NOMA tabanlı bilişsel radyo sistemlerinde sinir ağı yöntemleri ile ergodik kapasite tahmini ve başarım analizi

dc.contributor.authorNamdar, Mustafa
dc.contributor.authorGüney, Abdulkadir
dc.contributor.authorBardak, Fatma Kebire
dc.contributor.buuauthorBaşgümüş, Arif
dc.contributor.departmentBursa Uludağ Üniversitesi/Mühendislik Fakültesi/Elektrik Elektronik Mühendisliği Bölümü.tr_TR
dc.contributor.orcid0000-0002-0611-3220tr_TR
dc.date.accessioned2023-06-22T12:36:06Z
dc.date.available2023-06-22T12:36:06Z
dc.date.issued2023-01-24
dc.description.abstractBu çalışmada, bilişsel radyo (BR) tabanlı dikgen olmayan çoklu erişim tekniği (NOMA) kullanılarak, yakın kullanıcıya ait toplam ergodik kapasite değerinin, önerilen ileri beslemeli geri yayılımlı yapay sinir ağı (YSA) ve doğrusal olmayan dışsal girdili otoregresif ağ (Nonlinear Autoregressive Network with Exogenous Inputs, NARX) modeli ile farklı eğitim algoritmaları yoluyla yüksek doğruluk oranında ve hızlı eğitim sürelerinde tahmin edilmesi amaçlanmıştır. Sinir ağında kullanılan veri seti, üstel sönümleme kanalı karakteristiği ile modellenen BR-NOMA sistem modelinden elde edilmiştir. Denetimli öğrenme yöntemi kullanılarak tasarlanan YSA’ya girdi ve çıktı verileri öğretilerek yakın kullanıcıya ait ergodik kapasite tahmini yapılmıştır. YSA ve NARX sinir ağları başarımı değerlendirilirken eğitim süresi, iterasyon sayısı, ağın doygunluğa ulaşmaması durumları göz önünde bulundurulmuştur. Yakın kullanıcıya ait gerçek ergodik kapasite değeri ile ileri beslemeli geri yayılımlı YSA ve NARX ağlarının tahmin etmiş olduğu değerler karşılaştırılmıştır. Önerilen sinir ağlarının Levenberg-Marquardt, Bayesian ve Scaled-Conjugate eğitim algoritmaları altındaki performans analizi, hatanın minimuma ulaştığı epok değer grafiği, hata histogram analizi ve eğitim durum analizi açılarından incelenmiştir.tr_TR
dc.description.abstractIn this study, using the cognitive radio (CR)-based non-orthogonal multiple access (NOMA) technique, the total ergodic capacity value of the close user is estimated with high accuracy and fast training times through different training algorithms with the proposed feedforward backpropagation artificial neural network (ANN) and nonlinear autoregressive network with exogenous inputs (NARX) model. The data set used in the neural network was obtained from the CR-NOMA system model, which was modeled with the exponential fading channel characteristic. By training the input and output data to the ANN, which was designed using the supervised learning method, ergodic capacity estimates of the close user were made over the test data. While evaluating the performance of ANN and NARX neural networks, the training time, the number of iterations, and the conditions of the network not reaching saturation were taken into consideration. The actual ergodic capacity value of the close user and the predicted values of feedforward backpropagation ANN and NARX networks were compared. The performance analysis of the proposed neural networks under Levenberg-Marquardt, Bayesian and Scaled-Conjugate training algorithms has been examined in terms of epoch value graph, error histogram analysis, and training state analysis where the error reaches the minimum.en_US
dc.identifier.citationNamdar, M. vd. (2023). ''NOMA tabanlı bilişsel radyo sistemlerinde sinir ağı yöntemleri ile ergodik kapasite tahmini ve başarım analizi''. Uludağ Üniversitesi Mühendislik Dergisi, 28(1), 253-272.tr_TR
dc.identifier.endpage272tr_TR
dc.identifier.issn2148-4155
dc.identifier.issn2148-4147
dc.identifier.issue1tr_TR
dc.identifier.startpage253tr_TR
dc.identifier.urihttps://doi.org/10.17482/uumfd.1194214
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2729509
dc.identifier.urihttp://hdl.handle.net/11452/33117
dc.identifier.volume28tr_TR
dc.language.isotrtr_TR
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.relation.collaborationYurt içitr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineeringtr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBayesiantr_TR
dc.subjectBilişsel radyotr_TR
dc.subjectLevenberg Marquardttr_TR
dc.subjectNARXtr_TR
dc.subjectNOMAtr_TR
dc.subjectYapay sinir ağlarıtr_TR
dc.subjectCognitive radioen_US
dc.subjectArtificial neural networksen_US
dc.titleNOMA tabanlı bilişsel radyo sistemlerinde sinir ağı yöntemleri ile ergodik kapasite tahmini ve başarım analizitr_TR
dc.title.alternativeErgodic capacity estimation and performance analysis with deep learning methods in NOMA based cognitive radio systemsen_US
dc.typeArticleen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
28_1_19.pdf
Size:
2.3 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: