MARC details
| 000 -LEADER |
|---|
| fixed length control field |
08527nam a2200589 i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER |
|---|
| control field |
TR-AnTOB |
| 005 - DATE AND TIME OF LATEST TRANSACTION |
|---|
| control field |
20230908000941.0 |
| 007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION |
|---|
| fixed length control field |
ta |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
|---|
| fixed length control field |
171111s2018 xxu e mmmm 00| 0 eng d |
| 040 ## - CATALOGING SOURCE |
|---|
| Original cataloging agency |
TR-AnTOB |
| Language of cataloging |
eng |
| Description conventions |
rda |
| Transcribing agency |
TR-AnTOB |
| 041 0# - LANGUAGE CODE |
|---|
| Language code of text/sound track or separate title |
Türkçe |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) |
|---|
| Classification number |
TEZ TOBB FBE ELE YL’18 MAR |
| 100 1# - MAIN ENTRY--PERSONAL NAME |
|---|
| Personal name |
Maral, Hakan |
| 9 (RLIN) |
123691 |
| 245 10 - TITLE STATEMENT |
|---|
| Title |
Uzun hat gözetleme uygulamaları için dağıtık akustik algılama sistem çözümü : |
| Remainder of title |
Sinyal modelleme, hedef tespiti ve sınıflandırma teknikleri / |
| Statement of responsibility, etc. |
Hakan Maral. |
| 264 #1 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE |
|---|
| Place of production, publication, distribution, manufacture |
Ankara : |
| Name of producer, publisher, distributor, manufacturer |
TOBB ETÜ Fen Bilimleri Enstitüsü, |
| Date of production, publication, distribution, manufacture, or copyright notice |
2018. |
| 300 ## - PHYSICAL DESCRIPTION |
|---|
| Extent |
xv, 83 pages : |
| Other physical details |
illustrations ; |
| Dimensions |
29 cm |
| 336 ## - CONTENT TYPE |
|---|
| Source |
rdacontent |
| Content type code |
txt |
| Content type term |
text |
| 337 ## - MEDIA TYPE |
|---|
| Source |
rdamedia |
| Media type code |
n |
| Media type term |
unmediated |
| 338 ## - CARRIER TYPE |
|---|
| Source |
rdacarrier |
| Carrier type code |
nc |
| Carrier type term |
volume |
| 502 ## - DISSERTATION NOTE |
|---|
| Dissertation note |
Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Aralık 2018 |
| 520 ## - SUMMARY, ETC. |
|---|
| Summary, etc. |
Faz-OTDR tekniğine dayanan fiber optik dağıtık akustik algılama sistemi, petrol ve gaz boru hatları, elektrik hatları, demiryolu hatları, orta ila büyük ölçekli tesislerin sınırları gibi uzun doğrusal hatları izlemek için ortam koşullarından etkilenmeyen ve maliyet etkin bir çözüm sunar. Fiber optik dağıtık akustik algılama (DAS), teleko-münikasyon sınıfı fiber optik kablolarını algılama ve iletim ortamı olarak kullanabilir. Sönümleme oranı, faz-OTDR bazlı dağıtık akustik algılama sistemlerinin tespit performansını doğrudan etkileyen ve doğal olarak ortaya çıkan sınırlayıcı bir faktör-dür. Tezin ilk kısmında, Rayleigh saçılımının model bazlı analizinden faydalanarak sönümleme oranının değişken sinyal edinim senaryoları ve sistem parametrelerinin alınan sinyaller üzerindeki etkilerini incelemek amaçlanmış ve MATLAB ortamında bu amaca uygun bir simülasyon yazılmıştır. Simülasyonda uygulanan sinyal edinim senaryoları, tespit edilecek olan hedef aktivite kaynağının çevresinde dağınık aktivite kaynaklarının etkileri, sürekli dalga lazer kaynağındaki merkez frekans kayması, değişen fiber optik kablo uzunlukları ve değişen ADC bit çözünürlükleri gibi dağıtık akustik algılama sistemlerinde tipik olarak gözlemlenen durumları temsil etmek üzere oluşturulmuştur. Sonuçlar, yetersiz bir sönümleme oranının yüksek optik gürültüye sebep olarak sistem parametrelerini geliştirme çabalarının etkilerini önemli bir şekilde kısıtladığını göstermektedir. Tezin ikinci kısmında ise fiber optik tabanlı da-ğıtık akustik algılama sistemlerinde gerçek zamanlı hedef tespiti için uyarlamalı güç eşikleme yaklaşımı ve 50 kilometre uzunluğundaki doğrusal bir hattın gözlemlenmesi amacıyla geliştirilen dağıtık akustik algılama sisteminde kullanılan gerçek zamanlı hedef teşhis yaklaşımı açıklanmıştır. Tespit yaklaşımı için, optik sistemin iç dinamik-lerine ve optik kablonun yakınlarında yapılan fiziksel aktivitelere bağlı olarak ölçülen sinyalin genliği değiştiğinden ve genel kabul görmüş bir sinyal istatistiksel modeli olmadığından, sinyal istatistikleri toplanan verilerden doğrudan oluşturulmuştur. Toplanan verilerin sadece gürültü veya gürültülü aktivite içerdiği önceden bilineme-diği için iki aşamalı istatistiksel modelleme yaklaşımı uygulanarak güç eşik değeri belirlenmiştir. Bunun için birinci ve ikinci dereceden Gaussian karışım modelleri sırasıyla denenerek en uygun olanı güç eşik değerinin hesaplanması için kullanılmıştır. Ayrıca, güç eşik değerinin güncellenme yöntemi açıklanmış ve algoritma çalışma zamanları analiz edilmiştir. Son kısımda, hedef teşhisi için, evrişimsel sinir ağları temelli derin öğrenme yaklaşımı kullanılmıştır. Farklı yapıda ve karmaşıklıktaki sinir ağlarının teşhis performansları ve çalışma süreleri ölçülmüştür. Hedef tespit perfor-mansını azaltmadan, tespit edilen tüm hedeflerin teşhis edilebilmesi için önerilen yaklaşım açıklanmıştır. Bu yaklaşımın uygulanabilmesi için kullanılabilecek ağ yapı-sının müsaade edilebildiği en yüksek çalışma süresi, en kötü senaryo durumunda analiz edilmiştir. Bu sayede, sistemde kullanılabilecek en uygun ağ yapısı seçiminin hem başarım hem de gerçek zamanlı uygulanabilirlik kriterlerine göre yapılabilmesi sağlanmıştır. |
