Kablosuz haberleşme protokolleri üzerinden makine öğrenme algoritmaları ile iç mekan konum algılama sisteminin iyileştirilmesi

Basit Öğe Kaydı
dc.contributor.advisorYüksek, Ahmet Gürkan
dc.contributor.authorElik, Ahmet Utku
dc.date.accessioned2024-10-19T19:20:55Z
dc.date.available2024-10-19T19:20:55Z
dc.date.issued2024
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Kuramsal Temeller Bilim Dalıen_US
dc.description.abstractKapalı alan konumlandırma sistemleri (Indoor Positioning Systems - IPS), varlık takibi, navigasyon ve kapalı ortamlardaki konum tabanlı hizmetler gibi geniş uygulama alanları nedeniyle son yıllarda önemli bir ilgi görmüştür. Bu tez, kablosuz haberleşme protokolleri ile derin öğrenme algoritmalarını kullanarak iç mekan konumlandırma doğruluğunu artırmayı amaçlamaktadır. Geleneksel IPS yöntemleri, çok yollu yayılma ve sinyal zayıflaması gibi çevresel faktörler nedeniyle genellikle doğruluk ve güvenilirlikte sınırlamalar yaşamaktadır. Çalışmada bu zorlukları kapsamında, farklı kablosuz haberleşme protokolleri, sinyal ölçü teknikleri, konumlandırma algoritmaları, makine ve derin öğrenme tabanlı yöntemler incelenmiştir. Sonuç olarak Ultra Geniş Bant (UWB) radyo frekans sinyallerinin ToA tabanlı Asimetrik Çift Taraflı İki Yönlü Mesafelendirme sinyal ölçüm tekniği kullanılarak verici-alıcı çiftleri arasında elde edilen ToA ve RSSI değerlerini parmak izi tabanlı konumlandırma algoritması üzerinden Makine Öğrenme modellerinin başarım analizi yapılmıştır. Deneysel ölçümlerin alınabilmesi için prototip iç mekan konumlandırma kart tasarımı gerçekleştirilmiş, çalışmada elde edilen veriler ve test işlemleri bu kart üzerinden gerçekleştirilmiştir.en_US
dc.description.abstractIndoor Positioning Systems (IPS) have attracted significant attention in recent years due to their wide range of applications, including asset tracking, navigation and location-based services in indoor environments. This thesis aims to enhance the accuracy of indoor positioning through the utilisation of wireless communication protocols and deep learning algorithms. Traditional IPS methods frequently encounter limitations in accuracy and reliability due to environmental factors such as multipath propagation and signal attenuation. In light of these challenges, a range of wireless communication protocols, signal measurement techniques, positioning algorithms, machine and deep learning-based methods are investigated. As a result, the time of arrival (ToA) and received signal strength indication (RSSI) values of Ultra Wideband (UWB) radio frequency signals obtained between transmitter-receiver pairs using a time of arrival-based asymmetric bilateral two-way ranging signal measurement technique are analysed by machine learning models through a fingerprint-based positioning algorithm. In order to conduct experimental measurements, a prototype indoor positioning card was designed and the data obtained in the study and test procedures were carried out on this card.en_US
dc.identifier.endpage91en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=usXiZIM9Lp0wk-YzRoaT-95fGjD4gzkFuSP6d7VqMd0PbMy2Mu96AtXgDRv63fZP
dc.identifier.urihttps://hdl.handle.net/20.500.12418/15909
dc.identifier.yoktezid888476en_US
dc.language.isotren_US
dc.publisherSivas Cumhuriyet Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzYK_20241019en_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleKablosuz haberleşme protokolleri üzerinden makine öğrenme algoritmaları ile iç mekan konum algılama sisteminin iyileştirilmesien_US
dc.title.alternativeImprovement of indoor location sensing system with machine learning algorithms over wireless communication protocolsen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu