İnsansız hava araçları ile RSSI temelli derin pekiştirmeli öğrenme yöntemi ile kablosuz sinyal kaynağı lokasyonunun belirlenmesi
Localization of wireless signal sources using RSSI-based deep reinforcement learning on unmanned aerial vehicles
- Tez No: 989397
- Danışmanlar: DOÇ. DR. ALİ FURKAN KAMANLI
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, RF tabanlı iç mekan kaynak arama problemine yönelik olarak yalnızca alınan sinyal şiddeti (RSSI) ve ataletsel ölçüm birimi (IMU) verilerini kullanan, derin pekiştirmeli öğrenme (DRL) temelli bir yönlendirme yaklaşımı önermektedir. İç mekanlarda yansıma, kırınım, gölgelenme ve çok yollu yayılım gibi etkiler RSSI'nin uzaysal olarak düzensiz ve yer yer yanıltıcı davranmasına yol açtığından, mutlak konum kestirimine dayalı klasik önce konumu tahmini, sonra yönlendirme yaklaşımı çoğu zaman ek altyapı, hassas kalibrasyon veya sahada konuşlandırılması zor donanım gereksinimleri doğurmaktadır. Bu çalışma, bu bağımlılıkları azaltmak amacıyla, doğrudan ölçümden eyleme giden bir politika öğrenimini hedefler ve sabit altyapı, çoklu anten dizileri ya da karmaşık RF ölçüm donanımı olmaksızın nano-İHA üzerinde çalışabilecek bir PPO + LSTM tabanlı denetleyici tasarlar. Politika, kolektif itki ve gövde açısal hızları (CTBR) düzeyinde kontrol üreterek yüksek seviyeli konum/hız referanslarına olan ihtiyacı azaltırken, LSTM bileşeni kısmi gözlemlenebilir yapı altında ölçüm geçmişini kullanarak RSSI dalgalanmalarının etkisini bastırmayı, yanlış yönlendiren anlık tepe/çukurları tolere etmeyi ve daha kararlı yönelim davranışları üretmeyi amaçlar. Eğitim ve doğrulama sürecinde NVIDIA IsaacSim ve IsaacLab tabanlı fiziksel simülasyon ile Sionna RT'nin ışın izleme temelli RF yayılım modellemesi bir arada kullanılarak, gerçekçi iç mekan koşullarını temsil eden çok yollu senaryolarda politikanın genellenebilirliği incelenmiştir. Bu sayede yaklaşım, farklı oda geometrileri, koridor düzenleri ve engel yerleşimlerinde çevresel değişkenliklere uyum gösteren davranışlar geliştirebilmekte; mutlak konum kestirimi yapmadan RF kaynağına doğru doğrudan yönelme ve fiziksel temas ya da görsel teyit mesafesine yaklaşma davranışını öğrenebilmektedir. Geliştirilen yaklaşımın temel katkısı, minimal sensör setiyle çalışabilen, altyapı bağımlılığı düşük, sahada hızlı konuşlandırılabilir ve gömülü sistem kısıtları altında gerçek zamanlı çalıştırılabilir bir çerçeve sunmasıdır. Ayrıca yöntem, RF kanal modelinin karmaşıklığı değiştikçe politikanın karar verme karakterinin nasıl etkilendiğini tartışmaya açarak, simülasyondan gerçeğe aktarım (sim-to-real) açısından kritik olan dayanıklılık ve uyarlanabilirlik boyutlarına da ışık tutmaktadır. Bu yönüyle tez; arama-kurtarma, savunma/güvenlik ve iç mekan RF güvenliği gibi alanlarda yeni nesil gömülü yapay zeka tabanlı otonom sistemlere temel oluşturabilecek bir yaklaşım ortaya koymaktadır.
Özet (Çeviri)
This thesis proposes a deep reinforcement learning (DRL)–based guidance approach for indoor RF source seeking that uses only received signal strength indicator (RSSI) and inertial measurement unit (IMU) observations. In indoor environments, reflections, diffraction, shadowing, and multipath propagation cause RSSI to vary irregularly in space and to be locally misleading; therefore, the classical“first estimate the source location, then navigate”pipeline often requires additional infrastructure, careful calibration, or hardware that is difficult to deploy in the field. To reduce these dependencies, this study targets a direct“measurement-to-action”policy and designs a PPO + LSTM controller that can run on a nano-UAV without fixed infrastructure, antenna arrays, or complex RF measurement equipment. The policy generates control commands at the collective thrust and body-rate (CTBR) level, thereby reducing the need for high-level position/velocity references, while the LSTM component leverages measurement history under partial observability to suppress RSSI fluctuations, tolerate misleading short-lived peaks and valleys, and produce more stable steering behaviors. For training and validation, physics-based simulation built on NVIDIA IsaacSim and IsaacLab is coupled with ray-tracing–based RF propagation modeling in Sionna RT, and the policy's generalization capability is examined in multipath scenarios representative of realistic indoor conditions. As a result, the approach can develop behaviors that adapt to variations in room geometries, corridor layouts, and obstacle configurations, learning to move directly toward the RF source and to approach a range consistent with physical contact or visual confirmation—without explicit absolute localization. The main contribution of this work is a framework that operates with a minimal sensing suite, exhibits low infrastructure dependence, supports rapid field deployment, and remains feasible for real-time execution under embedded system constraints. In addition, by discussing how the policy's decision-making characteristics are affected as the RF channel model becomes more complex, the thesis sheds light on robustness and adaptability aspects that are critical for sim-to-real transfer. In this respect, the study offers a foundation for next-generation embedded-AI autonomous systems in applications such as search and rescue, security/defense, and indoor RF safety.
Benzer Tezler
- Dron üzerinden trafik yönetimi sistem tasarımı
System design for drone controlled traffic management
ZAFER ÇALIŞKAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RADOSVETA İVANOVA SOKULLU
- İnsansız hava araçları ile iç ve dış ortam görüntülerinin mozaiklenmesi
Image mosaicing with unmanned aerial vehicles in indoor and outdoor environments
AYKUT TAHTIRVANCI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AKİF DURDU
- İnsansız hava araçları ile üretilen sayısal yüzey modellerinin doğruluğu
Accuracy of digital surface models generated by unmanned aerial vehicle
SERCAN KELEK
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriAfyon Kocatepe ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT UYSAL
- İnsansız hava araçları ile haritalama ve yapay zeka tabanlı nesne tanıma
Mapping and artificial intelligence based object recognition with unmanned aerial vehicles
AHMET FURKAN BÜYÜKKELEK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKİF DURDU
- İnsansız hava araçları ile depolanan görüntüler için güvenli bir depolama platformu
A secure storage platform for images stored by unmanned aerial vehicles
ZÜLFİYE BEYZA METİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ÖZKAYNAK