Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: OZAN DEMİR
Danışman: ÖZGÜL SALOR DURNA
Özet:İnsansız hava araçları (İHA) son yıllarda yaygın şekilde kullanılmaktadırlar. Sayıları ve çeşitleri artan bu hava araçlarının yetenekleri önemli ölçüde geliştirilmiştir. Bu durum, kritik bölgelerde İHA’ları tespit etmeyi ve sınıflandırmayı zorunlu hale getirmiştir. Bu tezde, İHA’ları öznitelik görüntüleriyle tespit etmek ve sınıflandırmak amacıyla bir model önerilmiştir. Öznitelik görüntülerini birbirinden ayırmak için derin öğrenmenin bir algoritması olan evrişimli sinir ağları (ESA) araştırılmıştır. Kısa zamanlı Fourier dönüşümü (KZFD), Mel frekans kepstral katsayıları (MFKK) ve Gramian açısal alan dönüşümü (GAAD) kullanılarak üç öznitelik görüntüsü çıkarım yöntemi önerilmiştir. Ortamsal gürültüye ve iki İHA’ya ait gerçek dış ortamda toplanmış akustik sinyallerden faydalanılarak oluşturulan öznitelik görüntüleri ESA’nın eğitimi ve testi için kullanılmıştır. Önerilen modelin öznitelik görüntüsü çıkarım yöntemine ve mesafeye göre performans değerlendirmesi yapılmıştır. İHA ve kayıt alan mikrofon arasındaki mesafeye göre üç farklı veri kümesi oluşturulmuştur. Veri kümesi-1, veri kümesi-2 ve veri kümesi-3, sırasıyla 1-100 metre, 1-300 metre ve 1-500 metre arasında kaydedilen akustik sinyalleri içermektedirler. Ayrıca, bu veri kümelerine ortamsal gürültü kayıtları da eklenmiştir. Bu veri kümeleri için, ESA ayrı ayrı eğitilmiş ve eğitimde kullanılmayan öznitelik görüntüleriyle test edilmiştir. Deneysel sınıflandırma sonuçları, ESA’nın KZFD kullanılarak elde edilen öznitelik görüntüleriyle eğitildiğinde, veri kümeleri için sırasıyla %96.4, %87.0 ve %85.6 makro f-ölçüm değerlerine ulaştığını göstermiştir. MFKK kullanılarak %94.0, %78.0 ve %78.3 ve GAAD kullanılarak %82.9, %67.4 ve %63.9 makro f-ölçüm değerlerine ulaşılmıştır. Sonuçlara göre yüksek sinyal gürültü oranına sahip akustik sinyallerle elde edilen öznitelik görüntülerinin ESA tarafından daha yüksek başarıyla sınıflandırıldığı gösterilmiştir. KZFD yönteminin MFKK ve GAAD yöntemlerine göre daha güçlü olduğu gösterilmiştir.