Browsing by Author "Yılmaz, Derya"

Now showing 1 - 10 of 10

Çoklu model parçacık filtrelerinde ağırlıklandırılmış istatistiksel model seçimi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Barkan Uçar, Murat; Yılmaz, Derya
Radar hedeflerinin takibindeki önemli unsurlardan birisi kullanılan algoritmanın hızıdır. Çünkü hedefler hareket halinde olduğu için gerçek zamanlı takip gerektirir. Hedef takibinde sıklıkla tercih edilen çoklu model parçacık filtresi (ÇMPF) algoritmasında, kullanılan parçacık sayısı ve hareket modellerinin tahmini için gerçekleĢtirilen iĢlem sayısı filtrenin hızını belirleyen en önemli parametrelerdir. Parçacık sayısının ve/veya model hesaplamalarının azaltılması, algoritmanın hızlanmasını sağlayarak hedeflerin gerçek zamanlı takibini kolaylaĢtıracaktır. Bu çalıĢmada, model hesaplamalarının azaltılması amacıyla ağırlıklandırılmıĢ istatistiksel model seçimi (AĠMS) adı verilen yeni bir yaklaĢım önerilmekte ve ÇMPF üzerinde gerçekleĢtirilen uygulamalarına iliĢkin sonuçlar sunulmaktadır. Önerilen algoritmanın baĢarısını değerlendirmek için, farklı senaryolar üzerinde gerçekleĢtirilen benzetimlerde, üç farklı ÇMPF kullanılmaktadır. Bu filtrelerden biri, bu tez çalıĢması için tarafımızdan önerilen yeni bir ÇMPF olup, kullanılan filtrelerden ikisine önerdiğimiz AĠMS algoritması entegre edilmektedir. Elde edilen sonuçlar iĢlem süresi ve tahmin hatası kriterleri esas alınarak karĢılaĢtırılmaktadır. Sonuçlar incelendiğinde, önerilen yaklaĢımın uygulandığı ÇMPF’lerde; iĢlem sürelerinin azaldığı ve algoritma hızının arttığı, tahmin hatasında ise önemli bir artıĢ olmadığı görülmektedir. Sonuç olarak, önerilen bu yeni yaklaĢım, radar hedeflerinin gerçek zamanlı takibinde etkin bir biçimde kullanılabilir. The algorithm speed is the most important fact for tracking of radar targets. Because it requires a real time follow-up for targets motion. In the most preferred algorithm of multi model particle filter (MMPF) for target tracking, the number of calculations for the number of particles and the maneuvering model selection is the most important parameter for determining the process speed of filter. The particle number and/or model calculations should be reduced as much as possible so the reduction of these described two facts expedites the algorithm and eases a real time follow-up. In this study, a new approach which called weighted statistical model selection (WSMS) algorithm is proposed for reduction of model calculations and the results are presented about the applications preformed on MMPF. For evaluate the success of proposed algorithm, in simulations preformed on different scenarios, three different MMPF are used. One of them is a new MMPF which is proposed by us for this thesis. The WSMS is integrated into two of these filters in simulations and the obtained results are compared based on processing time and prediction error criteria. When the results are analyzed, MMPF with the proposed model selection approach; process time decreases so algorithm speed increases, there is no significant increase for prediction error. As a result, WSMS algorithm can be used effectively for maneuvering radar targets in real time follow-up.
Comparison of SVM and ANFIS for Snore Related Sounds Classification by Using the Largest Lyapunov Exponent and Entropy
(,2013, 2013) Ankışhan, Haydar; Yılmaz, Derya
Snoring, which may be decisive for many diseases, is an important indicator especially for sleep disorders. In recent years, many studies have been performed on the snore related sounds (SRSs) due to producing useful results for detection of sleep apnea/hypopnea syndrome (SAHS). The first important step of these studies is the detection of snore from SRSs by using different time and frequency domain features. The SRSs have a complex nature that is originated from several physiological and physical conditions. The nonlinear characteristics of SRSs can be examined with chaos theory methods which are widely used to evaluate the biomedical signals and systems, recently. The aim of this study is to classify the SRSs as snore/breathing/silence by using the largest Lyapunov exponent (LLE) and entropy with multiclass support vector machines (SVMs) and adaptive network fuzzy inference system (ANFIS). Two different experiments were performed for different training and test data sets. Experimental results show that the multiclass SVMs can produce the better classification results than ANFIS with used nonlinear quantities. Additionally, these nonlinear features are carrying meaningful information for classifying SRSs and are able to be used for diagnosis of sleep disorders such as SAHS.
Comparison of SVM and ANFIS for Snore Related Sounds Classification by Using the Largest Lyapunov Exponent and Entropy
(Computational and Mathematical Methods in Medicine, 2013) Ankışhan, Haydar; Yılmaz, Derya
Snoring, which may be decisive for many diseases, is an important indicator especially for sleep disorders. In recent years, many studies have been performed on the snore related sounds (SRSs) due to producing useful results for detection of sleep apnea/hypopnea syndrome (SAHS). The first important step of these studies is the detection of snore from SRSs by using different time and frequency domain features. The SRSs have a complex nature that is originated from several physiological and physical conditions. The nonlinear characteristics of SRSs can be examined with chaos theory methods which are widely used to evaluate the biomedical signals and systems, recently. The aim of this study is to classify the SRSs as snore/breathing/silence by using the largest Lyapunov exponent (LLE) and entropy with multiclass support vector machines (SVMs) and adaptive network fuzzy inference system (ANFIS). Two different experiments were performed for different training and test data sets. Experimental results show that the multiclass SVMs can produce the better classification results than ANFIS with used nonlinear quantities. Additionally, these nonlinear features are carrying meaningful information for classifying SRSs and are able to be used for diagnosis of sleep disorders such as SAHS.
Dısturbance rejectıon and attıtude control of quadrotor wıth log
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Akyol, Pınar; Yılmaz, Derya
This thesis is about mathematical modelling, control design of a quadrotor and stating the differences between Gausissan white noise and Wind Shear turbulence. Quadrotor has four rotors and flies through the generated thrust and torques by these rotors. Altitude and attitude control of the quadrotor has always been a research subject. This thesis is focused on two main topics. Firstly, designing altitude and attitude controls of a quadrotor under Wind Shear turbulence and Gaussian white noise. Secondly, showing the different effects of the Gaussian white and Wind Shear on the quadrotor system. For mathematical model, Newton-Euler formalism is used. Linear control techniques such as, LQG and PID are used for altitude and attitude control. Kalman Filter is used for state estimation and noise filtering. Finally, the effects of wind turbulence and Gaussian white noise on the quadrotor system is examined and showed by simulations both separately and together. The results shows that, Wind Shear and Gaussian white noise had different effects on the quadrotor system and the proposed control approach successfully rejected these disturbances. Bu çalışma quadrotor’un matematiksel modellemesi, kontrol tasarımı ve beyaz Gauss gürültüsü ile rüzgar değişim türbülansının farklarını belirtmek üzerinedir. Quadrotor’ un dört adet pervanesi bulunur ve bu pervanelerin ürettiği itki ve tork ile uçar. Quadrotor’un davranış kontrolü her zaman araştırma konusu olmuştur. Bu tez iki ana noktaya odaklanmaktadır. Öncelikle quadrotor’ un Gauss gürültüsü ve rüzgar değişimi türbülansı bozucu etkileri altında davranış kontorlünü sağlayacak kontrolcüleri tasarlamak. İkici olarak da Gauss gürültüsü ile rüzgar değişimi türbülansı arasındaki ortaya koymaktır. Matematiksel model için Newton – Euler formalizmi kullanılmıştır. Doğrusal kontrol teknikleri olarak LQG ve PID kontrol kullanılmıştır. Durum tahmini ve gürültü engelleme için Kalman filtresi kullanılmıştır. Son olarak, rüzgar değişimi türbülansı ve beyaz Gauss gürültüsünün sisteme etkileri birlikte ve ayrı ayrı incelenmiş ve simulasyonla ortaya koyulmuştur. Elde edilen sonuçlar, rüzgar değişimi türbülansı ve beyaz Gauss gürültüsünün sistemde farklı etkilere yol açtığını ve bu çalışmada önerilen yaklaşımın bu bozucu etkileri başarılı bir şekilde giderdiğini göstermektedir.
Füze üstü telemetre verileri iletim menzilinin sıkıştırma yöntemleri ile arttırılması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Sağlam, Aslı; Yılmaz, Derya
Telemetre, kelime anlamı olarak 'uzaktan ölçüm alma' anlamına gelmektedir. Telemetre kavramı, bir sistemin uzaktan kontrol edilmesi ya da izlenmesi amacıyla; sisteme ait çeşitli verilerin anlık olarak elde edilmesini ve bir merkeze iletilerek kaydedilmesini sağlayan uygulamaları kapsar. Telemetre günümüzde; elektrik, su, gaz üretim tesislerinde; haberleşme sistemlerinde; biyomedikal sistemlerde ve bilimsel çalışmalar için dünya üzerinde ve uzayda kurulan sistemlerden ölçüm alınmasında vb. birçok alanda kullanılmakta ve füzeler, uçaklar, tüm hareketli sistemler için; yapılan testlerdeki veri toplama işlemini tanımlamaktadır. Telemetre verileri; füzenin uçuşlu testleri esnasında RF bağlantı ile yer istasyonuna aktarılan sensör verilerini, Küresel Konumlama Sistemi (Global Positioning System, GPS) verilerini ve çeşitli güdüm verilerini içeren veri katarlarıdır. Telemetre testleri, bir aracın/sistemin kalifikasyonu öncesinde/sonrasında gerçekleştirilen ve tasarım çalışmalarını doğru yönlendirmek amacıyla aracın/sistemin performansıyla ilgili verilerin toplandığı testlerdir. Türkiye’de devlet ve ordunun gereksinimlerine göre farklı türlerde füzeler için tasarım çalışmaları başarıyla sürdürülmekte olup belirli atış alanlarında bu füzelerin telemetre testleri gerçekleştirilmektedir. Bu testlerde elde edilen veriler, tasarım çalışmalarının denetlenmesi ve iyileştirilmesi amacıyla kullanılmaktadır. Telemetre verilerinin tasarım sürecindeki etkisi göz önüne alındığında, testlerin mümkün olduğunca fazla veri toplanarak gerçekleştirilmesi önemlidir. Bu bağlamda telemetre sisteminin, daha çok verinin daha az maliyetle aktarımını sağlayacak biçimde geliştirilmesi bir gereksinimdir. Telemetre verilerinin sıkıştırılarak aktarılması bu gereksinimin karşılanmasında etkili olacaktır. Literatürde yalnızca aktarılan verilerin saklanması sırasında sıkıştırma algoritmalarına başvurulduğu anlaşılmaktadır. Bu durum; yüksek menzile sahip füzelerde, bant genişliği yüksek olan verilerin alınmasına engel teşkil etmekte ve iyileştirilmesi gereken bir haberleşme yöntemi olarak ön plana çıkmaktadır. Bu çalışmada, veri boyutundaki azalmanın menzil üzerindeki etkilerinin değerlendirilmesi amacıyla; telemetre verileri sıkıştırılarak veri boyutu azaltılmakta ve aktarılması gereken veri miktarındaki azalmanın RF haberleşme menziline etkileri link bütçesi hesabı yapılarak incelenmektedir. Gerçekleştirilen çalışmada, mevcut telemetre formatlarındaki veriler sentetik olarak üretilmiş ve askeri hassasiyette bilgi taşıyan bu verilere çeşitli kayıpsız veri sıkıştırma algoritmaları uygulanarak performansları değerlendirilmiştir. Çalışma kapsamında yapılan hesaplamalarda, RF haberleşmede etkili olabilecek diğer özellikler (örn. modülasyon tipi, almaç özellikleri, anten çeşitleri, vb) sabit tutulmuştur. Elde edilen sonuçlar, aynı sistemlerin kullanılacağı varsayılan testlerde; verinin sıkıştırılması sayesinde veri boyutundaki ve dolayısıyla ihtiyaç duyulan bant genişliğindeki azalmanın haberleşme menzilini arttırdığını göstermektedir. Dictionary definition of the word ‘telemetry’ is ‘measurement from a distance’. Telemetry notion thus has been used to define the applications aiming to control or observe a system remotely, to record instantaneous data obtained from these systems (via various measurement devices) and to collect all relevant performance data in a data center. Currently, electrical facilities, natural gas production facilities, communication systems, biomedical systems, space stations and vehicles are some of the major areas that use telemetry for their measurements. Also; the design stage of aircrafts, rockets and missiles require telemetry applications as they require validation of design by comparing performance data from actual vehicles. Telemetry data of a missile in design stage, typically include measurements of various on-board sensors, GPS (Global Positioning System) data, guidance commands created by the missile computer, position of flaps and so on. These data are collected by an internal processor and later transmitted via wireless communication to a ground station, where they can be investigated by the design engineers to see if they align with pre-flight predictions. In Turkey, there are on-going design and production work for different types of missile projects; created by the needs of Turkish Armed Forces and the state. For the flight tests, different test ranges are assigned according to the requirements of different projects and many telemetry tests are performed with success each year. The collected telemetry data are then used to see if the design engineering was performed in the right way to obtain a missile meeting the requirements of that certain project. This critical role of telemetry tests lead to the importance of collecting as much data as possible with minimum error. Compression of telemetry data pre-transmission shows itself as an answer to the question of increasing the amount of data obtained per-flight. Literature search for usage of data compression methods for missile/rockets, show results in mostly applications of compression in the data recording/storing stage. However, data bandwidth in missile telemetry tests limit the communication range of the test and amount of information obtained in the test and data compression performed on-board might be a solution for this problem. This study aims to investigate the effects of data compression, thus decreased data bandwidth on the RF communication range in missile telemetry tests. For this purpose, different data compression methods are performed on fabricated (assumed) telemetry data, the decrease in data amount are compared and effects on RF parameters are investigated using link budget calculations. Other communication parameters such as signal modulation type, receiver specifications, antenna types, etc. are accepted as constants to see the effect of data size only. The results are compatible with the hypothesis; as they show increase in communication range after a decrease in data bandwidth, as expected.
Havadan yere atılan bir füze için farklı güdüm algoritmalarının karşılaştırmalı analizi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2019) Yılmaz, Gözde; Yılmaz, Derya
Bu tezde; hareketsiz, sabit hızlı ve sabit ivmeli hedef tipinin kullanıldığı senaryolar için iki farklı füze dinamiğinin kullanıldığı kapsamlı bir füze hareket modeli üzerinde literatürdeki yaygın güdüm algoritmaları karşılaştırılmıştır. Atmosfer, güdüm, otopilot ve füze dinamiği modellerini içeren ve istenen füze aerodinamik veri tabanını kullanmaya elverişli bir füze modeli oluşturularak füzenin üç serbestlik dereceli hareketi modellenmiştir. Aerodinamik kuvvet ve momentler ile otopilot kazançları için gerekli olan aerodinamik veri tabanı, füze geometrisine göre Missile DATCOM yazılımı ile elde edilmiştir. Literatüre katkı sağlamak amacıyla ivme ve açı çıkışlı güdüm algoritmaları arasından seçilen yedi algoritma ile üç farklı senaryo için yapılan benzetimler, iki füze geometrisi ile tekrarlanmış, modelin ivme ve açı çıkışlı güdüm algoritmalarına uygun çalışabilmesi için iki otopilot modeli kullanılmıştır. İvme çıkışlı güdüm algoritmalarından Saf Oransal Seyrüsefer Güdümü (SOSG), Gerçek Oransal Seyrüsefer Güdümü (GOSG), Genişletilmiş Oransal Seyrüsefer Güdümü (GNOSG), Parabolik Hedef Takibi Güdümü (PHTG) ve Hız Takibi Güdümü (HTG); açı çıkışlı güdüm algoritmalarından Doğrusal Hedef Takibi Güdümü (DHTG) ile Gövde Takibi Güdümü (GTG) uçuş profilleri, uçuş süresi, füzeye yaptırdığı en yüksek manevra değeri ve füzenin hedefi yakalama performansı bakımından karşılaştırılmıştır. Oluşturulan kapsamlı füze modeli ve değerlendirilen çok sayıda kriter ile güdüm algoritmaları hakkında kapsamlı bir analiz çalışması elde edilmiştir. Gerçekleştirilen çok sayıda benzetimin sonucunda, güdüm algoritmalarının performanslarının hedef tipine ve füze dinamiğine bağlı olduğu gözlemlenmiştir. In this thesis, it is aimed to compare common guidance laws in literature on a comprehensive missile motion model which two different missile dynamics are used for scenarios with stationary, fixed speed and fixed accelerated target type. Three degree of freedom movement of the missile was modeled by setting a model of the missile including the atmosphere, guidance, autopilot and missile dynamics suitable for operating the aerodynamic database of the desired missile. The aerodynamic database required for aerodynamic forces, moments and autopilot gains has been obtained by Missile DATCOM software according to missile geometry. In order to contribute to the literature, simulations for three different scenarios with seven algorithms selected from acceleration and angle-output algorithms were repeated with two missile geometries and two autopilot models were used in order to operate the model in accordance with acceleration and angle output guidance laws. Pure Proportional Navigation (PPN), True Proportional Navigation (TPN), Augmented Proportional Navigation (APN), Parabolic Homing Guidance (PHG) and Velocity Pursuit Guidance (VPG) as acceleration output guidance laws and Linear Homing Guidance (LHG) and Body Pursuit Guidance (BPG) as angle output guidance laws were compared in terms of flight profiles, flight time, maximum maneuvering value of the missile and target capture performance. Comprehensive analysis study about the guidance laws has been obtained with formation of the comprehensive missile model and evaluation of many criteria. The dependence of the performance of the guidance laws on the target type and missile dynamics was observed according to the results of many simulations performed.
Parkinson hastalığının tuş vuruş datası kullanılarak tespiti
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2019) Tamson, Nezif; Yılmaz, Derya
Parkinson; genellikle ellerde ve ayaklarda titreme, kaslarda sertlik, hareketlerde zorluk ve duruş bozukluğu belirtileriyle ortaya çıkan ve kademeli olarak ilerleyen bir sinir sistemi hastalığıdır. Parkinsonun teşhisi için yapılan çalışmalarda kuvvet ve ivme sensörleri, salınım fazları ve eylemsizlik ölçümleri kullanılarak; yürüme, duruş ve hareket bozukluğu karakteristikleri incelenmiştir. Son yıllarda mevcut teşhis yöntemlerine göre üstün yönleri nedeniyle bu hastalığın tespitinde, insan-bilgisayar etkileşiminden hareketle; Parkinson hastalarının klavye kullanımlarına ilişkin tuş vuruş dinamiklerinden elde edilen verilerin değerlendirilmesi önem kazanmıştır. Bu çalışmada, sağlıklı ve Parkinson hastası bireylerden günlük bilgisayar kullanımı sırasında kaydedilen tuş vuruş verileri analiz edilerek, Parkinson hastalığının tespiti üzerinde çalışılmıştır. Verilerden; yüksek dereceli momentler, entropiler, simetri bozukluğu ve istatistiksel nicelikler