Akıllı yüzeyler tabanlı işbirlikli haberleşme sistemlerinin performansının derin öğrenme yöntemleri ile incelenmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: BÜLENT SAĞIR
Danışman: Hacı İlhan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Yeniden yapılandırılabilir akıllı yüzeyler (reconfigurable intelligent surfaces, RIS'ler), kablosuz haberleşme sistemlerinin performansını geliştirmek amacıyla yayılım ortamındaki yüzeylerin kontrolünü ve etkin şekilde kulllanımını sağlayan, yazılım kontrollü pasif yansıtıcı aygıtlardır. RIS'lerin sunduğu esneklik ve yapılandırılabilirlik özellikleri, 5G ve ötesi yeni nesil haberleşme sistemlerinde bu teknolojinin kullanımını gittikçe cazip hale getirmektedir. Bu tezde, RIS'lerin işbirlikli haberleşme sistemlerinde çeşitli derin öğrenme (deep learning, DL) tabanlı yöntemlerle desteklenerek kullanımı ve bu doğrultuda geliştirilen modellerin farklı kullanım senaryolarındaki performansı araştırılmıştır. Tezde güdülen başlıca amaç, geleneksel yöntemlere kıyasla daha yüksek performans ve düşük işlemsel karmaşıklık sağlayacak yenilikçi haberleşme modelleri geliştirmektir. Başlangıçta, kablosuz işbirlikli haberleşme sistemleri, RIS'ler ve DL tabanlı yöntemler, birlikte kullanım potansiyelleri açısından detaylı olarak incelenmiştir. Tüm kullanım senaryolarında DL tekniği olarak derin nöron ağları (deep neural networks, DNN'ler) kullanılmış, performans değerlendirmeleri bilgisayar ortamında yapılan simülasyonlar yoluyla gerçekleştirilmiştir. Tezde ilk aşamada önerilen temel işbirlikli sistemler, RIS'lerde faz optimizasyonunun DNN desteği ile gerçekleştirildiği DNN$_R$\:-\:CRIS sistemi ile, faz optimizasyonuyla birlikte hedefte de sembol kestiriminin DNN desteği ile gerçekleştirildiği DNN$_{R, D}$\:-\:CRIS sistemleridir. Her iki sistemde de röle yerine sadece RIS'ler kullanılmıştır. Simülasyon sonuçları, DNN destekli modellerin, DNN kullanılmayan referans yapılandırmalara karşı daha düşük bir işlemsel karmaşıklık seviyesi ile güçlü bir bit hata oranı (bit error rate, BER) performansı sergilediğini göstermektedir. İkinci aşamada, önerilen DNN destekli modellerin Nakagami-$m$ ve kaskat Nakagami-$m$ kanalları ile modellenmiş araçlar arası haberleşme sistemlerinde uygulanabilirliği incelenmiştir. Bu aşamada, BER performansları ve karmaşıklık analizlerinin sonuçları, önerilen DNN tabanlı faz optimizasyonu ve sembol kestirimi modellerinin araçlar arası haberleşme senaryolarında da yüksek performans gösterdiğini ve referans modellere kıyasla daha düşük işlemsel karmaşıklığa sahip olduklarını ortaya koymuştur. Tezin üçüncü aşamasında, güçlendir ve aktar (amplify-and-forward, AF) tabanlı işbirlikli haberleşme sistemlerinde, hedefte DNN destekli sembol kestirimi kullanımının görüntü iletimi üstündeki etkisi BER ve görüntü kalite ölçütleri yoluyla analiz edilmiştir. Simülasyon sonuçları, önerilen DNN destekli modelin geleneksel bir en büyük olabilirlikli (maximum likelihood, ML) algılayıcı tabanlı model karşısında eşdeğer veya daha iyi bir performans sergilediğini göstermiştir. Tezin son aşamasında ise, DNN destekli sembol kestirimi kullanılan AF tabanlı işbirlikli sistem, DNN destekli RIS kullanımı ile güçlendirilmiş, ayrıca hedefte elde edilen görüntü üzerindeki karakteristik darbe gürültüsüne karşı da özelleştirilmiş bir gürültü giderici konvolüsyonel nöron ağı (denoising convolutional neural network, DnCNN) tasarımı önerilmiştir. Yapılan simülasyonlarda, AF tabanlı sistemlerde DNN destekli sembol kestirimi ve RIS kullanımının görüntü kalite ölçütlerini önemli derecede geliştirdiği görülmüştür. Ayrıca önerilen DnCNN modeli ile, medyan filtrelemeye kıyasla çok daha iyi bir gürültü giderme performansı elde edilmiştir.