TC

DİCLE UumlNİVERSİTESİ

FEN BİLİMLERİ ENSTİTUumlSUuml

ACcedilIKLIK KUPLAJLI MİKROŞERİT YAMA ANTENİN

REZONANS FREKANSININ YAPAY SİNİR AĞLARI İLE

BELİRLENMESİ

İsa ATAŞ

YUumlKSEK LİSANS TEZİ

ELEKTRİK-ELEKTRONİK MUumlHENDİSLİĞİ ANABİLİM DALI

DİYARBAKIR

Şubat ndash 2011

TC DĠCLE UumlNĠVERSĠTESĠ

FEN BĠLĠMLERĠ ENSTĠTUumlSUuml MUumlDUumlRLUumlĞUuml

DĠYARBAKIR

Ġsa ATAġ tarafından yapılan ldquoAccedilıklık Kuplajlı MikroĢerit Yama Antenin

Rezonans Frekansının Yapay Sinir Ağları Ġle Belirlenmesirdquo konulu bu ccedilalıĢma

juumlrimiz tarafından Elektrik-Elektronik Muumlhendisliği Anabilim Dalında YUumlKSEK

LĠSANS tezi olarak kabul edilmiĢtir

Juumlri Uumlyeleri

BaĢkan Yrd Doccedil Dr M Bahattin KURT

Uumlye Yrd Doccedil Dr M Siraccedil OumlZERDEM

Uumlye Yrd Doccedil Dr Orhan ARPA

Tez Savunma Sınavı Tarihi 15022011

Yukarıdaki bilgilerin doğruluğunu onaylarım

Prof Dr Hamdi TEMEL

Enstituuml Muumlduumlruuml

i

TEŞEKKUumlR

Bu tez ccedilalışmasında değerli zamanını ayırıp danışmanlığımı uumlstlenen ve her

konuda desteğini esirgemeyen Sayın Yrd Doccedil Dr M Bahattin Kurt hocama sonsuz

teşekkuumlrlerimi sunarım

Ccedilalışmalarımın başından itibaren değerli katkıları ile beni youmlnlendiren ve

bilimsel ccedilalışma mantığını kazanmama yardımcı olan ağabeyim Musa ATAŞrsquo a

teşekkuumlruuml bir borccedil bilirim

Tez ccedilalışmamı hazırlarken bana her zaman destek olan ve yardımlarını

esirgemeyen beni sabırla bekleyen ve bana sonsuz anlayış goumlsteren aileme teşekkuumlr

ederim

ii

İCcedilİNDEKİLER

Sayfa

TEŞEKKUumlR I

İCcedilİNDEKİLER II

OumlZET V

ABSTRACT VI

CcedilİZELGE LİSTESİ VII

ŞEKİL LİSTESİ VIII

EK LİSTESİ IX

SİMGELER VE KISALTMALAR X

1 GİRİŞ 1

2 OumlNCEKİ CcedilALIŞMALAR 3

3 MATERYAL VE METOD 5

31 Temel Anten Parametreleri 5

311 Işınım Modeli (Radiation Pattern) 5

312 Geri Doumlnuumlş Kaybı (Return Loss) 6

313 Anten Youmlnelticiliği ve Kazanccedil (Gain) 7

314 Yarım Guumlccedil Işını (Half Power Beam Width (HPBW)) 7

3141 OrtadanUccediltan ışımalı antenler 8

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR)) 9

316 Verim (Efficiency) 9

TC DĠCLE UumlNĠVERSĠTESĠ

FEN BĠLĠMLERĠ ENSTĠTUumlSUuml MUumlDUumlRLUumlĞUuml

DĠYARBAKIR

Ġsa ATAġ tarafından yapılan ldquoAccedilıklık Kuplajlı MikroĢerit Yama Antenin

Rezonans Frekansının Yapay Sinir Ağları Ġle Belirlenmesirdquo konulu bu ccedilalıĢma

juumlrimiz tarafından Elektrik-Elektronik Muumlhendisliği Anabilim Dalında YUumlKSEK

LĠSANS tezi olarak kabul edilmiĢtir

Juumlri Uumlyeleri

BaĢkan Yrd Doccedil Dr M Bahattin KURT

Uumlye Yrd Doccedil Dr M Siraccedil OumlZERDEM

Uumlye Yrd Doccedil Dr Orhan ARPA

Tez Savunma Sınavı Tarihi 15022011

Yukarıdaki bilgilerin doğruluğunu onaylarım

Prof Dr Hamdi TEMEL

Enstituuml Muumlduumlruuml

i

TEŞEKKUumlR

Bu tez ccedilalışmasında değerli zamanını ayırıp danışmanlığımı uumlstlenen ve her

konuda desteğini esirgemeyen Sayın Yrd Doccedil Dr M Bahattin Kurt hocama sonsuz

teşekkuumlrlerimi sunarım

Ccedilalışmalarımın başından itibaren değerli katkıları ile beni youmlnlendiren ve

bilimsel ccedilalışma mantığını kazanmama yardımcı olan ağabeyim Musa ATAŞrsquo a

teşekkuumlruuml bir borccedil bilirim

Tez ccedilalışmamı hazırlarken bana her zaman destek olan ve yardımlarını

esirgemeyen beni sabırla bekleyen ve bana sonsuz anlayış goumlsteren aileme teşekkuumlr

ederim

ii

İCcedilİNDEKİLER

Sayfa

TEŞEKKUumlR I

İCcedilİNDEKİLER II

OumlZET V

ABSTRACT VI

CcedilİZELGE LİSTESİ VII

ŞEKİL LİSTESİ VIII

EK LİSTESİ IX

SİMGELER VE KISALTMALAR X

1 GİRİŞ 1

2 OumlNCEKİ CcedilALIŞMALAR 3

3 MATERYAL VE METOD 5

31 Temel Anten Parametreleri 5

311 Işınım Modeli (Radiation Pattern) 5

312 Geri Doumlnuumlş Kaybı (Return Loss) 6

313 Anten Youmlnelticiliği ve Kazanccedil (Gain) 7

314 Yarım Guumlccedil Işını (Half Power Beam Width (HPBW)) 7

3141 OrtadanUccediltan ışımalı antenler 8

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR)) 9

316 Verim (Efficiency) 9

i

TEŞEKKUumlR

Bu tez ccedilalışmasında değerli zamanını ayırıp danışmanlığımı uumlstlenen ve her

konuda desteğini esirgemeyen Sayın Yrd Doccedil Dr M Bahattin Kurt hocama sonsuz

teşekkuumlrlerimi sunarım

Ccedilalışmalarımın başından itibaren değerli katkıları ile beni youmlnlendiren ve

bilimsel ccedilalışma mantığını kazanmama yardımcı olan ağabeyim Musa ATAŞrsquo a

teşekkuumlruuml bir borccedil bilirim

Tez ccedilalışmamı hazırlarken bana her zaman destek olan ve yardımlarını

esirgemeyen beni sabırla bekleyen ve bana sonsuz anlayış goumlsteren aileme teşekkuumlr

ederim

ii

İCcedilİNDEKİLER

Sayfa

TEŞEKKUumlR I

İCcedilİNDEKİLER II

OumlZET V

ABSTRACT VI

CcedilİZELGE LİSTESİ VII

ŞEKİL LİSTESİ VIII

EK LİSTESİ IX

SİMGELER VE KISALTMALAR X

1 GİRİŞ 1

2 OumlNCEKİ CcedilALIŞMALAR 3

3 MATERYAL VE METOD 5

31 Temel Anten Parametreleri 5

311 Işınım Modeli (Radiation Pattern) 5

312 Geri Doumlnuumlş Kaybı (Return Loss) 6

313 Anten Youmlnelticiliği ve Kazanccedil (Gain) 7

314 Yarım Guumlccedil Işını (Half Power Beam Width (HPBW)) 7

3141 OrtadanUccediltan ışımalı antenler 8

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR)) 9

316 Verim (Efficiency) 9

ii

İCcedilİNDEKİLER

Sayfa

TEŞEKKUumlR I

İCcedilİNDEKİLER II

OumlZET V

ABSTRACT VI

CcedilİZELGE LİSTESİ VII

ŞEKİL LİSTESİ VIII

EK LİSTESİ IX

SİMGELER VE KISALTMALAR X

1 GİRİŞ 1

2 OumlNCEKİ CcedilALIŞMALAR 3

3 MATERYAL VE METOD 5

31 Temel Anten Parametreleri 5

311 Işınım Modeli (Radiation Pattern) 5

312 Geri Doumlnuumlş Kaybı (Return Loss) 6

313 Anten Youmlnelticiliği ve Kazanccedil (Gain) 7

314 Yarım Guumlccedil Işını (Half Power Beam Width (HPBW)) 7

3141 OrtadanUccediltan ışımalı antenler 8

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR)) 9

316 Verim (Efficiency) 9

iii

317 Band Genişliği (Band Width (BW)) 9

32 Mikroşerit Yama Antenler 11

321 Mikroşerit Yama Antenlerin Uygulama Alanları 13

322 Mikroşerit Yama Anten Besleme Teknikleri14

3221 Koaksiyel Besleme 14

3222 Mikroşerit Hat Besleme 15

3223 Elektromanyetik Kuplajlı Besleme 16

3224 Accedilıklık Kuplajlı Besleme 16

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri18

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri 19

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler19

3251 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri 21

33 Yapay Sinir Ağları (YSA) 23

331 Yapay Sinir Ağlarının Genel Oumlzellikleri 27

332 Yapay Sinir Ağlarının Sınıflandırılması 27

3321 YSArsquo ların yapılarına goumlre sınıflandırılmaları 28

İleri Beslemeli Ağlar 28

Geri Beslemeli Ağlar 29

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması(LM) 30

3331 Tek Katmanlı YSArsquo lar 30

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA) 32

3333 Levenberg-Marquardt Algoritması 33

iv

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 35

4 BULGULAR VE TARTIŞMA37

41 HFSS ile Accedilıklık Kuplajlı Mikroşerit Yama Antenin Rezonans

Frekansının Bulunması 37

411 Rezonans Frekansının Antene Bağımlı Parametreleri 38

42 YSA ile Accedilıklık Kuplajlı Mikroşerit Yama Antenin Rezonans

Frekansının Bulunması 41

5 SONUCcedilLAR47

6 KAYNAKLAR 49

EKLER 55

OumlZGECcedilMİŞ 57

v

OumlZET

ACcedilIKLIK KUPLAJLI MĠKROġERĠT YAMA ANTENĠN REZONANS

FREKANSININ YAPAY SĠNĠR AĞLARI ĠLE BELĠRLENMESĠ

YUumlKSEK LĠSANS TEZĠ

Ġsa ATAġ

DĠCLE UumlNĠVERSĠTESĠ

FEN BĠLĠMLERĠ ENSTĠTUumlSUuml

ELEKTRĠK-ELEKTRONĠK MUumlHENDĠSLĠĞĠ ANABĠLĠM DALI

2011

Bu ccedilalıĢmada mikroĢerit yama antenin rezonans frekansının yapay sinir ağları

(YSA) ile belirlenmesi amaccedillanmıĢtır Kendi sınıfında en yuumlksek band geniĢliğine sahip

Accedilıklık Kuplajlı MikroĢerit Yama Anten (AKMYA) uumlzerinde ccedilalıĢılmıĢtır

Tez ccedilalıĢmasında AKMYA HFSS paket programı ile modellenerek simuumlle

edilmiĢtir Simuumllasyon sonucunda rezonans frekans değerleri bulunmuĢ anten

boyutlarında sistematik bir Ģekilde gerekli değiĢiklikler yapılmıĢtır Tuumlm giriĢ

parametreleri manuel olarak girilmiĢ ve ccedilıkıĢ rezonans frekans değeri yine manuel

olarak kaydedilmiĢtir

Ġstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının ağır

hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli yeni

youmlntemlerin arayıĢına yol accedilmıĢtır Bu bağlamda az bir bilgiye gereksinim duyması

farklı problemlere cevap vermesi genelleme yapabilmesi hızlı oumlğrenme becerisi gibi

oumlzellikler YSArsquo nın kullanılmasında ana etken olmuĢtur Ayrıca YSArsquo ların

eğitilmesinde ccedilok katlı perseptronlar uumlzerinde farklı oumlğrenme youmlntemleri kullanılarak

bu youmlntemlerin performansları karĢılaĢtırılmıĢtır

YSA modellerinden elde edilen sonuccedilların HFSS sonuccedillarıyla uyumluluk iccedilinde

olduğu goumlruumllmuumlĢtuumlr Bununla beraber kullanılan YSA modeller sayesinde sonuccedillar

HFSSrsquoye goumlre ccedilok daha kısa bir suumlrede elde edilmiĢtir

Anahtar kelimeler MikroĢerit yama anten accedilıklık kuplajlı rezonans frekansı anten

simuumllasyonu yapay sinir ağları

vi

ABSTRACT

DETERMINATION OF THE RESONANCE FREQUENCY OF

APARTURE COUPLED MİCROSTRIP PATCH ANTENNA WITH

ARTIFICIAL NEURAL NETWORKS

M Sc THESIS

İsa ATAŞ

DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING

INSTITUTE OF NATURAL SCIENCES

UNIVERSITY OF DICLE

2011

The aim of this study is to determine the resonance frequency of microstrip

patch antenna with artificial neural networks (ANN) Having the highest bandwidth in

its class the aparture coupled microstrip patch antenna (ACMPA) has been studied on

In this study ACMPA has been simulated by modelling with HFSS package

software In the result of simulation resonance frequency values have been calculated

the required changes in antenna sizes have been made systematically Each input

parameter changes have been entered manually and output resonance frequency values

have been recorded manually as well

The long period of time caused by the excessive calculation of simulation

softwares used to obtain the desired antenna parameters has led to the search of new

computer aided methods Because it needs less information responds to different

problems makes generalizations has fast learning ability ANN has been chosen In the

training of ANNs using different learning methods on multi layer perceptrons the

performances of these methods have been compared

The results obtained from ANN models are in compliance with HFSS results

The advantages of the neural models used in this study are that the results are obtained

within a short period of time and these results are correct

Key words Microstrip patch antenna aparture coupled resonance frequency antenna

simulation artificial neural networks

vii

CcedilİZELGE LİSTESİ

Ccedilizelge No Sayfa

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin 17

karşılaştırılması

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı 37

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde 40

edilen ccedilıkış rezonans frekans değerleri

Ccedilizelge 43 YSA modelinin oumlzellikleri 42

Ccedilizelge 44 500 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA 45

Modeli ve HFSSrsquonin Fr Sonuccedillarındaki Hata Oumllccediluumlmleri

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları 46

viii

ŞEKİL LİSTESİ

Şekil No Sayfa

Şekil 31 Işıyan yama anten 6

Şekil 32 Antenin ışıma diyagramı 7

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri 8

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml 10

Şekil 35 Mikroşerit yama anten 11

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu 15

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu 15

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu 16

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu 17

Şekil 310 Mikroşerit yama antenlerde kullanılan temel yama şekilleri 18

Şekil 311 Accedilık kuplajlı mikroşerit yama anten geometrisi 20

a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilık kuplajlı alanın yayılımı 20

Şekil 313 Miyelinli bir noumlron yapısı 24

Şekil 314 Biyolojik noumlron 25

Şekil 315 Yapay noumlron 25

Şekil 316 YSArsquo lar iccedilin kullanılan eşik fonksiyonları 26

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ 28

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram 29

Şekil 319 Tek katmanlı YSA 32

Şekil 41 HFSS ile modellenmiş AKMYA 37

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml 38

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans 39

cevapları

Şekil 44 YSA ağ yapısı 41

Şekil 45 YSA modelinin performans eğrisi 43

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması 44

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması 44

ix

EK LİSTESİ

Ek No Sayfa

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu 55

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

vi

ABSTRACT

DETERMINATION OF THE RESONANCE FREQUENCY OF

APARTURE COUPLED MİCROSTRIP PATCH ANTENNA WITH

ARTIFICIAL NEURAL NETWORKS

M Sc THESIS

İsa ATAŞ

DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING

INSTITUTE OF NATURAL SCIENCES

UNIVERSITY OF DICLE

2011

The aim of this study is to determine the resonance frequency of microstrip

patch antenna with artificial neural networks (ANN) Having the highest bandwidth in

its class the aparture coupled microstrip patch antenna (ACMPA) has been studied on

In this study ACMPA has been simulated by modelling with HFSS package

software In the result of simulation resonance frequency values have been calculated

the required changes in antenna sizes have been made systematically Each input

parameter changes have been entered manually and output resonance frequency values

have been recorded manually as well

The long period of time caused by the excessive calculation of simulation

softwares used to obtain the desired antenna parameters has led to the search of new

computer aided methods Because it needs less information responds to different

problems makes generalizations has fast learning ability ANN has been chosen In the

training of ANNs using different learning methods on multi layer perceptrons the

performances of these methods have been compared

The results obtained from ANN models are in compliance with HFSS results

The advantages of the neural models used in this study are that the results are obtained

within a short period of time and these results are correct

Key words Microstrip patch antenna aparture coupled resonance frequency antenna

simulation artificial neural networks

vii

CcedilİZELGE LİSTESİ

Ccedilizelge No Sayfa

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin 17

karşılaştırılması

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı 37

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde 40

edilen ccedilıkış rezonans frekans değerleri

Ccedilizelge 43 YSA modelinin oumlzellikleri 42

Ccedilizelge 44 500 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA 45

Modeli ve HFSSrsquonin Fr Sonuccedillarındaki Hata Oumllccediluumlmleri

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları 46

viii

ŞEKİL LİSTESİ

Şekil No Sayfa

Şekil 31 Işıyan yama anten 6

Şekil 32 Antenin ışıma diyagramı 7

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri 8

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml 10

Şekil 35 Mikroşerit yama anten 11

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu 15

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu 15

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu 16

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu 17

Şekil 310 Mikroşerit yama antenlerde kullanılan temel yama şekilleri 18

Şekil 311 Accedilık kuplajlı mikroşerit yama anten geometrisi 20

a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilık kuplajlı alanın yayılımı 20

Şekil 313 Miyelinli bir noumlron yapısı 24

Şekil 314 Biyolojik noumlron 25

Şekil 315 Yapay noumlron 25

Şekil 316 YSArsquo lar iccedilin kullanılan eşik fonksiyonları 26

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ 28

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram 29

Şekil 319 Tek katmanlı YSA 32

Şekil 41 HFSS ile modellenmiş AKMYA 37

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml 38

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans 39

cevapları

Şekil 44 YSA ağ yapısı 41

Şekil 45 YSA modelinin performans eğrisi 43

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması 44

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması 44

ix

EK LİSTESİ

Ek No Sayfa

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu 55

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

vii

CcedilİZELGE LİSTESİ

Ccedilizelge No Sayfa

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin 17

karşılaştırılması

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı 37

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde 40

edilen ccedilıkış rezonans frekans değerleri

Ccedilizelge 43 YSA modelinin oumlzellikleri 42

Ccedilizelge 44 500 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA 45

Modeli ve HFSSrsquonin Fr Sonuccedillarındaki Hata Oumllccediluumlmleri

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları 46

viii

ŞEKİL LİSTESİ

Şekil No Sayfa

Şekil 31 Işıyan yama anten 6

Şekil 32 Antenin ışıma diyagramı 7

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri 8

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml 10

Şekil 35 Mikroşerit yama anten 11

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu 15

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu 15

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu 16

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu 17

Şekil 310 Mikroşerit yama antenlerde kullanılan temel yama şekilleri 18

Şekil 311 Accedilık kuplajlı mikroşerit yama anten geometrisi 20

a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilık kuplajlı alanın yayılımı 20

