Thesis Number |
level |
Language |
Year |
Bilim Dalı |
|
Doktora |
İngilizce |
2019 |
Bilgisayar Mühendisliği Bilim Dalı |
Kablosuz iletişim sistemleri, üstel bir büyüme yaşamakta ve günlük hayatımızın önemli bir unsuru haline gelmektedir. 4G ve 5G mobil ağlar gibi kablosuz iletişim standartlarındaki ilerlemeler, veri iletim hızını arttırmaya, güvenilirliği geliştirmeye ve gecikmeyi azaltmaya odaklanırken, spektrum verimliliği ve düşük-SNR'ye karşı dayanıklılık yeterince ilgi görmemiş ve etkisi iyi araştırılmamıştır. Gürültüye karşı dayanıklılığı arttırırken, spektral bant genişliğini kullanmanın kritik olduğu açıktır.
Son yıllarda, kablosuz iletişim sistemlerinin otomatik olarak öğrenilen özellikler ile genişletilmesiyle birlikte spektral bant genişliğinin kullanımı konusunda çok daha yüksek performans elde edilmiştir. Kablosuz iletişim alanında geniş çaplı sorunlarda yapay sinir ağı (YSA - Artificial Neural Network, ANN) ve makine öğrenme teknikleri ele alınmaktadır. Bunları göz önünde bulundurarak, bu tez çalışmasında düşük SNR'nin etkisini azaltan ve gürültüye karşı dayanıklılığı arttıran ANN çözümünü uyarladık.
Shannon Limit Teoremi (Shannon, 1948), kanal veri iletim kapasitesinin, C (bps), kanalın İşaret Gürültü Oranı (SNR) ve kullanılan spektral bant genişliğine, BW (Hz), direk bağlı olduğunu gösterir. SNR, bağlantı spektral verimliliğini (LSE) $ \eta =C/B $ (bps/Hz) etkileyen en önemli faktördür ve kanal kapasitesini sınırlar. Bu nedenle, kanal kapasitesini en üst düzeye çıkarmak için, spektral bant genişliğinin ve düşük SNR seviyesine olan dayanıklılığın kullanılması önemlidir. Mevcut modülasyon teknikleri, yaklaşık sıfır BER ile spesifik SNR seviyeleri (0 dB'den daha büyük) altında veri iletim kapasitesini (LSE) maksimize eder. Ancak, hala Shannon Limit'ten uzaktırlar ve düşük SNR'nin etkisini göz ardı etmektedirler. Bu nedenle, kanal kapsitesinin maksimizasyonunda, spektral band genişliğinin verimli kullanımı ve yüksek gürültü değerlerine dayanıklılık en önemli etkenlerdir.
Önerilen ve uygulama başarımı verilen karıştırıcıya dayanıklı haberleşme sisteminde bilişsellik iki yönüyle etkindir. Birincisi, radyo frekanslı (RF) haberleşme bandındaki gürültü seviyesine göre doğrudan kodlama ve sayısal işaret modülasyonunun veri karşılığını temsil eden sembollerin örüntü sözlüğünün anında kullanılmasıdır. İkincisi ise haberleşme spektrumunun yoğunluk ve gürültü durumunun algılanması ve buna göre dayanıklılık ihtiyacı ile iletişim bant genişliği arasında optimizasyonu sağlayan örüntü sözlüğünün seçilmesidir.
Bilişsel kodlama, yazılım tabanlı radyo uygulamalarında yaygın olarak bilinen bilişsel iletişimden farklı olarak spektrum verimliliğini arttırmakla kalmayıp, değişen örüntü sözlükleri ile karıştırıcı gücüne göre dayanıklılığı da arttırmaktadır. Karıştırıcı etkisi azaltılarak erişilen artırılmış SNR seviyesi, iletişimin sürdürülebilirliği bakımından kritik öneme sahiptir.
PBCCS, kanal kodlaması ve uyarlamalı modülasyon tekniklerini birleştiren, katmanlar arası bir yaklaşımdır. PBCCS'nın vericisi, bit dizisini bir sinyal sembolüne eşleyerek kodlar ve sem