wavelengths. This particular feature is predicted to result in new communication application areas at the micro-scale over short distances. Furthermore, because these antenna sizes will also allow the deployment of large antenna arrays in a limited space, it is predicted to provide numerous new communication application areas at the macro-scale for long distances. The successful utilization of THz frequencies and the implementation of communication at these frequencies are also dependent on the design of efficient, cutting-edge hardware and antennas. To properly build this equipment, the channel structure of the THz band must be thoroughly researched. This can only be accomplished by collecting extensive measurements and analyzing those measurements. Unfortunately, in addition to their benefits, THz frequencies have a downside in the form of substantial propagation losses. These losses constrain the communication link and make channel characterization difficult. Molecular absorption is a major contributor to propagation loss at THz frequencies. When a radio frequency (RF) signal of a certain wavelength interacts with gaseous substances while propagating in the atmosphere, part of their energy is absorbed by these gas molecules, leading the molecule to move to a higher energy level. As a result, when THz waves interact with molecules, various power losses occur in different windows of the THz spectrum. Furthermore, the effect of molecular absorption is proportional to communication distance. Due to the unique channel characteristics of the THz band, extended measurement campaigns and comprehensive propagation channel modeling are essential to understand the spectrum and to develop reliable communication systems in these bands. These measurements and channel modeling should be performed in a variety of scenarios based on various macro and micro-scale communication applications. When the channel modeling approaches are considered, the most commonly utilized channel modeling techniques can be categorized into two, deterministic and statistical. Ray tracing and traditional statistical modeling are insufficient to construct a suitable channel model due to the wide bandwidth and rapid changes in the characteristics of THz channels. Statistical channel models can represent a wide range of settings and can adopt the variable structure of the THz channel. In contrast, deterministic models, such as ray tracing can only represent a single environment in a specific condition. A
-
ÖgeDeep image prior based high resolution isar imaging for missing data case(Graduate School, 2023-06-06)Radio detection and ranging or Radar as an abbreviation form, is a system that aims to detect the location, shape, and speed of objects that are named as targets. Earlier Radar systems were used for high level applications such as defence systems, airplanes, air surveillance and traffic control, etc. Later, it took place in daily life applications like smart cars, smart home devices, vital sign detection and a lot more to satisfy the needs of human life. Basically, radar sends electromagnetic waves from its transmitter and these waves reflect from the surface of objects, then the receiver of the radar collects these backscattered signals to process. Such a basic way, target speed and range can be extracted by applying 1-D signal processing on backscattered waves. Apart from the 1-D application, 2-D radar signal processing can extract the target shape on cross-range domain. In order to generate a radar image, electromagnetic waves, which are in different frequencies are sent to target and target is observed from different angles. Frequency sweeping can be done by some well known methods like stepped frequency or linear frequency modulation, thus the signals that have variable frequency can be generated by the same antenna. For moving targets, inverse synthetic aperture is used, which uses the relative motion of the target to use it as an observation angle. Synthetic Aperture Radar (SAR) is the case when radar is moving and the target is stationary whereas in Inverse Synthetic Aperture Radar (ISAR), radar is stationary and target is moving. As previously noted, such a manipulation on relative speed is used to generate ISAR/SAR data and polar format algorithm is used for Polar to Cartesian Coordinates conversion. Later 2D inverse Fourier transform can be applied to raw data to extract a radar image, which is also named as the Range Doppler (RD) image of the target. Besides good imaging performance capability, various challenges have to be handled in ISAR imaging. Some serious problems may arise during measurements that are challenging and this phenomenon affects the quality of the ISAR image. One of the well known problems is missing data case. Undesirable interference, an external jamming signal, beam blockage, or some other technical problem may lead to the missing data when receiving backscattered electromagnetic waves that are reflected from the target. There is also Compressive Sensing (CS) method that aims to generate radar images with less samples. For both cases, the conventional RD imaging method will perform poor imaging result. Missing data is a common problem for many radar related fields. In order to overcome missing data problem 1-D signal reconstruction algorithms are proposed such as Matching Pursuit (MP) and Basis Pursuit (BP). These approaches represent signals with dictionaries instead of conventional Fourier based superpositioned sinusoids. Although they are useful, 1-D reconstruction algorithms can not be applied directly to the 2-D signals, thus, Kronocker product based solutions are proposed to reconstruct 2-D signals with 1-D reconstruction algorithms. Such a process has a high computational cost in addition to the excessive memory requirement, so that 2-D sparse signal reconstruction algorithms are proposed. 2-D Smoothed L0 norm (2-D SL0) is the 2-D form of the 1-D Smoothed L0 norm sparse signal reconstruction algorithm and it proposed to reconstruct 2-D signal with low computational cost and low memory requirement by comparing to the 1-D signal reconstruction methods. Many successful studies have been done with the proposed 2-D SL0. There are also other methods available which are proposed to recover missing entries by exploiting the low rank feature of the matrix. Go Decomposition (GoDec), Low Rank Matrix Fitting (LMAFIT) and Nuclear Norm Minimization (NNM) are used to recover missing data on many applications that are focused on real data, so these are also not directly applicable to the ISAR raw data. There is also the Augmented Lagrangian Multiplier (ALM) for constrained optimization problems. ALM can also be applied to matrix completion problems, but primal variables of the algorithm can only be solved inexactly; thus, Inexact Augmented Lagrangian Multiplier (IALM) is proposed for matrix completion. Apart from the well known matrix completion methods, it can be directly applied to the complex data. Recently, deep learning based approaches are quite famous to recover missing parts of real images. Deep learning based approaches usually require a high amount of training data that contains corrupted images as input and original images as target to train deep convolutional neural networks to achieve tasks such as denoising, inpainting, and super-resolution. Previously, some studies trained deep networks to do such tasks on ISAR images. As it was mentioned before, the ISAR image is generated by the traditional RD algorithm. Deep learning based approaches use the amplitude of the 2-D IFFT result so that they neglect the imaginary part of 2-D IFFT result. In this study, a novel deep learning based ISAR data reconstruction method is proposed. Unlike existing studies, the proposed model uses complex data instead of the conventional RD image. Deep Image Prior (DIP) is used as a deep learning model that does not require a pre-training process to complete missing cases on input data. DIP directly can perform iteratively on single occluded data thanks to its hand crafted prior feature. In order to reconstruct ISAR raw data, the occluded matrix is separated into its real and imaginary parts, and missing entries in the backscattered field matrix are completed sequentially and separately. Thus, ISAR raw data construction is done by a deep learning model that does not need pre-training. In order to check the validity and robustness of the proposed model, three different comparison methods are used, such as IALM, 2-D SL0 and NNM. NNM performs on real data normally so that same separation process applied to raw ISAR data for NNM. In the experimental results, two simulated and one real ISAR data are tested under four different missing scenarios such as pixel-wise, equal random missing in each column, column-wise and compression cases. For all four missing scenarios, three different missing ratios are applied to the test data, like %30, %50 and %70, respectively. The results show that the proposed method outperforms existing ones both visually and quantitatively.
