Makine öğrenme yöntemleriyle hava aracı üzerindeki haberleşme sistemlerinin kanal özelliklerinin belirlenmesi

Havacılık haberleşmesi günümüz haberleşme sistemlerinin oldukça önemli bir parçasıdır. Havacılık haberleşmesinin temeli kablosuz iletişim üzerine kuruludur. Özellikle İHA'larda kablosuz iletişim, gelecekteki kablosuz iletişim sistemlerinin ayrılmaz bir parçası olacaktır. İHA'larda gerçek zamanlı veri aktarımı çok kritiktir. Çünkü İHA'ların yer sistemlerinden sürekli olarak kontrol edilmesi gerekir ve faydalı yük verilerinin gerçek zamanlı olarak yer sistemlerine iletilmesi gerekir. İHA haberleşmesinin kesilmemesi için haberleşme sisteminin tasarlanması aşamasında dikkat edilmesi gereken hususlar vardır. Dikkat edilmesi gereken en önemli konu uçak gövdesi gölgelemesidir. İHA antenleri, uçak gövdesi gölgelemesine eğilimlidir. Antenlerin yerleştirildiği uçak yüzeyleri ana görüş hattı yolunu kapatır. Bu da haberleşmede kesilmelere sebep olur. Bir diğer önemli konu, bağlantı bütçe analizlerinde kullanılan kayıpların, gerçek zamanlı olarak değişkenlik göstermesidir. Tasarım aşamasında dikkate alınan kayıplar pratik uygulamalarda farklılık gösterdiğinden haberleşmede kesilmeler meydana gelmektedir. Bu nedenlerle, pratik uygulamalarda tüm negatif etkiler dâhil olmak üzere gözlemlenen uçtan-uca kanallar teorik hesaplamalardan oldukça farklıdır. Bu çalışmada, tüm negatif etkiler dâhil olmak üzere uçtan-uca kanal özellikleri belirlenmektedir. Kanal özellikleri modeli için geçmiş uçuşlar sırasında ölçülen verilere makine öğrenme yöntemleri uygulanmaktadır. Geçmiş uçuşlardaki yer anteni konumu, hava aracı konumu, hava aracı Euler açıları ve hava aracı alınan sinyal gücü verileri kullanılmaktadır. Her bir konum ve Euler açısı verisine karşılık gelen, yer modeminin çıkışından İHA modemi girişine kadar sinyalin maruz kaldığı bütün negatif etkiler hesaplanmaktadır. Eksik veriler ise makine öğrenme yöntemleri ile bulunmaktadır. Makine öğrenme yöntemleri ile bulunan modeller içinde en iyi sonuçların ensemble bagged trees (EBT) ve üstel Gaussian process regression (GPR) yöntemleri ile alındığı görülmüştür. Veriler işlenerek bulunan girdilerin test sonuçları, ham verilerin test sonuçlarına göre daha kötü çıkmıştır. Ancak hem işlenmiş hem de ham verilerle alınan sonuçlar teorik analiz sonuçlarından daha iyidir.