Kablosuz haberleşme için uçtan uca otokodlayıcı tasarımı

Abstract

Bu çalışma, derin öğrenme ve kablosuz iletişim alanları arasındaki ilişkiyi inceleyen kapsamlı bir çalışmayı ele almaktadır. Çalışma, kablosuz haberleşme sistemlerinin verimliliğini ve güvenilirliğini artırmak amacıyla otokodlayıcıların nasıl kullanılabileceğini araştırmaktadır. Çalışmanın ana katkısı otokodlayıcılar ile tasarlanan bir haberleşme sisteminin farklı otokodlayıcı sistem konfigürasyonları ile performansını açıklamaktır. Tezin ilk bölümü, derin öğrenme kavramlarına odaklanmaktadır. Denetimli ve denetimsiz öğrenme arasındaki farklar açıklanmakta ve ileri yönlü derin ağlar incelenmektedir. Ayrıca, derin öğrenmede kullanılan temel kavramlar ve algoritmalar ele alınmaktadır. Öğrenme parametreleri, aktivasyon fonksiyonları, optimizasyon algoritmaları ve geri yayılım (back propagation) gibi konular detaylı bir şekilde açıklanmaktadır. Kayıp fonksiyonları ve öğrenme algoritmaları da örneklerle birlikte incelenmektedir. Tasarlanan modelde sıklıkla kullanılan kategorik çapraz entropi (categorical cross entropy) kayıp fonksiyonu araştırılmıştır. Kablosuz haberleşme temelleri ele alınarak otokodlayıcı ile ilişkisi incelenmiştir. Otokodlayıcıların mimarisi ve farklı türleri detaylı bir şekilde incelenmektedir. Evrişimli otokodlayıcılar, değişken otokodlayıcılar ve gürültü çözen otokodlayıcılar gibi farklı türlerin özellikleri vurgulanmaktadır. Çalışmanın devamında uçtan uca otokodlayıcı tasarımı ele alınmaktadır. Sistem modelleri ve otokodlayıcı konfigürasyonları üzerinde durularak, farklı senaryolarda otokodlayıcı hata analizleri yapılmaktadır. QPSK, 8PSK gibi modülasyon türleri ile bunların otokodlayıcı yapılarıyla olan karşılaştırmalı hata analizleri yapılmıştır. Farklı işaret gürültü oranlarında (signal to noise ratio, SNR) otokodlayıcı model eğitilmiş ve hangi değerlerde otokodlayıcının yüksek hata performansı verdiği bilgileri çıkarılmıştır. Alamouti sistemine alternatif olarak sunulan otokodlayıcı modeli tasarlanırken kanalda distorsiyon etkisi olarak Rayleigh sönümlemesi kullanılmıştır. MMSE tahmini Minimum Ortalama Karesel Hata ile elde edilir ve giriş sinyalinin kod çözücüdeki temsili elde edilir. Bu çalışma sonucunda geleneksel 2 x 1 Alamouti sistemi ile bu sistemin otokodlayıcılarla tasarlanan modelinin bit hata oranı performansı açısından benzer sonuçlar verdiği görülmektedir. Uzaysal çeşitlilik için bir otokodlayıcı modeli tanıtılmış ve bu model 2x1 iletişim sistemlerinin verici ve alıcı işlemlerini tek bir uçtan uca kodlama yöntemi ile optimize etmektedir. Rayleigh sönümleme kanalı kullanılarak yapılan simülasyon sonuçları, otokodlayıcı tabanlı sistemin BER performansını göstermektedir. Bu sonuçlar, mevcut geleneksel gönderici anten çeşitleme uygulamalarının performansıyla karşılaştırılmıştır. Bu çalışma kapsamında derin öğrenme ile kablosuz iletişim arasındaki önemli bağlantılar vurgulanır ve kablosuz iletişim sistemlerindeki otokodlayıcıların potansiyeli incelenir. Bu tez, derin öğrenme ve kablosuz iletişim arasındaki ilişkinin daha iyi anlaşılmasını sağlar ve kablosuz iletişim sistemlerinin performansını artırmak için otokodlayıcıların kullanımını vurgular. Son bölümde araştırmanın sonuçları özetlenmektedir.