-
ÖgeKutupsal kodlar ve uydu iletişimindeki başarımı(Lisansüstü Eğitim Enstitüsü, 2022-02-02)Günden güne yaygınlaşan telsiz iletişim uygulamaları yüksek kapasiteye, yüksek veri hızlarına, daha iyi hata başarımına ve kısıtlı olan frekans bandının verimli kullanımına ihtiyaç duymaktadır. Bu ihtiyaca yanıt verebilmek adına telsiz iletişim teknolojileri de sürekli bir yenilenme ve gelişim sürecine girmektedir. Hata başarımlarının iyileştirilebilmesi için literatürde var olan tekniklerin birlikte kullanımına ek olarak yeni kodlama ve kod çözücü teknikleri de önerilmektedir. 5G teknolojisinde kullanımının ardından, kutupsal (polar) kodlara duyulan ilginin arttığı ve bu alanda yapılan çalışmaların hız kazandığı gözlemlenmektedir. Kutupsal kodlar, ilk olarak katlamalı kodların dış kod olduğu durumda iç kod olarak kullanılması amacıyla tasarlanmasına rağmen tek başına da oldukça iyi hata başarımına sahiptir. İlerleyen süreçte kutupsal kodların ikili ayrık belleksiz kanallarda kanal kapasitesini gerçekleyebileceğinin kuramsal olarak ispatlanmasıyla beraber kutupsal kodlar üzerine yapılan çalışmalar hız kazanmıştır. Kutupsal kodların çözülmesi için kanaat yayılımı (belief propagation, BP), ardışık giderme (successive cancellation, SC) ve listeli ardışık giderme (successive cancellation list, SCL) gibi farklı kod çözücü yapılarından faydalanılmaktadır. Benzer şekilde kutupsal kodların tasarımı için Bhattacharyya parametresi, Monte-Carlo, Gauss yaklaşıklığı (Gaussian approximation), yoğunluk evrimi (density evolution) gibi farklı kod tasarım teknikleri kullanılabilmektedir. Kutupsal kodlar, kanala özgü kodlar olarak tasarlandığı için kutupsal kod tasarımı hata başarımında önemli rol oynamaktadır. Bu tez çalışması kapsamında Monte-Carlo benzetim tabanlı kod tasarımı ve Bhattacharyya parametresi ile kutupsal kod tasarım yöntemleri gerçeklenmiştir. Farklı işaret gürültü oranları için kod tasarımları gerçeklenerek, işaret-gürültü oranı değişiminin kod tasarımına olan etkisi gözlemlenmiştir. Ayrıca literatürde yer alan kanaat yayılımı, ardışık giderme ve listeli ardışık giderme kod çözücü yapıları da detaylı biçimde incelenmiş olup bilgisayar benzetimleri yardımıyla literatürdeki hata başarımları elde edilerek kod çözücü algoritmalarının doğruluğu kanıtlanmıştır. Kanaat yayılımı kod çözücüsüne farklı erken sonlandırma teknikleri eklenerek, erken sonlandırma yöntemlerinin hata başarımı ve yineleme sayısına etkileri gözlemlenmiştir. Gerçeklenen diğer bir kod çözücü olan ardışık giderme kod çözücüsünün kodlayıcı yapısı göz önünde bulundurularak nasıl gerçeklenmesi gerektiği detaylı şekilde incelenmiştir. Ek olarak listeli ardışık giderme kod çözücü yapısı, kod çözme yolları ve örnek ağaç yapıları yardımıyla analiz edilmiştir. Listeli ardışık giderme kod çözücüye ait liste uzunluğunun artışına paralel olarak hata başarımının iyileştiği gözlemlenmiştir. Listeli ardışık giderme kod çözücü yapısı döngüsel artık denetimi (cyclic redundancy check, CRC) desteğiyle gerçeklenmiş ve CRC eklenmesinin hata başarımını iyileştirdiği gözlemlenmiştir. Ayrıca farklı CRC polinomlarının hata başarımı üzerindeki etkisi analiz edilmiş ve aynı dereceye sahip CRC polinomları kullanılması durumunda hata başarımında önemli bir değişikliğe neden olmadığı görülmüştür. Ardından kutupsal kodlarn bir uygulaması olarak uydu iletişiminde kutupsal kod tasarımı ve kullanımı ele alınmıştır. Gölgelemeli Rician kanal modeli yardımıyla farklı gölgeleme seviyeleri için uydu kanalları modellenmiş ve bu kanal modelleri için Monte-Carlo benzetim tabanlı kod tasarımı gerçeklenmiştir. Farklı gölgeleme seviyeleri için uydu kanallarında, uydu kanallarına özgü tasarlanan kodların toplamsal beyaz Gauss gürültülü kanal için tasarlanan kutupsal kodlardan daha iyi hata başarımı sergilediği görülmüştür. Uydu kanallarındaki hata başarımında, kod tasarımı için kullanılan gölgeleme seviyesinin etkisinin sınırlı olduğu görülmüştür. İletişim sisteminde doğrusal olmayan yüksek güçlü kuvvetlendirici kullanılmasının hata başarımına etkilerini incelemek için doğrusal olmayan yüksek güçlü kuvvetlendiricili sisteme özel kod tasarımları gerçeklenmiştir. Yapılan benzetimler sonucunda kutupsal kodların hata başarımlarının uydu kanallarında doğrusal olmayan kuvvetlendirici varlığından etkilenmediği görülmüştür. Kutupsal kodların doğrusal olmayan kuvvetlendiricilerin bozucu etkisine karşı dayanıklı olduğu çıkarımında bulunulmuştur.