Uzaktan algılama amaçlı uyduların haberleşmesinde hüzme şekillendirme ve derin öğrenme tekniklerinin kullanımı

Bu tez çalışmasında, Alçak Dünya Yörüngesindeki (Low Earth Orbit, LEO) Uzaktan Algılama (UA) uyduları tarafından elde edilen görüntülerin, yer istasyonlarına aktarımında karşılaşılan zaman ve kapsama sınırlılıklarını aşmak amacıyla, Konformal Faz Kontrollü Anten Dizisi (Conformal Phased Array Antenna, CPAA) tabanlı bir çözüm önerisi geliştirilmiştir. Bu kapsamda, LEO uydusundan Yere Senkron Yörüngedeki (Geo-Stationary Orbit, GSO) bir uyduya veri iletimini sağlayacak farklı konformal anten geometrileri için hüzme şekillendirme (beamforming) mekanizmalarının modellenmesi ve değerlendirilmesi gerçekleştirilmiştir. Tezde, hüzme şekillendirme ağırlıklarının hesaplanmasında derin İleri Beslemeli Sinir Ağları (Feedforward Neural Network, FFNN) kullanılmıştır. Geleneksel İkinci Dereceden Konik Programlama (Second-Order Cone Programming, SOCP) temelli optimizasyon yöntemleri ile karşılaştırıldığında, FFNN modelinin benzer doğrulukta fakat yaklaşık 1500 kat daha kısa sürede sonuç üretmesi, önerilen yöntemin özellikle gerçek zamanlı uygulamalarda etkinliğini ortaya koymuştur. Ayrıca, GSO uydu ile iletişimde kullanılan haberleşme sistemlerinin kazanç, güç ve girişim sınırlılıkları göz önünde bulundurularak, anten yönelimi ve girişim bastırma performansları detaylı biçimde değerlendirilmiştir. Tezde önerilen yöntem, uzaktan algılama görevlerinde kritik bölgelerden elde edilen verilerin gecikmesiz ve güvenli şekilde iletimine katkı sağlamakta, aynı zamanda derin öğrenmenin uzay tabanlı haberleşme sistemlerinde uygulanabilirliğine yönelik yeni bir perspektif sunmaktadır.