Şekil 313 Miyelinli bir noumlron yapısı 24

Şekil 314 Biyolojik noumlron 25

Şekil 315 Yapay noumlron 25

Şekil 316 YSArsquo lar iccedilin kullanılan eşik fonksiyonları 26

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ 28

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram 29

Şekil 319 Tek katmanlı YSA 32

Şekil 41 HFSS ile modellenmiş AKMYA 37

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml 38

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans 39

cevapları

Şekil 44 YSA ağ yapısı 41

Şekil 45 YSA modelinin performans eğrisi 43

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması 44

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması 44

ix

EK LİSTESİ

Ek No Sayfa

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu 55

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

viii

ŞEKİL LİSTESİ

Şekil No Sayfa

Şekil 31 Işıyan yama anten 6

Şekil 32 Antenin ışıma diyagramı 7

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri 8

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml 10

Şekil 35 Mikroşerit yama anten 11

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu 15

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu 15

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu 16

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu 17

Şekil 310 Mikroşerit yama antenlerde kullanılan temel yama şekilleri 18

Şekil 311 Accedilık kuplajlı mikroşerit yama anten geometrisi 20

a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilık kuplajlı alanın yayılımı 20

Şekil 313 Miyelinli bir noumlron yapısı 24

Şekil 314 Biyolojik noumlron 25

Şekil 315 Yapay noumlron 25

Şekil 316 YSArsquo lar iccedilin kullanılan eşik fonksiyonları 26

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ 28

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram 29

Şekil 319 Tek katmanlı YSA 32

Şekil 41 HFSS ile modellenmiş AKMYA 37

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml 38

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans 39

cevapları

Şekil 44 YSA ağ yapısı 41

Şekil 45 YSA modelinin performans eğrisi 43

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması 44

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması 44

ix

EK LİSTESİ

Ek No Sayfa

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu 55

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

ix

EK LİSTESİ

Ek No Sayfa

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu 55

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

x

SİMGELER VE KISALTMALAR

AKMYA Accedilıklık Kuplajlı Mikroşerit Yama Anten

ALPS Adaptif Lanczos-Pade Taraması

BW Band Genişliği

CcedilKA Ccedilok Katmanlı Ağ

EM Elektro Magnetic

EMC Elektromanyetik Uyumluluk

EMI Elektromanyetik Girişim

FEM Finite Element Method

GD Gradient Descent

GDM Gradient Descent with Momentum

HFSS High Frequency Structure Simulator

HPBW Half Power Beam Width

IC Integrated Circuit

LM Levenberg-Marquardt

LVQ Learning Vector Quantization

MLP Multi Layer Perseptron

MYA Mikroşerit Yama Anten

PCB Printed Circuit Board

RCS Radar Cross Section

RF Radio Frequency

RL Return Loss

SOM Self Organising Map

TEM Transverse Electro Magnetic

TM Transverse Magnetic

VSWR Voltage Standing Wave Ratio

YSA Yapay Sinir Ağları

εrf Beslemenin Dielektrik Katsayısı

εrp Yamanın Dielektrik Katsayısı

εr Dielektrik Katsayısı

Dalga Boyu

Serbest uzay dalga boyu

d Dielektrik Sabitenin dalga boyu

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

xi

L Birim Uzunluk

α Alfa

β Beta

e Verim

G Kazanccedil

D Youmlnluumlluumlk

dB Birimsiz

Γ Yansıma Katsayısı

Q Kayıplı rezonatoumlr faktoumlruuml

F Aktivasyon Fonksiyonu

p Noumlron giriş sayısı

n Ccedilıkış sayısı

w Ağırlık matrisi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

İsa ATAŞ

1

1 GİRİŞ

Teknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi goumlrmesi son

yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır Kablosuz iletişim

araccedillarından biri de mobil uygulamalarında ve uzay araccedillarında kullanılan mikroşerit

yama antenlerdir (MYA) Kişisel taşınabilir cihazların yoğun talep edilmesi MYArsquo nın

oumlnemini daha da artırmıştır

MYArsquo ların anten yapıları iccedilinde oumlnemli bir gelişme ve yenilik sağlamasının

diğer bir youmlnuuml duumlşuumlk bir profile sahip olması ve mikrodalga tuumlmleşik devrelerine

rahatlıkla uyum sağlayabilmesidir MYAlsquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli

avantajlara sahip olduğundan pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans

aralığındadır Yapılarının kuumlccediluumlkluumlğuuml ve devre elemanlarıyla aynı dielektrik katmanı

paylaşabilmeleri nedeniyle kolayca entegre devre yapılara uyum sağlayıp taşınabilir

cihazların boyutlarını buumlyuumltmezler Bu avantajlarının yanında temel MYArsquo ların dar

band genişliği besleme devrelerinde yuumlksek kayıplar duumlşuumlk ccedilapraz polarizasyon ve

duumlşuumlk guumlccedil kontroluuml kapasitesi gibi dezavantajları da bulunmaktadır Detaylı araştırma

ve geliştirmeler bu dezavantajların ccediloğunun temel MYA elemanlar uumlzerine

yapılabilecek eklemeler ve değişikliklerle yok edilebileceğini veya en azından

azaltılabileceğini goumlstermektedir

MYArsquolar belli başlı bazı sistem uygulamalarında kullanılmaktadırlar Bunlar

kablosuz sistemler uydu haberleşmesi biomedikal ışınlayıcı ccedilevresel enstruumlmantasyon

ve uzaktan algılamadır Teknolojideki ilerlemelere paralel olarak bu uygulamaların

sayısı artmaya devam edecektir

MYArsquolar diğer antenlere goumlre daha dar bant genişliğinde ccedilalıştığı iccedilin rezonans

frekansının belirlenmesi oumlnem taşımaktadır MYArsquo nın rezonans frekansını etkileyen

parametreler kullanılan dielektrik malzemenin kalınlığına dielektrik sabitine toprak

yuumlzeyinin boyutuna iletken yamanın kalınlığına ve genişliğine bağlıdır

Bu tez ccedilalışmasında MYArsquo lardan besleme tekniklerinde kendi sınıfındaki

mikroşerit yama anten tiplerine goumlre band genişliği yuumlksek olan mikroşerit hat ile

beslenen Accedilıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) incelenecektir AKMYA

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

1GİRİŞ

2

ilk olarak Prof David M Pozar tarafından oumlnerilmiş ve yalıtkan malzeme olan alttaş

yuumlksekliği ile band genişliği aralığını geliştirmiştir

İncelenecek AKMYA prototipi yuumlksek frekans yapı simuumllatoumlr programı olan

High Frequency Structure Simulator (HFSS) ile hazırlanacaktır HFSS paket programı

windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı bir tam dalga

elektromanyetik (EM) alan simuumllatoumlruumlduumlr Bilgisayar ortamında hazırlanacak olan

prototipin simuumlle edilmesi fabrikasyon aşamasındaki gereksiz maliyetleri ortadan

kaldıracak ve en iyi sonucun uumlretim aşamasında vermesine katkıda bulunacaktır

Simuumllatoumlr programının arka planında yuumlksek doğruluk payına sahip olan tam dalga

modeli kullanılmaktadır Fakat bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme

yeteneği duumlşuumlktuumlr

İstenilen anten parametrelerinin elde edilmesinde simuumllasyon programlarının

ağır hesap yuumlkuumlnden dolayı sonuccedilları uzun zaman diliminde vermesi bilgisayar destekli

yeni youmlntemlerin arayışına yol accedilmıştır Bu youmlntemlerden biri Yapay Sinir Ağları

(YSA)rsquo dır Oumlğrenme becerisi kolayca farklı problemlere uygulanabilirliği genelleme

yapabilmesi az bilgiye gereksinim duyması hızlı ve kolayca işlem yapabilmesi gibi

oumlzellikler YSArsquo ları son yıllarda popuumller yapmıştır

Guumlnuumlmuumlzde birccedilok ccedilalışmalarda sinir ağ modelleri MYArsquo ların rezonans

frekansı hesaplamalarında karmaşık ve zaman alıcı matematiksel youmlntemlerden doğan

problemleri ortadan kaldırmaktadır Bu ccedilalışmada 1 GHz ile 35 GHz arasındaki frekans

aralığı iccedilin AKMYArsquo nın istenilen parametrelerini veren bir YSA modeli

geliştirilmiştir Geliştirilen noumlral ağ model sonuccedilları ve simuumllasyon sonuccedilları

karşılaştırılmıştır Noumlral ağ sonuccedilları simuumllasyon sonuccedillarına yakın ve doğru bir

yaklaşım sergilemiştir

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

İsa ATAŞ

3

2 OumlNCEKİ CcedilALIŞMALAR

SSinan Guumlltekin ve arkadaşları 2002 yılında elektriksel olarak ince ve kalın

dikdoumlrtgen mikroşerit antenlerin rezonans direncini yapay sinir ağlarında farklı

oumlğrenme algoritmaları kullanarak hesaplamışlardır Ccedilalışmalarında Noumlral modellerden

elde edilen sonuccedilların literatuumlrde mevcut olan klasik youmlntemlerin sonuccedillarından ccedilok

daha iyi deneysel sonuccedillarla uyumluluk iccedilinde olduğu goumlzlemlemişlerdir (Guumlltekin ve

ark 2002)

Bratislav Milovanovic Marija Milijic Aleksandar Atanaskovic Zoran

Stankovic tarafından hazırlanan ldquoModeling of Patch Antennas Using Neural Networksrdquo

ccedilalışmasında ccedilok katmanlı perseptron ağlarına dayalı sinir ağı modeliyle bir yama anten

modellenmiştir Ağ eğitilirken HFSSrsquo den elde edilen elektromanyetik simuumllasyon

sonuccedillarına ait veriler kullanılmıştır Modelde giriş değerleri olarak yama uzunluğu (L)

yama genişliği (W) yarık derinliği (l) ve yarık genişliği (s) olmak uumlzere kullanılan doumlrt

parametre ccedilıkış değerleri olarak rezonans frekansı ve minimum S11 değerlerinin

hesaplanmasına imkan tanımıştır (Milovanovic ve ark 2005)

Pejman Taslimi 2005 yılındaki ccedilalışmasında HFSS programını kullanarak

mikroşerit yama antenlerin analizi ile uğraşmıştır (Taslimi 2005)