başta olmak üzere toplam 14 özellik hesaplanmıştır. Ayırt edici özellikler, istatistiksel testler ve Rastgele Orman (RO) algoritması kullanılarak, Destek Vektör Makinesi (DVM) ve k En Yakın Komşu (kEYK) sınıflayıcılarına uygulanmıştır. Sınıflayıcılar; eğitim ve test oranlarının 50-50 ve 30-70 olduğu iki farklı durumda, 646 ve 515 veri içeren iki veri kümesi için çalıştırılmıştır. En yüksek doğruluk oranları kEYK sınıflayıcısıyla; 646 veri için 83,78% eğitim ve 80,15% test; 515 veri için de 86,64% eğitim ve 82,4% test olarak elde edilmiştir. Çalışmanın sonuçları, tuş vuruş dinamiklerinin Parkinson hastalığının tespitinde kullanılabileceğini göstermiştir. Parkinson’s Disease (PD) is a neurological movement disorder that occurs in the hands and feet with tremor, rigidity, slowing of movements and difficulty walking and postural instability. Generally; the measures from force sensors, accelerometers and inertia measurement units used to gain informations about gait, posture and disorderly movements have been studied for analyzing the PD’s characteristics. In the last few years, due to the superior aspects of the current diagnostic methods, based on human-computer interaction; evaluation of data obtained from keystroke dynamics of keyboard use of Parkinson's patients has gained importance. In this study total 14 features, including asymmetry, entropies, high degree momentums and statistical quantities were calculated from datas and have been studied to determine the PD. All these significant features, statistical tests and Random Forest algorithms were used and applied to the inputs of two-class Support Vector Machines (SVM) and k Nearest Neighbor (kNN). The classifier accuracies were both found for training and testing in terms of 50-50 & 30-70 respectively. These results are listed for both 646 and 515 records. The obtained features were evaluated in four different cases. In all cases, the highest test accuracy is 80,15% (training: 83,78%) for 646 records and 82,4% (training: 86,64%) for 515 records, found by kNN classifier. These results shown that keystroke datas are able to used for PD diagnosing instead of other sensor measures.
Tekil değer ayrışımına dayalı on koşullama ile iyileştirilmiş sıkıştırmalı örnekleme verilerinin sınıflandırılması
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2023) Orman, Özgür Devrim; Yılmaz, Derya
Günümüzde aktarılan, depolanan ve işlenen veri miktarının hızla artıyor olması nedeniyle, veri iletim, saklama ve veriden bilgi üretimi alanlarında yenilikçi çözümlere her geçen gün daha fazla gereksinim duyulmaktadır; Sıkıştırmalı Örnekleme (SÖ) veri aktarım ve depolama, Sıkıştırmalı Sınıflama (SS) da veri sınıflama için yenilikçi çözüm sunan iki yaklaşımdır. SÖ, Shannon örnekleme teoreminde gerek duyulan miktardan daha az sayıda örnekle kayıpsız bir geri çatımı yüksek olasılıkla mümkün kılmaktadır. SS ise SÖ ile üretilen ölçüm uzayında gerçekleştirildiği için işlenen vektörlerinin boyut azaltımından kaynaklı işlem ekonomisi ve operasyon avantajları sağlamaktadır. SÖ’de kullanılan ölçüm matrisine Ön koşullama (ÖK) uygulanmasıyla geri çatım için gerekli örnek sayısı, dolayısıyla iletimi/saklanması gereken veri miktarı azaltılabilmektedir. Ayrıca, ölçüm matrisinin Tekil Değer Ayrışımı (TDA) ile iyileştirilmesinin geri çatım başarımına katkısının deneysel incelemesi de literatürde mevcuttur. Bu tezdeki yenilikler; SÖ’de ölçüm matrisinin TDA ile iyileştirildiği yaklaşımın bir ÖK olarak formüle edilip TDA-ÖK olarak adlandırılması, TDA-ÖK yaklaşımının geri çatım için gerekli örnek sayısını azaltacağının teorik ispatı ve bu neticeyi inceleyen iki farklı Monte Carlo (MC) benzetiminin gerçekleştirilmesi, TDA-ÖK kullanımının SS başarımına etkilerinin üç farkı sınıflama metodu (En Yakın K-Komşu (EYKK), Rasgele Orman (RO) ve Destek Vektör Makineleri (DVM)) kullanarak beş farklı veri kümesi (MNIST, Fashion MNIST, Chinese MNIST, Sign MNIST ve WARD) üzerinde gerçekleştirilen SS uygulamalarıyla incelenmesidir. Tezde elde edilen bulgulardan birisi TDA-ÖK’nın SS sonuçları üzerindeki etkisine dair kesin bir tanımlama yapılmasının mümkün olmadığıdır. Elde edilmiş diğer bir bulgu da SÖ ile üretilen ölçüm verilerinin sınıflanmasında EYKK’nin diğer iki yönteme göre daha iyi sonuç verdiğidir. EYKK ile sınıflamaya dair bir başka bulgu da boyut azaltımında %25 ve %50 sıkıştırma oranları için SÖ’nün Temel Bileşen Analizi’ne (TBA) yakın bir alternatif oluşturmasıdır. Örnek verilebilecek diğer bir bulgu da incelenen boyut azaltım uygulamaları ve veri setleri için RO’nun kesinlik ve anımsama başarımının birkaç istisnai durum hariç sınıflama öncesi boyut azaltımından olumsuz etkilendiğidir. Compressive Sensing (CS) and Compressive Classification (CC) are the methods targetting transmission, storage, and information extraction fields of data that progressively demand innovative solutions due to the rapid increase in the amount of data transferred, stored, and processed in the modern world. CS enables lossless reconstruction with high probability with fewer samples than is required in the Shannon sampling theorem. In connection with that gain, CC, which runs on the measurement space generated by CS, provides economy in computation and advantages in operation. In the literature, it is well known the number of samples required for reconstruction and the amount of data to be transmitted/stored reduce by applying preconditioning (PC) to the measurement matrix (MM) in CS. In addition, MM enhancement via the Singular Value Decomposition (SVD) and reconstruction performance relation are also experimentally studied in the literature. Merging MM enhancement via the SVD approach and PC by reformulation is the first contribution in this thesis. At the same time, the other contributions are; naming this combined approach as SVD-PC, analytical proof of reduction of the number of required samples in reconstruction by applying SVD-PC in CS, development of two Monte Carlo simulations for probing the proven outcome of SVD-PC, experimental investigation of the effects of SVD-PC on CC via utilizing three different classification methods (K-Nearest Neighbours (KNN), Random Forest (RF) and Support Vector Machines (SVM)) over five different data sets (MNIST, Fashion MNIST, Chinese MNIST, Sign MNIST, and WARD). One of the findings obtained in the thesis is a precise definition of the effect of SVD-PC on CC performance cannot be made according to the results. Another finding from the observations in this thesis is that, KNN gives better results than the other two methods in classifying the data produced by CS. Moreover, as for classification with KNN, another finding is that CS seems like a close alternative to Principal Component Analysis (PCA) for 25% and 50% compression ratios in dimension reduction. Another exemplary finding in the thesis is that the precision and recall performances of RF are adversely affected by the dimension reduction before classification, with a few exceptions.
Tıkayıcı uyku apnesinin konuşma seslerinin doğrusal olmayan zaman serisi analizleri ve akıllı karar verme yöntemleri ile tespiti
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2023) Kantar Uğur, Tuğçe; Yılmaz, Derya; Yıldız, Metin
Tıkayıcı uyku apnesi (TUA) yaygın görülen uyku bozukluklarından biridir. TUA’nın altın standart tanı yöntemi olan polisomnografi (PSG) tetkikinin uygulanmasında karşılaşılan zorluklar nedeniyle bu alandaki çalışmalar, PSG’ye alternatif olarak kullanılabilecek çeşitli yaklaşımların geliştirilmesi üzerine yoğunlaşmıştır. TUA’nın kişiler uyanık durumdayken kaydedilen konuşma/ses sinyalleri kullanılarak tespiti, son yıllarda önemli bir araştırma alanı haline gelmiştir. Yapılan çalışmalarda, genellikle ünlü sesler ve bazı geniz ünsüzleri klasik ses analizleri ile incelenmiş ancak sonuçlar klinik uygulamaya aktarılabilecek başarı seviyelerine ulaşamamıştır. Bu tez çalışması, sesin doğasında var olan kaotik davranışın doğrusal olmayan analiz yaklaşımlarıyla incelenmesi, klasik ses analizlerinin layıkıyla ortaya çıkaramadığı dinamiklerin eldesini sağlayarak TUA tespitinde etkili sonuçlar üretebilir düşüncesiyle planlanmıştır. Doğrusal olmayan zaman serisi analizi olarak bilinen ve temellerini kaos teorisinden alan yöntemler, çeşitli öznitelikler ve makine öğrenmesi kullanılarak, TUA’nın tespiti ve TUA derecesinin (hafif, orta, ağır apne) belirlenmesine yönelik çalışmalar gerçekleştirilmiştir. Çalışmada, TUA’lı olan kişilerin sesinde değişiklik oluşturma potansiyeli olan 32 ses belirlenerek, 141 denekten kayıt alınmıştır. Analiz sonuçları ünlü, ünsüz ve tüm sesler için değerlendirilerek sınıflandırma çalışmaları yapılmış ve en iyi sonuç ünsüz seslerde elde edilmiştir. Ünsüz sesler için yapılan incelemede her bir denek için 336 öznitelik (28 ses × 12 öznitelik) hesaplanmış, ANOVA özellik seçme yöntemi ile sağlıklı/TUA sınıflandırması için 5, apne derecesi sınıflandırması için 14 öznitelik seçilmiştir. K-en yakın komşuluk (K-EYK) ve destek vektör makineleri (DVM) sınıflandırıcılarının çeşitli konfigürasyonları kullanılarak, sağlıklı/TUA tespitinde %95,1, TUA derecelerinin sınıflandırılmasında ise %82 doğruluk elde edilmiştir. Gerçekleştirilen çalışmalar, TUA’nın varlığının ve TUA derecesinin, birkaç farklı ses örneğinden hesaplanan az sayıdaki doğrusal olmayan özellikle, PSG sonuçlarıyla tutarlı olarak (basit horlama, hafif, orta ve ağır TUA) yaklaşık 