HAPS ağları için optimizasyon uygulamaları

İletişimin insan yaşamındaki vazgeçilmez önemi her geçen gün daha da artırmaktadır. Bu durum, iletişim alanında yeni teknolojilerin geliştirilmesini teşvik etmektedir. Kablosuz iletişimde yaygın olarak kullanılan teknolojilerden bir tanesi karasal ağlar (terrestrial networks, TN) olarak bilinmektedir. Ancak, modern dünyada değişen yaşam koşulları ve özellikle şehir merkezlerinden uzak bölgelerde TN teknolojisinin yetersiz kalması, karasal olmayan ağların (non-terrestrial networks, NTN) önem kazanmasına yol açmıştır. NTN, yeryüzü sınırlarının ötesinde hizmet sunan, uzay tabanlı iletişim ağlarını kullanarak bağlantı imkanı sağlayan bir iletişim altyapısını ifade eder. Bu ağlar, küresel ölçekte kapsama alanı sağlamada ve altyapının sınırlı olduğu ya da hiç bulunmadığı bölgelerde hizmet verilmesinde kritik bir rol üstlenmektedir. NTN teknolojileri arasında yer alan yüksek irtifa platform istasyonları (high altitude platform stations, HAPS) sağladıkları avantajlar sayesinde kablosuz iletişim alanında giderek daha fazla ilgi görmektedir. HAPS, TN'lere kıyasla birçok avantaj sunarak daha verimli ve etkili bir çözüm haline gelmiştir. Ancak bu teknoloji, gelişim aşamasında olup istenen seviyeye henüz tam olarak ulaşamamıştır. HAPS sistemlerinin hedeflenen performans seviyelerine ulaşabilmesi için çeşitli optimizasyon algoritmaları kullanılmaktadır. Bu noktada, pil ömrünün ve hava koşullarına dayanıklılığının artırılması, iletişim sistemlerinin iyileştirilmesi gibi konular üzerinde yoğun çalışmalar yapılmaktadır. İletişim kalitesinin artırılması kapsamında; daha fazla kullanıcıya hizmet sağlanması, veri iletim hızlarının artırılması ve sistem performansının iyileştirilmesi gibi hedefler ön plandadır. Bu tez çalışmasında, HAPS sistemlerindeki kablosuz iletişimde önemli bir performans göstergesi olan toplam oran (sum-rate) parametresi parçacık sürü optimizasyonu (partical swarm optimization, PSO), yapay arı kolonisi optimizasyonu (artifical bee colony, ABC) ve gri kurt optimizasyonu (gray wolf optimization, GWO) algoritmaları kullanılarak optimize edilmiş; GWO algoritması için, farklı hava koşulları, farklı baz istasyonu sayıları, bina içi ve bina dışı kullanıcı durumları, farklı çalışma frekansları gibi farklı senaryolar değerlendirilerek elde edilen optimizasyon sonuçları karşılaştırılmıştır.