|
|---|
| Summary, etc. |
The fiber-optic distributed acoustic sensing system based on the Phase-OTDR technique provides a cost-effective solution for monitoring long linear assets such as oil and gas pipelines, power lines, railway lines, boundaries of medium to large-scale facilities. Fiber optic distributed acoustic detection (DAS) can use telecommunications class fiber optic cables as detection and transmission media. Extinction ratio is an inherent limiting factor that has a direct effect on the detection performance of phase-OTDR based distributed acoustics sensing systems. In the first part of the thesis, a model based analysis of Rayleigh scattering is presented to simulate the effects of extinction ratio on the received signal under varying signal acquisition scenarios and system parameters. These signal acquisition scenarios are constructed to represent typically observed cases such as multiple vibration sources cluttered around the target vibration source to be detected, continuous wave light sources with center frequency drift, varying fiber optic cable lengths and varying ADC bit resolutions. Results show that an insufficient extinction ratio can result in high optical noise floor and effectively hide the effects of elaborate system improvement efforts. The second part of the thesis adopts two main approaches: an adaptive power thresholding approach for real time threat detection on fiber optic based distributed acoustic sensing systems, and a real time threat classification approach to be used in a distributed acoustic sensing system that is developed for monitoring linear assets with a maximum length of 50 kms is explained. Due to the lack of an approved statistical signal model, and the changes on measured signal magnitude, which result from the internal mechanism of the optical system and physical activities that occur near the fiber optic cable, signal statistics are directly generated from the captured data. Since it is not known whether the captured data contain only noise or noisy activity data, power threshold is computed by applying two step statistical model approach. In order to construct these statistical models, first and second order Gaussian mixture models are tested and the most appropriate is used for computing power threshold. Finally, the update mechanism of power thresholding is explained and the execution time of the algorithm is analyzed. A deep learning approach based on The Convolutional Neural Network (CNN) is adopted for threat classification. Accuracy of the classification and durations of execution for neural networks with varying architectures and complexity are computed. A proposed approach for classifying all the detected threats without decreasing the detection accuracy is introduced. The maximum allowable execution time for the network structure that is appropriate for the proposed approach is analyzed for the worst case scenario. Hence, the most appropriate network architecture selection can be performed based on classification accuracy and also applicability in real-time criterion. |
| 650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM |
|---|
| Topical term or geographic name entry element |
Tezler, Akademik |
| Source of heading or term |
etuturkob |
| 9 (RLIN) |
32546 |
| 653 ## - INDEX TERM--UNCONTROLLED |
|---|
| Uncontrolled term |
Faz-OTDR |
|
|---|
| Uncontrolled term |
Sönüm oranı |
|
|---|
| Uncontrolled term |
Dağıtık akustik algılama |
|
|---|
| Uncontrolled term |
Tespit |
|
|---|
| Uncontrolled term |
Simülasyon |
|
|---|
| Uncontrolled term |
Uyarlamalı eşikleme |
|
|---|
| Uncontrolled term |
Tehdit tespit |
|
|---|
| Uncontrolled term |
Derin öğrenme |
|
|---|
| Uncontrolled term |
Evrişimsel sinir ağları |
|
|---|
| Uncontrolled term |
CNN |
|
|---|
| Uncontrolled term |
Tehdit tespit |
|
|---|
| Uncontrolled term |
Tehdit teşhis |
|
|---|
| Uncontrolled term |
Gerçek zamanlı çalışma |
|
|---|
| Uncontrolled term |
Phase-OTDR |
|
|---|
| Uncontrolled term |
Extinction ratio |
|
|---|
| Uncontrolled term |
Distributed acoustic sensing |
|
|---|
| Uncontrolled term |
Detection |
|
|---|
| Uncontrolled term |
Simulation |
|
|---|
| Uncontrolled term |
Adaptive thresholding |
|
|---|
| Uncontrolled term |
Threat detection |
|
|---|
| Uncontrolled term |
Real-time processing |
|
|---|
| Uncontrolled term |
Deep learning |
|
|---|
| Uncontrolled term |
Convolutional neural networks |
|
|---|
| Uncontrolled term |
Threat classification |
| 710 ## - ADDED ENTRY--CORPORATE NAME |
|---|
| Corporate name or jurisdiction name as entry element |
TOBB Ekonomi ve Teknoloji Üniversitesi. |
| Subordinate unit |
Fen Bilimleri Enstitüsü |
| 9 (RLIN) |
77078 |
| 856 40 - ELECTRONIC LOCATION AND ACCESS |
|---|
| Uniform Resource Identifier |
<a href="https://tez.yok.gov.tr/">https://tez.yok.gov.tr/</a> |
| Materials specified |
Ulusal Tez Merkezi |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) |
|---|
| Koha item type |
Thesis |
| Source of classification or shelving scheme |
Other/Generic Classification Scheme |