Nurhan Tuumlrker ve arkadaşları 2006 yılındaki tuumlbitak ccedilalışmalarında mikroşerit

antenler iccedilin yapay sinir ağ yapısı tasarlamışlardır (Tuumlrker ve ark 2006)

Vandana Vikas Thakare ve Pramod Singhal 2006 yılındaki makale

ccedilalışmalarında dikdoumlrtgen mikroşerit yama antenlerin tasarımı iccedilin yapay sinir ağları

tabanlı bir model geliştirmişlerdir (Thakare ve Singhal 2006)

Muumlh İpek Tansarıkaya 2007 yılında kendi ylisans tezinde mikroşerit yama

antenlerin geniş band tasarımını HFSS ile gerccedilekleştirmiştir Tasarım ccedilalışmasında

yazılım ve laboratuar desteğiyle yama antenlerin band genişliklerini karşılaştırmıştır

(Tansarıkaya 2007)

Som Pal Gangwar ve arkadaşları 2008 yılındaki makalelerinde yapay sinir

ağlarını kullanarak dairesel mikroşerit antenin rezonans frekansını incelemişlerdir

(Gangwar ve ark 2008)

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

2 OumlNCEKİ CcedilALIŞMALAR

4

Dilek Koccediler 2009 yılında kendi ylisans tezinde daire ve dikdoumlrtgen geometrik

yapılı mikroşerit antenlerin simuumllasyonunu HFSS ile gerccedilekleştirip Ağ eğitilirken

HFSSrsquo den elde edilen elektromanyetik simuumllasyon sonuccedillarına ait veriler kullanarak

rezonans frekanslarını belirlemiştir (Koccediler 2009)

Tanushree Bose and Nisha Gupta 2009 yılında yazdıkları makalede accedilıklık

kuplajlı mikroşerit yama antenlerin yapay sinir ağları ile rezonans frekansları

incelemişlerdir Ccedilalışmada YSA modellemede bulunan rezonans frekans değerlerinin

simuumllasyon program değerlerine yakın olması YSA ccedilalışmaların yuumlksek doğruluk

payına sahip olduğunu goumlstermiştir (Bose ve Gupta 2009)

P Malathi ve Raj Kumar 2009 yılındaki makale ccedilalışmalarında yapay sinir

ağlarını kullanarak ccedilok katmanlı dikdoumlrtgen mikroşerit anten tasarımı

gerccedilekleştirmişlerdir (Malathi ve Kumar 2009)

Burak Goumlkccedile 2009 yılında ylisans ccedilalışmasında HFSS programı kullanarak cep

telefonları iccedilin mikroşerit yama anten tasarımı yapmıştır (Goumlkccedile 2009)

Alper Yıldırım ve arkadaşları 2010 yılındaki ccedilalışmalarında HFSS programını

kullanarak 24 GHzrsquo de Yuumlksek Kazanccedillı Mikroşerit Yama Anten tasarımı

gerccedilekleştirmişlerdir (Yıldırım ve ark 2010)

Bu ccedilalışmada ise mikroşerit yama antenlerden AKMYArsquo nın simuumllasyon programı

(HFSS) ile prototipi hazırlanmış girişte anten yapısında değişikler yapılarak ccedilıkış

rezonans frekans değeri goumlzlemlenmiştir Ağ eğitilirken HFSSrsquo den elde edilen veriler

kullanılmıştır Oluşturulan veri seti YSA girişine uygulanarak kuumlccediluumlk bir hata oranı ile

ccedilıkış frekans değerleri tespit edilmiştir YSA modellerinden elde edilen sonuccedilların

HFSS sonuccedillarıyla uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

İsa ATAŞ

5

3 MATERYAL VE METOT

Temel antenler haberleşme sistemlerinde genel olarak elektromanyetik dalgalar

ve elektriksel işaretler arasındaki ccedilevrimden sorumlu devre bileşenidirler İletim kanalı

olarak hava veya atmosferi kullanan haberleşme sistemlerinin bu kanala accedilılan ara

yuumlzuumlne anten diye tanımlanır Buna goumlre bir antenin kullanımı verici anten alıcı anten

veya verici-alıcı anten karakteristiklerinden birine uyabilir

Verici anten elektriksel işareti elektromanyetik dalgaya ccedilevirip iletim ortamına

aktarmakla yuumlkuumlmluumlduumlr Alıcı anten ise verici anten tarafından goumlnderilmiş

elektromanyetik dalgayı toplayarak kendisine bağlı devrede elektriksel işaret

induumlklemekle goumlrevini yapar Bir anten resiprokluk (ccedilift youmlnluuml doumlnuumlştuumlruumlcuuml)

oumlzelliğinden dolayı hem verici hem de alıcı anten olarak kullanılabilir Her iki

karakteristiği de aynı anda goumlstermesi beklenen alıcı-verici anten kullanan sistemlerde

goumlnderilen ve alınan işaretlerin karışmaması iccedilin bir tuumlr ccediloğullama tekniği kullanılması

gerekir (Oumlzdemir 2009)

31 Temel Anten Parametreleri

Tuumlm anten tasarımlarını karakterize eden ve dikkate alınması gereken oumlnemli

parametreler vardır Bunlar ışınım modeli geri doumlnuumlş kaybı (RL) anten youmlnelticiliği ve

kazanccedil yarım-guumlccedil ışın genişliği voltaj durağan dalga oranı (VSWR) anten verimi ve

band genişliğidir (BW)

311 Işınım Modeli (Radiation Pattern)

MYA‟larda ışıma yama ve toprak duumlzlemi arasındaki kenarlardan oluşur

Elektrik alanın genişlik ve kalınlık boyunca değişmediği kabul edilerek elektrik alan

dağılımı Şekil 31‟de goumlsterildiği gibi ccedilizilebilir Bu saccedilılan elektrik alanlar Kaccedilak

Alanlar olarak da adlandırılır ve antenin ışımasını yani elektrik alanın yayılmasını

sağlarlar Kenarlardaki bu alanlar toprak duumlzlemine goumlre dik ve teğet iki bileşene

ayrılabilir Yama iletkeni genel olarak 2 uzunluğunda olması nedeniyle dik

bileşenler iki kenarda saccedilılmayla oluşan dalgaların aynı fazda olmamaları sonucu uzak

alanda birbirlerini yok ederler Teğet bileşenler ise aynı fazdadırlar ve uzak alanda en

yuumlksek ışıma alan değerini verecek biccedilimde toplanırlar Boumlylece kaccedilak alanlardan

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

3MATERYAL VE METOD

6

dolayı MYA‟nın 2 uzaklığında yerleştirilmiş eş fazda uyarılmış ve toprak

duumlzleminin uumlst kısmında ışıma yapan L uzunluğunda iki antenin var olduğu

duumlşuumlnuumllebilir (Balanis ve ark 1982)

Şekil 31 Işıyan yama anten (Toktaş 2009)

312 Geri Doumlnuumlş Kaybı (Return Loss)

Geri doumlnuumlş kaybı (RL) antene goumlnderilen guumlcuumln ne kadarının geri doumlnduumlğuumlnuumln bir

oumllccediluumlsuumlduumlr Esasında birimsiz olan bu buumlyuumlkluumlğuumln logaritmik skalaya indirgendiğini

anlatmak iccedilin dB birimi ile anılır Bir antenin geri doumlnuumlş kaybı -995‟in altına duumlşmuumlşse

o anten o frekans boumllgesinde ccedilalıştırılabilir demektir

Geri Doumlnuumlş Kaybı veya saccedilılma (scattering) S11 giriş ve ccedilıkış kaynaklarını

uygun karakterize eden bir yoldur Geri doumlnuumlş kaybı aşağıda belirtildiği gibi dB olarak

belirlenir (Nakar 2004)

RL = minus20 log10 |Γ| (dB) (31)

(32)

RL = Geri Doumlnuumlş Kaybı

Γ = Yansıma Katsayısı

Vr = Yansıyan dalganın genliği

Vi = İletilen dalganın genliği

Zin = Giriş empedans

Zs = Karakteristik empedans (Harith 2005)

Γ = 0 olduğu durumlarda RL = infin Γ = 1 olduğu durumlarda RL = 0 olur

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

İsa ATAŞ

7

313 Anten Youmlnelticiliği ve Kazanccedil (Gain)

Anten youmlnelticiliği ve kazanccedil belli bir referans antene goumlre tanımlanan iki

oumlnemli parametre Bir noktasal kaynak her youmlne eşit ışıma yapar Bu kaynağa izotropik

kaynak adı verilir ve referans olarak kullanılır İzotropik kaynağın her youmlne yaydığı

guumlce eşit guumlcuuml belli bir doğrultuya yayabilme oumlzelliğine anten youmlnelticiliği denir

Kayıpsız antenlerde youmlnelticilik aynı zamanda anten kazancı demektir Ancak

kayıplı antenlerde kazanccedil youmlnluumlluumlk ile kayıp oranının (verimin) ccedilarpımına eşittir

G = e x D (33)

e = verim D = youmlnluumlluumlk

Anten youmlnelticiliğinin analitik olarak hesaplanabilmesine karşın kazanccedil ancak

referans antene goumlre yapılan oumllccediluumllerle bulunabilir Anten kazancı ile doğrudan ilgili olan

diğer parametre ise etkin yuumlzeydir Anten etkin yuumlzeyi uzaydaki elektrik alanlardan

anten uccedillarına guumlccedil aktarabilme yeteneği olarak tanımlanır

Basit bir yama anten maksimum 6-9 dBi‟lik bir youmlnluuml kazanccedil sağlar (Sevgi

2005)

314 Yarım Guumlccedil Işın Genişliği (Half Power Beam Width (HPBW))

Işıma diyagramları genelde antenlerin hangi youmlne ne kadar guumlccedil yaydığını

belirten bir grafiksel goumlsterimdir Şekil 32‟ de antenin ışıma diyagramı goumlsterilmiştir

Şekil 32 Antenin ışıma diyagramı

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi

3MATERYAL VE METOD

8

Işıma diyagramı her hangi bir duumlzlemde soumlz konusu olsa da genelde yatayda ya

da duumlşeydeki diyagramlarla ilgilenilir Işıma diyagramı ve youmlneltmiş antenlerde

kullanılan tanımlar aşağıda tanımlanmıştır

bull Ana ışıma kulakccedilığı Antenin en fazla ışıma yaptığı youmlndeki demet

bull Yan kulakccedilıklar Ana kulakccedilık etrafında oluşan istenmeyen kulakccedilıklar

bull Arka kulakccedilık Antenin gerisinde oluşan kulakccedilık

bull Oumln-Arka bastırma oranı Ana kulakccedilık ndash arka kulakccedilık guumlccedil oranı

bull Oumln- yan bastırma oranı Ana kulakccedilık ndash yan kulakccedilık guumlccedil oranı

bull Işıma demeti Ana kulakccedilık guumlcuumlnuumln yarıya duumlştuumlğuuml noktalar arasındaki

accedilı (Sevgi 2005)

3141 Ortadan Uccediltan Işımalı Antenler

Antenler tek parccedila olarak veya bir dizi oluşturulduğunda farklı youmlnlere ışıma

yapabilirler Demet oluşturmalı ya da demet taramalı anten dizileri adı verilen bu

sistemlerde iki farklı ışıma youmlnuuml ayrıca belirtilmektedir Ortadan ışımalı antenler

(diziler) ya da uccediltan ışımalı antenlerdir (diziler) Şekil 33‟de bu tanımlara bir oumlrnek

goumlsterilmektedir (Sevgi 2005)

Şekil 33 Ortadan (solda) ve uccediltan (sağda) ışımalı anten dizileri (Sevgi 2005)

İsa ATAŞ

9

315 Voltaj Duran Dalga Oranı (Voltage Standing Wave Ratio (VSWR))

Anten giriş empedansı genelde uccedillarına bağlanan besleme kaynağının

empedansından farklı olduğundan kaynak iletim hattı ve anten arasında bir empedans

uygunsuzluğu meydana gelir Bu farkın belirlediği oranda antene gelen guumlcuumln bir kısmı

geri yansır Aynı şekilde kaynak ucunda da bir uyumsuzluk soumlz konusu olduğundan

burada da bir guumlccedil yansıması oluşur Anten girişinde yansıyan ve giden gerilim

dalgalarının oluşturduğu maksimum gerilimin minimum gerilime oranı duran dalga

oranı (VSWR) olarak isimlendirilir VSWR diğer bir tanımla maksimum voltaj

genliğinin minimum voltaj genliğine oranı olarak soumlylenebilir VSWR anten girişinde

geri yansıyan guumlcuuml belirten bir parametre olarak ta belirtilir (Sevgi 2005)

VSWR = EmaxEmin (34)

VSWR = 1 + | Γ|

1 - | Γ| (35)

316 Verim (Efficiency)

Antenin kaynaktan ccedilektiği guumlcuumln bir kısmı ısıl kayıp olarak harcanır Işıma guumlcuuml

ve ısıl kayıpların toplamı kaynaktan ccedilekilen guumlce eşittir Anten veriminin tanımı ışıma

guumlcuumlnuumln kaynaktan ccedilekilen guumlce oranıdır Isıl kayıplar ne kadar az ise verim o kadar

yuumlksek olur (Sevgi 2005)

317 Band Genişliği (Band Width (BW))

Dipol yarık ve dalga kılavuzu anten modellerinin ccedilalıştıkları band genişlikleri

15ndash50 arasında değişirken temel mikroşerit yama anten modellerinin ccedilok duumlşuumlk

yuumlzdeli bir band genişliği empedansı vardır Alt katman kalınlaştıkccedila ve dielektrik

katsayısı duumlştuumlkccedile band genişliği artar Mikroşerit antenlerin band genişliği ile

orantılıdır Her iki eğilim de yama akımının alt katmandaki toprak duumlzlemindeki negatif

goumlruumlntuumlsuumlnuumln yakınlığı nedeniyle rezonatoumlruumln artan Q`suyla accedilıklanabilir Band

genişliği iccedilin duumlşuumlk dielektrik sabitli kalın bir anten alt katmanı kullanmak tercih edilir

Ancak enduumlktif yuumlkleme ve duumlzlemsel mikroşerit devrelerden gelebilecek sahte ışımalar

nedeniyle bir mikroşerit anten alt katmanının kalınlığı 002λ veya daha duumlşuumlktuumlr Temel

elemanın band genişliğinin sınırlı olması son 15 yılda yapılan araştırma ve geliştirme

3MATERYAL VE METOD

10

ccedilalışmaları sonunda mikroşerit anten band genişliğinin yuumlkseltilmesi iccedilin birccedilok

tekniğin oluşmasına yol accediltı boumlylece 10-40‟lık empedans band genişliği aşılabildi

Mikroşerit anten band genişliğinin geliştirilmesine youmlnelik duumlzinelerce teknik

bulunmuştur ve bunları uumlccedil kanonik yaklaşıma goumlre kategorize edebiliriz

uyum devreleri kullanarak empedans uydurma

yığılmış veya parazitik elemanlarla ikili rezonanslar

kayıplı elemanlar ekleyerek verimi duumlşuumlrme (Sanıatı 1996)

BWbroadband = f H f L (36)

BWnarrowband () = [ (f H - f L ) (f C) ]x100 (37)

f H = Yuumlksek Frekans

f L = Duumlşuumlk Frekans

f C = Merkez Frekans (Rezonans)

broadband =geniş band

narrowband= dar band

Şekil 34 Yansıma katsayısı grafiğinde band genişliği oumllccediluumlmuuml (Nakar 2004)

ldquoİyi bir anten performansı VSWR le 2 ( RL ge minus95dB ) olduğu durumlarda sağlanırrdquo

(Ghosh ve Parui 2010)

İsa ATAŞ

11

32 Mikroşerit Yama Antenler

Mikroşerit yama anten (MYA) kavramı ilk kez 1953 yılında Deschamps

tarafından ortaya atıldı Daha sonra Gutton ve Baissinot bir mikroşerit anten modeli iccedilin

patent almışlardır Buna rağmen geniş bir değer aralığındaki dielektrik sabitli bakır ya

da altınla kaplanmış alt tabaka kullanılabilir ısıl ve mekanik oumlzelliklerinin duumlşuumlk kayıp

oranlarının geliştirilerek teorik modelleri kadar iyi pratik antenler uumlretilene kadar yirmi

yıl geccedilti Bunun başlıca nedeni iyi dielektrik tabanların mevcut olmamasıdır Bu

tabanların gelişimi ile mikroşerit anten de hızlı bir gelişim iccediline girmiştir İlk pratik

antenler 1970‟ lerin başlarında Howel ve Munson tarafından geliştirildi O zamandan

beri mikroşerit antenlerin hafiflik kuumlccediluumlk hacim ucuzluk yuumlzeysel goumlruumlnuumlş baskı

devrelere uygunluk gibi sayısız avantajı kullanarak yapılan araştırma ve geliştirmeler

mikrodalga antenlerinin geniş alanında MYA‟ ların ayrı bir dal olarak yer almasına ve

değişik uygulamalara kılavuzluk etmesine oumlncuuml olmuştur (Balanis 1997)

Şekil 35‟ de goumlruumllduumlğuuml gibi bir MYA‟ nın basit goumlruumlnuumlşuuml alt tarafında bir

toprak levhası bulunan dielektrik alt tabaka ile (22 le εr le12 ) diğer tarafı uumlstuumlndeki

ışınım yapan yamadan oluşur (Akkaya 1997) MYA mikroşerit transmisyon hatlarının

bir uzantısı olarak duumlşuumlnuumllebilir

Şekil 35 Mikroşerit yama anten (Toktaş 2009)

Genelde anten yapısının yama ve toprak kısmı bakırdır Dielektrik taban ise ccedilok

geniş bir aralıkta dalgalanan oumlzelliklere sahip isteğe goumlre seccedililen yalıtkan bir

malzemedir Yama kısım ve toprak kısım birlikte bir iletim hattı oluşturarak Transverse

Electro Magnetic (TEM) dalgalarla oluşan enerji iccedilin kılavuz goumlrevi goumlruumlrler Dielektrik

malzemenin kalınlığı genellikle 0005cm ile 0635cm arasında değişir Mikrodalga

3MATERYAL VE METOD

12

devreleri iccedilin alumina quartz Poly Tetra Fluor Ethylene (PTFE) diğer ismi teflon gibi

malzemeler kullanılır fakat bunlar pahalı oldukları iccedilin genellikle tercih edilmezler

Yuumlksek frekanslarda entegre devrelerle birleştirilme kolaylığı sağlamak amacıyla

Reccedilineli Cam İzole Boru (FR4) Bant Ccedileşitleri malzeme kullanılır Bakır yamanın

kalınlığı genellikle 0035 mm ile 0070 mm arasında değişir Dielektrik tabanların

elektriksel oumlzellikleri dielektrik sabiti ve kayıp tanjantı ile belirlenir Bu kayıp tanjantı

ne kadar buumlyuumlk olursa anten verimi de o derece duumlşuumlk olur Bu nedenle ccediloğu zaman

duumlşuumlk tanjantlı malzemeler tercih edilir (Balanis 1982) Tez ccedilalışmasında kayıp tanjantı

kuumlccediluumlk alttaş malzeme kullanılmıştır

MYA‟ dan ışıma toprak yuumlzeyi ve mikroşerit yama anten iletkeninin kenarı

arasındaki saccedilak alanlarından yayımlanır Sınır şartı ilk yaklaşıklıkla accedilık alan yanal

yuumlzeydeki teğetsel manyetik alan bileşenlerinin sıfır olmasıdır Boumlylece herhangi bir

mod iccedilin alan bileşenleri ifade edilebilir Rezonatoumlr uygulamada bir mikroşerit hatla

beslendiğinden iccedilinde alt ve uumlst plakalara dik bir elektrik alan bileşeni vardır Yani bu

doğrultu esas alınarak bulunacak ccediloumlzuumlm bir Transverse Magnetic (TM) modudur Uzaya

ışınlanan alan rezonatoumlruumln ccedilevresindeki alanlar tarafından oluşturulur Bu sebepten bu

alanların hassas bir ccediloumlzuumlmle ifadesi gerekir (Akkaya ve Balanis 1997)

MYA‟ ların anten yapıları iccedilinde oumlnemli gelişmeler ve yenilikler daha ccedilok

elektriksel olmayan oumlzelliklerinde oluşmuştur MYA duumlşuumlk bir profil ve ağırlığa

sahiptir mikrodalga tuumlmleşik devrelerine rahatlıkla uyum sağlayabilir Kuumlccediluumlk

olmalarından dolayı ve devre elemanlarıyla aynı dielektrik katmanı paylaşabilmeleri

nedeniyle kolayca entegre devre yapılara uyum sağlayabilir ve taşınabilir cihazların

boyutlarını buumlyuumltmezler Eğer malzeme ve fabrikasyon giderleri engelleyici değilse

sistem ccedilok ucuza mal edilebilir Elektriksel performansı tel veya accedilıklık gibi geleneksel

anten sistemleriyle karşılaştırıldığında ise temel mikroşerit antenler `dar band

genişliği` `yuumlksek besleme devre kayıpları` `duumlşuumlk ccedilapraz polarizasyon` ve `duumlşuumlk guumlccedil

kontroluuml kapasitesi` gibi dezavantajlara sahiptirler Detaylı araştırma ve geliştirmeler bu

engellerin ccediloğunun temel mikroşerit elemanlar uumlzerine yapılabilecek eklemeler ve

değişikliklerle yok edilebileceğini veya en azından azaltılabileceğini goumlsterdi Yama

antenlerin bazı temel oumlzellikleri duumlşuumlk profil form faktoumlruuml duumlşuumlk ağırlık yuumlksek

olmayan maliyetler yerleşme yapısı bakımından uyumluluk duumlzlemsel devrelere kolay

İsa ATAŞ

13

entegrasyon doğrusal ikili ve dairesel polarizasyon yeteneği ve ccedilok youmlnluuml besleme

geometrileridir

Yama antenlerin tuumlm bu oumlzelliklerine rağmen bu teknolojinin dezavantajı temel

mikroşerit elemanların band genişliğidir (Sanıatı 1996)

321 Mikroşerit Yama Antenlerin Uygulama Alanları

MYAbdquo lar alışılmış mikrodalga antenlere goumlre ccedileşitli avantajlara sahip olduğundan

pek ccedilok uygulaması 100 MHz ndash 50 GHz frekans aralığındadır

Mikroşerit antenlerin alışılmış mikrodalga antenlerine goumlre belli başlı

avantajlarından bazıları şunlardır

Hafiflik kuumlccediluumlk hacim ve duumlşuumlk profilli yuumlzeysel goumlruumlnuumlme sahiptir

Duumlşuumlk uumlretim maliyeti kuumltlesel uumlretim kolaylığı vardır

İnce yapılabilir bundan dolayı taşıyıcı uzay araccedillarının aerodinamiğini bozmaz

Antenler buumlyuumlk değişiklikler olmadan fuumlze roket ve uydulara kolayca monte

edilebilir

Bu antenlerin Radar Cross Section (RCS) alanı duumlşuumlktuumlr

Besleme yerinde kuumlccediluumlk değişikliklerle doğrusal ya da dairesel polarizasyon

yapılabilir

MYA‟ lar moduumller tasarıma uygundur (Moduumllatoumlrler değişken zayıflatıcılar

anahtarlar osilatoumlrler kuvvetlendiriciler karıştırıcılar faz kaydırıcılar gibi yarı

iletken elemanlar doğrudan anten alt tabaka katına eklenebilirler)

Bunlarla birlikte mikroşerit antenler mikrodalga antenleriyle karşılaştırıldığında şu

dezavantajlara sahiptir

Bant genişlikleri dardır

Kayıplar nedeniyle kazanccedilları duumlşuumlktuumlr

Maksimum kazancın pratik sınırları yaklaşık 20 dB‟ dir

Işıma yapan elemanlar ve besleme arasındaki yalıtım zayıftır

Boyuna dizi ışıma performansı zayıftır

3MATERYAL VE METOD

14

Mikroşerit antenlerin ccediloğu yarım bir uzaya ışıma yaparlar

Pek ccedilok pratik tasarım iccedilin mikroşerit antenlerin avantajları dezavantajlarına goumlre

daha ağır gelir Araştırma ve geliştirmelerin suumlrmesi ve mikroşerit anten kullanımının

artmasıyla mikroşerit antenlerin pek ccedilok uygulama iccedilin alışılmış antenlerin yerine

eninde sonunda geccedilmesi beklenebilir

Mikroşerit antenleri iccedileren belli başlı bazı sistem uygulamaları şunlardır

Kablosuz Sistemler

Uydu haberleşmesi

Silahların otomatik ateşlenmesi

Biomedikal ışınlayıcı

Ccedilevresel enstruumlmantasyon ve uzaktan algılama

Mikroşerit antenlerin imkanlarının artmasıyla bu uygulamaların sayısı artmaya

devam edecektir (Balanis 1997)

322 Mikroşerit Yama Anten Besleme Teknikleri

MYA‟ lar koaksiyel hat veya mikroşerit hat ile beslenebilir Ayrıca accedilıklık

kuplaj veya elektromanyetik kuplaj da olabilir Besleme teknikleri giriş empedansını ve

anten karakteristiğini etkiler ve oumlnemli bir tasarım parametresidir (James ve ark 1988)

(Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3221 Koaksiyel Besleme

Şekil 36‟ da koaksiyel beslemeli dikdoumlrtgen şekilli MYA goumlsterilmektedir

Koaksiyel kablonun merkez iletkeni yamaya ve dış iletkeni ise toprak duumlzleme

bağlanmıştır Bu besleme şeklinin en oumlnemli avantajı besleme iletkeni yamanın

istenilen noktasına bağlantı yapılarak giriş empedansının eşlenebilmesidir Dezavantajı

ise iletkenin yamaya ve toprak duumlzleme bağlantısının yapılabilmesi iccedilin alttaşta delik

accedilılmasıdır Bu nedenle tam olarak duumlzlemsel olmamaktadır Ayrıca bu besleme yapısı

tasarımı asimetrik yapmaktadır

İsa ATAŞ

15

Şekil 36 Koaksiyel beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

3222 Mikroşerit Hat Besleme

Şekil 37‟de Mikroşerit hat ile beslenmiş dikdoumlrtgen şekilli bir MYA

goumlsterilmektedir Bu besleme yapısının avantajı aynı alttaş uumlzerinde yerleştirildiği iccedilin

yapının duumlzlemselliğinin bozulmamasıdır Ayrıca tasarlanması ve uumlretilmesi kolaydır

Dezavantajı ise besleme hattından yapılan yayılım yuumlzey akım yoğunluğunu

artırabilmektedir Ayrıca milimetre-dalga seviyesinde besleme mikroşerit hattının

oumllccediluumlleri yamaya kıyasla istenmeyen yayılıma neden olabilmektedir

Şekil 37 Mikroşerit hat beslemeli MYA konfiguumlrasyonu (Toktaş 2009)

Genellikle antenin bant genişliğini (BW) artırmak iccedilin alttaş kalınlığı

artırılmaktadır Yukarıda soumlzuuml edilen direk bağlantı ile yapılan beslemelerde ccedileşitli

problemler oluşabilmektedir Koaksiyel beslemede iletkenin uzunluğu giriş

empedansının daha da enduumlktif olmasına ve bu nedenle empedans eşleşmesi

probleminin oluşmasına yol accedilabilmektedir Mikroşerit hat beslemesinde alttaş

kalınlığının artması besleme hattın genişliğinin artmasına neden olmaktadır Bu durum

istenmeyen besleme yayılımına sebebiyet verebilmektedir Bu tip problemleri

3MATERYAL VE METOD

16

ccediloumlzuumlmlemek iccedilin temassız kuplaj besleme youmlntemleri kullanılabilir (James ve ark

1988) (Akkaya 1997) (Garg ve ark 2001) (Kumar ve ark 2003)

3223 Elektromanyetik Kuplajlı Besleme

Şekil 38‟de elektromanyetik kuplajlı MYA goumlsterilmektedir Elektromanyetik

kuplaj yakınlık (proximity) kuplaj olarak da bilinir Besleme hattı yama ve toprak

duumlzlemi birbirinden ayıracak şekilde iki ortam arasına yerleştirilmektedir İstenmeyen

yayılımları engellemesi performansının iyileştirilebilmesi iccedilin besleme hattı ile yama

ve toprak duumlzlem arasındaki alttaşların farklı dielektrik malzemeden seccedililebilmesi bu

besleme yapısının avantajlarındandır Dezavantajı ise iki alttaşın uygun olarak

ayarlanmasının gerekliliği ve toplam alttaşlardan dolayı antenin kalınlığının artmasıdır

Şekil 38 Elektromanyetik kuplajlı MYA konfiguumlrasyonu (Toktaş 2009)

3224 Accedilıklık Kuplajlı Besleme

Bu besleme tekniğinde iletken yama iki alttaş arasına yerleştirilmiş toprak

duumlzlemde accedilılmış bir delik vasıtasıyla Şekil 39‟ daki gibi beslenmektedir Kuplaj

deliği simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak iccedilin genellikle yamanın

altında merkezlenir Antenin şekli oumllccediluumlleri ve kuplaj deliğinin yeri besleme hattından

yamaya doğru kuplaj miktarını belirler Bu besleme yapısında (elektromanyetik kuplaj

beslemede olduğu gibi) istenmeyen yayılımları engellemek performansını optimize

edilebilmek iccedilin besleme hat ile yama ve toprak duumlzlem arasındaki alttaşlar farklı

dielektrik malzemeden seccedililir Ayrıca bu besleme yapısında daha geniş (BW) elde

etmek muumlmkuumlnduumlr

İsa ATAŞ

17

Şekil 39 Accedilıklık kuplajlı MYA konfigurasyonu (Toktaş 2009)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1995) Bir sonraki boumlluumlmde (AKMYA) analizi yapılıp daha detaylı

anlatılacaktır Aşağıdaki tabloda MYA‟larda farklı tiplerdeki besleme tekniklerinin

karşılaştırılması goumlsterilmiştir

Ccedilizelge 31 Mikroşerit yama antenlerde değişik tiplerdeki besleme tekniklerinin

karşılaştırılması (Garg ve ark 2001)

Karakteristik

Mikroşerit

Hatlı

Besleme

Koaksiyel Hat ile

Besleme

Yakınlık

Kuplajlı

Besleme

Accedilıklık

Kuplajlı

Besleme

Tasarım Es duumlzlemsel Duumlzlemsel

olmayan

Duumlzlemsel Duumlzlemsel

İstenmeyen

Besleme

Işıması

Az Fazla Fazla Fazla

Uumlretim

Kolaylığı

Kolay Delme ve lehim

gerekli

Hizalama

gerekli

Hizalama

gerekli

Empedans

Uygunlaştırma

Kolay Kolay Kolay Kolay

Bant Genişliği 2ndash5 2ndash5 13 21

3MATERYAL VE METOD

18

323 Mikroşerit Yama Antenlerin Şekil ve Boyut Oumlzellikleri

MYA yapılarında yamanın genellikle dikdoumlrtgen ya da daire şeklinde

seccedililmesine karşın Şekil 310‟da goumlsterilen yama şekillerine de rastlamak muumlmkuumlnduumlr

Şekil 310 MYA‟ larda kullanılan temel yama şekilleri (Oumlzdemir 2009)

Herhangi bir dikdoumlrtgen yama kullanılan basit bir MYA yapısı incelendiğinde

serbest uzay dalga boyunu goumlstermek uumlzere boyutlara ilişkin aşağıdaki eşitsizlikler

genellikler sağlanmaktadır

t yama kalınlığı tltlt

h iletkenler arasındaki mesafe 0003 h 005

r dielektrik sabiti 22 r 12

L dikdoumlrtgen yamanın uzunluğu 3 L 2

Bunun yanında rezonans uzunluğu antenin rezonans frekansını da belirler ve

dikdoumlrtgensel bir yama iccedilin yaklaşık 2 kadardır Aslında antenin elektriksel boyutu

kenarlardan saccedilılan alan nedeniyle fiziksel boyutundan buumlyuumlktuumlr ve aradaki fark

kullanılan dielektrik malzemenin kalınlığına ve dielektrik sabitine bağlıdır

Rezonans frekansını etkileyebilecek diğer parametreler aşağıdaki gibidir

Toprak yuumlzeyin boyutu

İletken yamanın kalınlığı

İletken yamanın genişliği (Kumar ve ark 2003)

İsa ATAŞ

19

324 Mikroşerit Yama Antenlerde Analiz Youmlntemleri

MYA‟lar ince dielektrik alttaş uumlzerinde iki boyutlu ışıma yapan yamaya sahip

olduğu iccedilin analiz amaccedillı olarak iki boyutlu duumlzlemsel bir eleman olarak

sınıflandırılabilir MYA‟lar iccedilin analiz youmlntemleri yama kenarları etrafında eşit

manyetik akım dağılımına dayanmaktadır En popuumller olanları aşağıda sıralanmıştır

İletim Hattı Modeli (Transmission Line Model)

Boşluk Modeli (Cavity Model)

Tam Dalga Modeli (Full Wave Model)

İletim hattı modeli analiz youmlntemleri iccedilinde en basit youmlntem olmakla beraber fiziksel

yapının ccediloumlzuumlmlenmesi konusunda da yeteneklidir Ancak doğruluk payı diğer

youmlntemlere kıyasla duumlşuumlktuumlr ve kuple yapıları modellemekte yetersizdir (Kumar ve ark

2003)

İletim hattı modeline kıyasla kavite modeli daha yuumlksek doğruluğa sahiptir fakat

aynı zamanda karmaşık bir yapısı vardır Bunun oumlzelliklere ek olarak iletim hattı modeli

gibi fiziksel ccediloumlzuumlmleme konusunda yeteneklidir ancak kuple yapıların modellenmesinde

bu youmlntem de yetersiz kalmaktadır (Kumar ve ark 2003)

Bu modellerin iccedilerisinde en yuumlksek doğruluk payına sahip olan model tam dalga

modelidir Bu model tak parccedilalı yapılara uygulanabileceği gibi sonlu ve sonsuz anten

dizilerine gelişiguumlzel şekillerdeki antenlere ve hatta kuple yapılara uygulanabilir

Ancak bu model oldukccedila karmaşıktır ve fiziksel ccediloumlzuumlmleme yeteneği duumlşuumlktuumlr (Kumar

ve ark 2003)

325 Accedilıklık Kuplajlı Mikroşerit Yama Antenler

AKMYA fiziksel olarak karmaşık bir yapıya sahiptir Şekil 311‟de AKMYA‟

nın geometrisi goumlsterilmektedir AKMYA‟larda dikdoumlrtgen yama ışımanın yapacağı

boumllgeyi belirler Accedilıklık kısmı simetrik yapıdan dolayı ccedilapraz polarizasyonu azaltmak

iccedilin kullanılır En alt katmanda bulunan besleme hattı ise besleme yapısından dolayı

istenmeyen yayılımları engellemek ve performansı uygun hale getirmek iccedilin kullanılır

Şekil 312‟de AKMYA‟nın accedilıklık kısmının alan yayılımı goumlsterilmektedir

3MATERYAL VE METOD

20

Şekil 311 AKMYA geometrisi a) yandan goumlruumlnuumlşuuml b) uumlstten goumlruumlnuumlşuuml

Şekil 312 Accedilıklık kuplajlı alanın yayılımı

Şekil 311‟de goumlsterilen

Hp Yama Yuumlksekliği

Hf Besleme Yuumlksekliği

εrp Yamanın Dielektrik Katsayısı

εrf Beslemenin Dielektrik Katsayısı

Wap Accedilıklık Kısmının Genişliği

Lap Accedilıklık Kısmının Uzunluğu

Wf Beslemenin Genişliği

Lf Beslemenin Uzunluğu

Wp Yamanın Genişliği

Lp Yamanın Uzunluğu

İsa ATAŞ

21

3261 Accedilık Kuplajlı Mikroşerit Yama Antenin Temel Oumlzellikleri

Anten Alttaş Dielektrik Sabiti Oumlncelikle geniş empedans bant genişliği ve duumlşuumlk

yuumlzey dalga uyartımı veren dielektrik sabitesi antenin band genişliğini ve ışıma

verimliliğini etkiler

Anten Alttaş Kalınlığı Yuumlzey kalınlığı band genişliğini ve bağlantı duumlzeyini etkiler

Kalın alttaş geniş band genişliğini verir fakat duumlşuumlk bir bağlantı belirli bir accedilıklık

oluşturur

Mikroşerit Yama Uzunluğu (Plength) Yamanın uzunluğu rezonans frekansı belirler

Mikroşerit Yama Genişliği (Pwidth) Duumlşuumlk bir direnccedil goumlsteren yamanın genişliği

antenin rezonans direncini etkiler Kare yamalar ccedilapraz polarizasyonların oluşumuna

neden olabilir

Besleme Alttaş dielektrik Sabiti İyi bir mikroşerit yama anten iccedilin 2 le εrf le10

aralığında olmalıdır

Besleme Alttaş Kalınlığı İnce mikroşerit alttaşlar besleme hatlarında daha az

radyasyona sebep olur fakat kayıpları yuumlksektir İstenilen ideal kalınlık 001 -

002 aralığında olmalıdır

Accedilıklık Uzunluğu (APlength) Kuplaj seviyesi geri ışın duumlzeyi yanı sıra kuplaj uzunluğu

tarafından oumlncelikle belirlenir Accedilıklık uygun empedans iccedilin gerekenden daha uzun

yapılmamalıdır

Accedilıklık Genişlik(APwidth) Kuplaj genişliği kuplaj seviyesini etkiler Accedilıklığın genişlik

ve uzunluk oranı genellikle 110‟dur

Besleme Hattı genişliği(Fwidth) Besleme Hattının Karekteristik Empedansı kontroluuml

yanında besleme hattının genişliği Accedilıklık kuplajını etkiler

Accedilıklığa bağlı besleme hattının pozisyonu Maksimum kuplaj iccedilin besleme hattı

accedilıklık yuvası merkezine doğru accedilıda yerleştirilmelidir

3MATERYAL VE METOD

22

Accedilıklığa bağlı yamanın pozisyonu Maksimum kuplaj iccedilin yama accedilıklık uumlzerinden

merkezde olmalıdır (Pozar 1996)

Bu besleme yapısının goumlze ccedilarpan oumlzellikleri daha geniş band genişliği ve ışıyan

yamanın besleme yapısından meydana gelen ışımadan korunmasıdır (Pozar ve

Schaubert 1996)

Bu besleme yapısı Şekil 311‟ de goumlsterilmektedir Şekilden goumlruumllduumlğuuml gibi

yapıda ortak bir toprak duumlzlemiyle ayrılan iki taban kullanılır Alt tabandaki mikroşerit

besleme hattı yamaya ortak toprak duumlzlemindeki bir yarık accedilıklık uumlzerinden

elektromanyetik olarak kuplajlanmıştır Yarık herhangi bir şekilde veya boyutta olabilir

ve bu parametreler band genişligini geliştirmede kullanılabilir İki katman iccedilin taban

parametreleri beslemeyi ve ışımayı optimize edecek şekilde bağımsız olarak seccedililir

Oumlrneğin besleme hattının tabanı ince ve yuumlksek dielektrik sabitine sahip olmalıdır

