MARC details
000 -LEADER |
fixed length control field |
06445nam a2200457 i 4500 |
003 - CONTROL NUMBER IDENTIFIER |
control field |
TR-AnTOB |
005 - DATE AND TIME OF LATEST TRANSACTION |
control field |
20230908000953.0 |
007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION |
fixed length control field |
ta |
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
fixed length control field |
171111s2021 xxu e mmmm 00| 0 eng d |
035 ## - SYSTEM CONTROL NUMBER |
System control number |
(TR-AnTOB)200440019 |
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’21 AKS |
100 1# - MAIN ENTRY--PERSONAL NAME |
Personal name |
Aksan, Yasin |
Relator term |
author |
9 (RLIN) |
129620 |
245 10 - TITLE STATEMENT |
Title |
Makine öğrenme yöntemleriyle hava aracı üzerindeki haberleşme sistemlerinin kanal özelliklerinin belirlenmesi / |
Statement of responsibility, etc. |
Yasin Aksan ; thesis advisor Ayşe Melda Yüksel Turgut. |
246 11 - VARYING FORM OF TITLE |
Title proper/short title |
Determining the channel characteristics of communication systems on the aircraft by machine learning methods |
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 |
2021. |
300 ## - PHYSICAL DESCRIPTION |
Extent |
xiii, 63 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 Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Ocak 2021 |
520 ## - SUMMARY, ETC. |
Summary, etc. |
Havacılık haberleşmesi günümüz haberleşme sistemlerinin oldukça önemli bir parçasıdır. Havacılık haberleşmesinin temeli kablosuz iletişim üzerine kuruludur. Özellikle İHA'larda kablosuz iletişim, gelecekteki kablosuz iletişim sistemlerinin ayrılmaz bir parçası olacaktır. İHA'larda gerçek zamanlı veri aktarımı çok kritiktir. Çünkü İHA'ların yer sistemlerinden sürekli olarak kontrol edilmesi gerekir ve faydalı yük verilerinin gerçek zamanlı olarak yer sistemlerine iletilmesi gerekir. İHA haberleşmesinin kesilmemesi için haberleşme sisteminin tasarlanması aşamasında dikkat edilmesi gereken hususlar vardır. Dikkat edilmesi gereken en önemli konu uçak gövdesi gölgelemesidir. İHA antenleri, uçak gövdesi gölgelemesine eğilimlidir. Antenlerin yerleştirildiği uçak yüzeyleri ana görüş hattı yolunu kapatır. Bu da haberleşmede kesilmelere sebep olur. Bir diğer önemli konu, bağlantı bütçe analizlerinde kullanılan kayıpların, gerçek zamanlı olarak değişkenlik göstermesidir. Tasarım aşamasında dikkate alınan kayıplar pratik uygulamalarda farklılık gösterdiğinden haberleşmede kesilmeler meydana gelmektedir. Bu nedenlerle, pratik uygulamalarda tüm negatif etkiler dâhil olmak üzere gözlemlenen uçtan-uca kanallar teorik hesaplamalardan oldukça farklıdır. Bu çalışmada, tüm negatif etkiler dâhil olmak üzere uçtan-uca kanal özellikleri belirlenmektedir. Kanal özellikleri modeli için geçmiş uçuşlar sırasında ölçülen verilere makine öğrenme yöntemleri uygulanmaktadır. Geçmiş uçuşlardaki yer anteni konumu, hava aracı konumu, hava aracı Euler açıları ve hava aracı alınan sinyal gücü verileri kullanılmaktadır. Her bir konum ve Euler açısı verisine karşılık gelen, yer modeminin çıkışından İHA modemi girişine kadar sinyalin maruz kaldığı bütün negatif etkiler hesaplanmaktadır. Eksik veriler ise makine öğrenme yöntemleri ile bulunmaktadır. Makine öğrenme yöntemleri ile bulunan modeller içinde en iyi sonuçların ensemble bagged trees (EBT) ve üstel Gaussian process regression (GPR) yöntemleri ile alındığı görülmüştür. Veriler işlenerek bulunan girdilerin test sonuçları, ham verilerin test sonuçlarına göre daha kötü çıkmıştır. Ancak hem işlenmiş hem de ham verilerle alınan sonuçlar teorik analiz sonuçlarından daha iyidir. |
|
Summary, etc. |
Aviation communication is a very important part of today's communication systems. Aviation communication is based on wireless communication. Wireless communication, especially in unmanned aerial vehicles (UAVs), will be an integral part of future wireless communication systems. Real-time data transfer is very critical in UAVs. Because UAVs need to be constantly controlled from ground systems and payload data must be transmitted to ground systems in real time. In order not to interrupt the communication of the UAV, there are some points that should be considered during the design of the communication system. The most important issue to be considered is airframe shadowing. UAV antennas are prone to airframe shadowing. Aircraft surfaces where antennas are placed block the main line of sight path. This causes interruptions in communication. Another important issue is that the losses used in link budget analysis vary in real time. Since the losses taken into consideration during the design phase differ in practical applications, interruptions in communication occur. For these reasons, the end-to-end channels observed in practical applications, including all negative effects, are quite different from theoretical calculations. In this study, an end-to-end channel characterization is made, including all negative effects. For the channel characterization model, machine learning methods are applied to the data measured during past flights. Ground antenna location, aircraft position, aircraft Euler angles and aircraft receive signal strength indicator data on past flights are used. All negative effects of the signal, from the output of the ground modem to the input of the UAV modem, corresponding to each position and Euler angle data are calculated. Missing data are found with machine learning methods. It has been observed that among the models found by machine learning methods, the best results are obtained with ensemble bagged trees and exponential Gaussian process regression methods. The test results of the inputs found by processing the data were worse than the test results of the raw data. However, the results obtained with both processed and raw data are better than the results of theoretical analysis. |
653 ## - INDEX TERM--UNCONTROLLED |
Uncontrolled term |
Uçak gövdesi gölgelemesi |
|
Uncontrolled term |
Anten ışınım örüntüsü |
|
Uncontrolled term |
Kanal özelliklerinin belirlenmesi |
|
Uncontrolled term |
Ensemble bagged trees |
|
Uncontrolled term |
Üstel Gaussian process regression |
|
Uncontrolled term |
Bağlantı bütçesi analizi |
|
Uncontrolled term |
Airframe shadowing |
|
Uncontrolled term |
Antenna radiation pattern |
|
Uncontrolled term |
Channel characterization |
|
Uncontrolled term |
Ensemble bagged trees |
|
Uncontrolled term |
Exponential Gaussian process regression |
|
Uncontrolled term |
Link budget analysis |
700 1# - ADDED ENTRY--PERSONAL NAME |
Personal name |
Turgut, Ayşe Melda Yüksel |
9 (RLIN) |
126614 |
Relator term |
advisor |
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 |
942 ## - ADDED ENTRY ELEMENTS (KOHA) |
Koha item type |
Thesis |
Source of classification or shelving scheme |
Other/Generic Classification Scheme |