15 dakika içinde belirlenebileceğini göstermiştir. Sonuç olarak literatürdeki en yüksek sağlıklı/TUA sınıflandırma doğruluk oranına ulaşılmıştır. Ayrıca, konuşma seslerinden TUA derecesinin belirlenmesi konusunda, literatürde bu alandaki ilk çalışma olup, oldukça yüksek bir doğruluk elde edilmiştir.Obstructive sleep apnea (OSA) is a prevalent sleep disorder. Due to the challenges encountered in the application of polysomnography (PSG), which is the gold standard diagnostic method for OSA, research in this field has been focused on the development of various approaches that can be used as alternatives to PSG. Detection of OSA using speech/voice signals recorded while individuals are awake has become a significant area of research in recent years. In previous studies, typically vowels and some nasal consonants were examined with classical voice analysis, but the results did not reach success levels that could be translated into clinical practice. This thesis study was designed with the idea that exploring the chaotic behavior inherent in voice through nonlinear analysis approaches could yield effective results in detecting OSA by capturing dynamics that classical voice analyses cannot adequately reveal. Methods known as nonlinear time series analysis, based on chaos theory, were employed, incorporating various features and machine learning to detect OSA and determine its severity (mild, moderate, severe apnea). In this study, 32 voices with the potential to induce changes in the voices of individuals with OSA were identified, and recorded from 141 subjects. The analysis results were evaluated for vowels, consonants, and all voices, and classification studies were conducted, with the best results obtained for consonants. In the analysis of consonants, 336 features (28 voices × 12 features) were calculated for each subject. Five features were selected for healthy/OSA classification, and 14 features were selected for apnea severity classification, using the ANOVA feature selection method. By employing various configurations of K-nearest neighbors (K-NN) and support vector machines (SVM) classifiers, the study achieved a 95.1% accuracy in detecting healthy/OSA and an 82% accuracy in classifying OSA severity. The studies demonstrated that the presence of OSA and the OSA severity could be determined within approximately 15 minutes, consistent with PSG results (simple snoring, mild, moderate, and severe OSA), using a small number of nonlinear features calculated from various sound samples. As a result, the study achieved the highest healthy/OSA classification accuracy rate in the literature. Additionally, it is the first study in the literature to determine the OSA severity from speech, achieving a very high accuracy.
Tıkayıcı uyku apnesinin konuşma sinyallerinin doğrusal olmayan analizleri ile tespit edilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2020) Uyar Toprak, Yasemin; Yılmaz, Derya
Tıkayıcı Uyku Apnesi (TUA) en sık görülen uyku bozukluklarından biridir. TUA Altın Standart Tanı Yöntemi Polisomnografidir. TUA tanısı, bir gece uykusu boyunca çok sayıda fizyolojik parametrenin kaydı ve bu kayıtların skorlanması sonucunda konulabilmektedir. Uygulanması sırasında karşılaşılan zorluklar ve maliyetinin yüksek olması nedeniyle, son yıllarda TUA tespitinde Polisomnografinin yerine basitleştirilmiş yaklaşımların geliştirilmesine yönelik çalışmalar önem kazanmıştır. Hastaların evlerinde kendi başlarına kaydedebilecekleri fizyolojik parametrelerin ve TUA belirteçlerinden biri olan horlama seslerinin değerlendirilmesini içeren çalışmalar, apne tespitinde belli oranda başarı göstermişlerdir. Ancak bu yöntemlerde gece boyunca kayıt yapılması dezavantajı ortadan kaldırılamamıştır. Son yıllarda, solunum ve ses yolunun ortak olmasını dikkate alan çalışmalarda, hastalar uyanıkken kaydedilen birkaç dakikalık ünlü harfleri içeren konuşma seslerinin klasik ses analizleriyle değerlendirilmesi yaklaşımıyla TUA tespitine odaklanılmıştır. Bu çalışmada, literatürdeki çalışmalardan farklı olarak, TUA hastalarında uyku sırasında sarkarak solunum yolunu tıkayan kaslar (art damak, yumuşak damak, küçük dil veya dil kökü) tarafından üretilen ünsüz sesler kullanılarak yüksek doğrulukla TUA tespiti yapmak amaçlanmıştır. Çalışmada, 20 TUA hastası ve 20 sağlıklı denekten alınan; {/ca/, /ci/, /cı/, /cu/, /ga/, /gi/, /gı/, /gu/, /ha/, /hi/, /hı/, /hu/, /ka/, /ki/, /kı/, /ku/, /na/, /ni/, /nı/, /nu/, /sa/, /si/, /sı/, /su/} ünsüz ve {/a/, /i/, /ı/, /u/} ünlü seslerin doğrusal olmayan doğasını ortaya koyan özellikleri hesaplanmış ve bunların TUA tespit başarımları, K En Yakın Komşu (K-EYK) ve Destek Vektör Makineleri (DVM) sınıflayıcılarıyla