Path loss prediction from heightmap using deep learning

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Medipol Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: MUSTAFA BAL

Danışman: GÜNTÜRK Bahadır Kürşat

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Başarılı bir ağ planlamasının yapılabilmesi için hedeflenen kapsama alanının kanal parametreleri hakkında detaylı bilgiler gerektirmektedir. Işın izleme simülasyonlarıyla elde edilen kanal parametreleri yeterli bilgi vermektedir. Bu işlemde belirlenen alanın 3-boyutlu modeli simülasyona verilerek yol kaybı hesaplaması yapılmaktadır. Fakat ışın izleme simülasyonları yüksek hesaplama karmaşıklığı ve zaman gerektirmektedir. Bu tezde genellikle yol kaybı veya parametreleri tahmini için çeşitli derin öğrenme yöntemleri önerilmiştir. Yol kaybı veya parametrelerini tahmin etmek için iki çözüm vermekteyiz. İlk olarak, uydu ya da yükseklik haritası görüntüleri ile derin öğrenme yöntemleri kullanılarak yol kaybı kuvveti ve büyük ölçekli gölgeleme faktörü değerini tahmin etmek için regresyon modellemesi gösterilmiştir. Derin ağın eğitimi için gerekli veri kümesi ışın izleme simülasyonları ile üretilmiş, uydu ve ya yükseklik haritaları derin sinir ağına verilip, çıktı olarak da istenilen kanal parametrelerinin kestirimi regresyon yöntemiyle elde edilmiştir. Yol kaybı, kablosuz iletişimdeki parametrelerinin yanı sıra kritik bir değer olduğu için, ikinci sorunumuz koşullu genel düşmanca ağı kullanarak bir bölgenin noktasal aşırı yol kaybı değerlerini tahmin etmektir. Veri seti, çalışmalarımızın ilk probleminde olduğu gibi gereklidir, bu nedenle ışın izleme simülasyonları da bu sorunun gerçek değeri olarak üretilmiştir. Bu yöntemle, alıcının yol kaybı değerini her noktada doğrudan bulmayı hedeflenmektedir. Bu metodumuz noktasal tahmin için mükemmel bir model olmasa konvolüsyonlu ağlara nazara bölgeler için daha güvenilir bilgiler vermektedir. Elde edilen sonuçlar ayrıntılı olarak noktasal ve olasılık dağılımları olarak gösterilmiş ve analiz edilmiştir.