LSTM yöntemiyle RF sinyallerinde RTWP-enterferans tahmini

Günümüzde iletişim teknolojilerinin hızlı gelişimi, kablosuz haberleşme sistemlerinin toplumsal ve ekonomik yaşamdaki rolünü arttırmıştır. GSM (Global System for Mobile Communications) operatörlerinin temel hedefi, kullanıcılara kesintisiz iletişim sağlamaktır. Ancak, mobil iletişim altyapısının hızla büyümesiyle sinyal gücü ve sinyal kalitesindeki dalgalanmalar mobil kullanıcı üzerinde etkisini arttırmıştır. RTWP(Received Total Wideband Power) değeri ağın performansının önemli bir göstergesi olduğundan yüksek RTWP değerlerinin, iletişim kalitesinde düşüşe neden olduğu bilinmektedir. Uplink yönünde ölçülen RTWP değerlerinin tahmin edilmesi, baz istasyonuyla mobil terminal arasındaki kesintisiz iletişimi sağlamak için ağın optimize edilmesine yardımcı olmayı amaçlar. Bu şekilde, iletişim ağındaki girişim etkileri azaltılarak daha güvenilir bir iletişim sağlanabilir. Bu çalışma, bu sorunları ele alarak, UMTS (Universal Mobile Telecommunications System) teknolojili baz istasyonlarının uplink yönünde ölçülen RTWP (Received Total Wideband Power) değerlerini tahmin etmeyi amaçlamaktadır. Bu tahmin işlemi için LSTM (Long Short Term Memory) yöntemi kullanılmaktadır. Bu yöntem, RNN (Recurrent Neural Network) adı verilen bir tür yapay sinir ağıdır. Zaman serisi tahmin problemlerini modellemek için kullanılır. Şebeke problemlerini en aza indirmek için RTWP tahmini kullanabiliriz. Bu tahminler şebekede yapılacak optimizasyona karar vermede büyük ölçüde yardımcı olur. Eğitim verileri olarak, Şırnak Silopi'de bulunan UMTS teknolojili baz istasyonun uplink yönünde ölçülen RTWP verileri kullanılmıştır. LSTM tabanlı derin sinir ağının farklı hiperparametre değerleri ve katman sayıları denenerek en iyi performansın hangi koşullarda sağlandığı incelenmiştir. Test sonuçlarına göre, iki katmanlı ve tek katmanlı LSTM modellerinde Batch boyutu 64, iterasyon sayısı 100 değerde en düşük RMSE (Root Mean Square Error) elde edilmiştir. Bu sonuçlar, iletişim kalitesini artırmayı amaçlayan tahmin modelinin etkinliğini vurgulamaktadır.