değerlendirilmiştir. Öncelikle doğrusal olmayan özelliklerle sadece ünlü, sadece ünsüz ve tüm sesler için sınıflama yapılmıştır. Ardından, doğrusal olmayan özelliklere klasik ses analizlerinde kullanılan bazı özellikler eklenerek, yapılan sınıflama işlemleri tekrarlanmıştır. Doğrusal olmayan özelliklerle elde edilen TUA tespit doğrulukları; ünlü, ünsüz ve tüm sesler için sırasıyla, K-EYK ile %97,5, %97,5 ve %100; DVM sınıflayıcısıyla %95, %97,5 ve %96,25 olmuştur. Hem doğrusal olmayan hem de klasik ses analizine ait özelliklerin birlikte kullanıldığı sınıflamalarda ise K-EYK sınıflama doğruluğu sadece ünlü seslerde artarak %100'e ulaşmış, diğer gruplarda neredeyse değişiklik olmamıştır. Bu uygulamadaki DVM doğrulukları ise ünlüler ve tüm sesler için bir miktar artarken (%98,75), ünsüz seslerde (%97,5) değişmemiştir. Bu sonuçlar, ünsüz sesler için doğrusal olmayan özelliklerin ayırt edici olduğunu göstermektedir. Elde edilen sonuçlar, doğrusal olmayan özelliklerin hem ünsüz hem de ünlü sesler için, klasik ses analizleri ile literatürde elde edilenlerden çok daha yüksek TUA tespit başarımı sağladığını göstermektedir. Sonuç olarak bu tez çalışmasında, TUA hastası kişilerden alınacak birkaç dakikalık ses kaydı ve doğrusal olmayan analizlerle daha önce klasik ses analizlerini kullanarak TUA tespiti yapan çalışmaların ulaştığı başarım değerlerinin oldukça üzerinde değerlere ulaşılmıştır. Çalışmada önerilen sistemin, başarılı TUA ön tanısı yapılabileceği öngörülmektedir. Obstructive Sleep Apnea (OSA) is one of the most common sleep disorders. Polysomnography is a gold standard diagnostic method for OSA. OSA can be diagnosed as a result of recording many physiological parameters of patients during a night's sleep and scoring these records. Due to the difficulties encountered during its implementation and the high cost, the studies for the development of simplified approaches instead of Polysomnography in OSA detection have gained importance in recent years. Studies involving the evaluation of physiological parameters and snoring sounds, which are one of the OSA markers, that patients can record on their own at home, have shown some success in the detection of apnea. However, in these methods, the disadvantage of recording night long could not be eliminated. In recent years, studies, that take into account the commonness of the respiratory and vocal tract, focus on OSA detection with the approach of evaluating the speech sounds containing a few minutes of vowels recorded while patients are awake by using the classical sound analysis. In this study, unlike the studies in the literature, it was aimed to detect OSA with high accuracy using consonant sounds produced by the muscles (art palate, velum, uvula or tongue root) that shake during sleep and block the airway in OSA patients. In the study, the characteristics revealing the nonlinear nature of consonant {/ca/, /ci/, /cı/, /cu/, /ga/, /gi/, /gı/, /gu/, /ha/, /hi/, /hı/, /hu/, /ka/, /ki/, /kı/, /ku/, /na/, /ni/, /nı/, /nu/, /sa/, /si/, /sı/, /su/} and vowel {/a/, /i/, /ı/, /u/} sounds obtained from 20 OSA patients and 20 healthy subjects were calculated, and their OSA detection performances were evaluated with the K Nearest Neighbors (K-NN) and Support Vector Machines (SVM) classifiers. Firstly, classification is made only for vowels, only consonants and all sounds with nonlinear features. Then, some properties used in classical sound analysis were added to the nonlinear features and the classification procedures were repeated. OSA detection accuracies obtained with nonlinear features were found as 97.5%, 97.5% and 100% (with K-NN); 95%, 97.5% and 96.25% (with DVM), for vowels, consonants and all sounds, respectively. In classifications where both non-linear and classical sound analysis features are used together, K-NN classification accuracy increased only in vowel sounds and reached 100%, while other groups almost did not change. DVM accuracies in this application were slightly increased for vowels and all voices (98.75%), but did not change for consonant voices (97.5%). These results indicate that nonlinear features are distinctive for consonant sounds. The obtained results show that nonlinear features provide much higher OSA detection performance for both consonant and vowel sounds than those reported in the literature with classical sound analysis. As a result, in this thesis study, we reached higher values with a few minutes of voice recording to be taken from OSA patients and nonlinear time series analysis than those achieved by previous studies, using traditional sound analysis. It is anticipated that the system proposed in the study can successfully make pre-diagnosis of OSA.