Hacirclbuki yama tabanı kalın ve duumlşuumlk dielektrik sabitine sahip olmalıdır Dahası besleme

hattının accedilık ucunda oluşan ışıma yamanın ışıma deseniyle girişim yapmaz ccediluumlnkuuml

toprak duumlzlemi bir koruma etkisi yaratır Bu oumlzellik ayrıca kutuplanma aralığını

geliştirir Eğer kuplajlama yarığı rezonansta değilse yarıkta oluşan arka lob ışıması

tipik olarak ileri youmlndeki ana ışının 15 ile 20 dB altında kalır Kuplajlama yarığı

yamanın manyetik alanının maksimum olduğu yerde yamaya nazaran yaklaşık olarak

merkezlenmiştir Bu işlem manyetik kuplajlamayı genişletmek amacıyla yamanın

manyetik alanı ile yarığa yakın konumdaki eşdeğer manyetik akım iccedilin bilerek

yapılmıştır Kuplajlama genliği aşağıdaki ifadeden belirlenebilir (Pozar 1992)

Kuplajlama = sin ( X0 L ) (38)

V

Burada X0 yarıktan yama kenarına doğru olan kaymadır Bu besleme yapısında

yama anteni yarık kuplajı sebebiyle beslemeye seri olarak goumlruumlluumlr Rezonans yapmayan

yarık yama R-L-C ağıyla seri olan bir enduumlktoumlr olarak temsil edilir Yukarıda

tanımlanan besleme tekniklerinin değerine ilaveten bu besleme kuplajlama yarığının

şeklinin ve uzunluğunun besleme hattının genişliğinin ve saplama uzunluğunun

ayarlanmasıyla band genişliğini genişletmek iccedilin tanımlanabilir Yığılmamış bir yama

iccedilin yaklaşık olarak 21‟ lik bir empedans band genişliği bildirilir integral denklemi

İsa ATAŞ

23

yaklaşımına ve kavite modeline dayanan bu besleme tekniğinin analizi (Pozar 1985)

(Sullivan ve Schaubert 1986) (Himdi 1989) ccedilalışmalarında anlatılmıştır Accedilıklık

kuplajlı dikdoumlrtgen yamanın iletim hattı analizi (Himdi 1989)‟ da FDTD analizi ise

(Wu ve Et 1992)‟ da anlatılmaktadır (Koccediler 2009)

33 Yapay Sinir Ağları (YSA)

Yapay sinir ağları (YSA) biyolojik sinir ağlarından esinlenerek birbirine bağlı

doğrusal veveya doğrusal olmayan birccedilok işlemciden oluşan bir yapıdır Ayrıca

guumlnuumlmuumlzde bilgi sınıflama ve bilgi yorumlamalı problemlerin ccediloumlzuumlmuumlnde de

kullanılmaktadır

ldquoYSA insan beyninin ccedilalışma prensibinden esinlenerek oluşturulmuş bir bilgi

işleme youmlntemidir Bu yapılar birbirine paralel olarak bağlanmış işlem elemanlarından

(yapay sinir ağı huumlcresi noumlron uumlnite birim duumlğuumlm) ve onların hiyerarşik bir

organizasyonundan oluşurlar YSA‟ nın ccedilalışma prensibi ile insan beyninin ccedilalışması

arasında benzerlikler vardır YSA her ne kadar temel yapı itibariyle bir kısım oumlzellikleri

insan beyninin fiziki oumlzelliklerinden esinlenerek ortaya atılmış ise de kesinlikle şu

andaki halleri ile insan beyninin ne tam ne de yaklaşık bir modeli olarak

değerlendirilemezlerrdquo (Hanbay 2007)

ldquoİnsan beyninin ne olduğu ve nasıl ccedilalıştığı henuumlz kesinlik derecesinde

keşfedilmiş sayılmaz Guumlnuumlmuumlzde her ne kadar karmaşık matematiksel hesaplamaları

ve hafıza işlemlerini eldeki mevcut bilgisayarlarla hızlı ve doğru yapmak muumlmkuumln ise

de aynı bilgisayarlarla beynin birccedilok basit fonksiyonunu (goumlrmek duymak koklamak

gibi) yerine getirmek ya muumlmkuumln olmamakta ya da ccedilok zor olmaktadır Aynı şekilde

biyolojik beyin tecruumlbe ile oumlğrenme ve bilgiyi kendi kendine yorumlama hatta eksik

bilgilerden sonuccedillar ccedilıkartma kabiliyetine sahiptir

Bu daha ccedilok biyolojik sistemlerin huumlcreler uumlzerinde dağıtılmış bilgiyi paralel

olarak işleme oumlzelliklerinden kaynaklanır Huumlcreler birbirine bağlı ve paralel

ccedilalıştıklarından bazılarının işlevini yitirmesi halinde diğerleri ccedilalıştığı iccedilin sinir sistemi

fonksiyonunu tamamen yitirmez YSA bu oumlzellikleri buumlnyesinde toplayacak şekilde

3MATERYAL VE METOD

24

geliştirilmektedir YSA‟ları daha iyi anlamak iccedilin oumlnce biyolojik sinir ağlarına bakmak

faydalı olacaktır rdquo (Hanbay 2007)

Biyolojik sinir ağlarında girdi işaretlerini alan yorumlayan ve uygun ccedilıktıyı

ileten temel işlemci noumlron olarak adlandırılır Bir noumlron goumlvde (cell body) goumlvdeye

giren işaret alıcıları (dentrit) ve goumlvdeden ccedilıkan işaret iletici (akson) olmak uumlzere uumlccedil

kısımdan oluşur

(İkiz 2006) Dentritler noumlrona bilgiyi alan ve sayısal olarak birden

fazla olabilen yapılardır ve iccedilyapıları noumlronla aynıdır Aksonlar dentritten aldığı bilgiyi

diğer huumlcrelere aktaran uzantılardır Uzunlukları birkaccedil mikrondan 1-2 metreye kadar

değişebilir Her noumlronun yalnızca bir aksonu vardır Aksonlar oumlzel bir oumlrtuumlye sahip

olmalarına goumlre miyelinli ya da miyelinsiz olarak sınıflandırılabilirler Akson uumlzerini

oumlrten miyelin kılıfın yalıtım ve darbe hızını arttırmak gibi iki oumlnemli goumlrevi vardır

Şekil 313‟de miyelinli bir noumlronun yapısı goumlsterilmiştir

Şekil 313 Miyelinli bir noumlron yapısı (Acar 2010)

Sinir huumlcreleri arasında iletişimin gerccedilekleştiği yapısal ve fonksiyonel olarak

oumlzelleşmiş boumllgelere sinaps adı verilir Şekil 314‟de bir biyolojik noumlronun yapısı

goumlsterilmiştir

İsa ATAŞ

25

Şekil 314 Biyolojik noumlron (Acar 2010)

Yapay sinir ağları biyolojik sinir ağlarından esinlenerek birbirine bağlı doğrusal

veveya doğrusal olmayan birccedilok işlemci elemandan oluşur Bir yapay noumlron temel

olarak girişler ağırlıklar toplam fonksiyonu aktarım fonksiyonu ve ccedilıkış olmak uumlzere

beş kısımdan oluşur Şekil 315‟te yapay noumlron ayrıntılı goumlsterimi verilmiştir

Şekil 315 Yapay noumlron (Acar 2010)

3MATERYAL VE METOD

26

Dentrit goumlsteriminde presinaptik aktiviteleri giriş işaretlerinin p elemanlı suumltun

vektoumlruuml olarak goumlsterilir giriş desenlerinin uzayı p boyutludur

Sinapslar ağırlıklar olarak adlandırılan ayarlanabilir parametreler ile karakterize

edilirler Ağırlıklar p elemanlı satır vektoumlruuml

(39)

olarak duumlzenlenir İşaret akış goumlsteriminde p tane ağırlığı olan bir noumlron giriş

noktalarının bir katmanı şeklinde duumlzenlenir Ağırlıklar giriş ile toplama noktası

arasındaki bağlantılara karşılık gelir

Sinapslardan ve dentritlerden geccedilen giriş işaretleri bdquotoplam post-sinaptik

aktiviteyi tanımlayan‟ aktivasyon potansiyeli olarak toplanır

Aktivasyon potansiyeli giriş işaretlerinin ve ağırlıklarının lineer toplamı olarak

şekillenmiştir Yani ağırlıklar ile geccediliş vektoumlrleri ccedilarpımıdır (İkiz 2006)

(310)

Eşik fonksiyonları işlem elemanlarının sınırsız sayıdaki girişini oumlnceden

belirlenmiş sınırda ccedilıkış olarak duumlzenler En ccedilok kullanılan doumlrt tane eşik (aktivasyon)

fonksiyonu vardır Şekil 319‟da bu fonksiyonlar goumlsterilmiştir Bunlar lineer (a)

rampa (b) basamak (c) ve sigmoid (d) fonksiyonudur (Hanbay 2007)

Şekil 316 YSA‟lar iccedilin kullanılan eşik fonksiyonları (Hanbay 2007)

İsa ATAŞ

27

Toplama fonksiyonu bir işlem elemanına gelen net girişi hesaplayan bir

fonksiyondur Net giriş genellikle gelen bilgilerin ilgili bağlantıların ağırlıkları ile

ccedilarpılıp toplanması ile belirlenir Bu nedenle toplama fonksiyonu olarak adlandırılır

Eşik fonksiyonu da toplama fonksiyonu tarafından belirlenen net girişi alarak işlem

elemanının ccedilıkışını belirleyen fonksiyondur Genel olarak tuumlrevi alınabilen bir

fonksiyon olması tercih edilir

Toplama ve ccedilıkış fonksiyonları ilgili probleme bağlı olarak farklı şekiller

alabilirler İşlem elemanının ccedilıkış uumlnitesi ise ccedilıkış fonksiyonunun uumlrettiği duumlrtuumlyuuml diğer

işlem elemanlarına veya dış duumlnyaya aktarma işlevini yapar İşlem elemanları ağın

topolojik yapısına bağlı olarak tamamen birbirinden bağımsız ve paralel olarak

ccedilalışabilirler (Hanbay 2007)

331 Yapay Sinir Ağlarının Genel Oumlzellikleri

Yapay sinir ağlarının sahip olduğu oumlzelliklerden birkaccedilı aşağıda sıralanmıştır

bull Yapay sinir ağları makine oumlğrenmesi gerccedilekleştirirler Olayları oumlğrenerek benzer

olaylar karşısında benzer kararlar vermeye ccedilalışırlar

bull Ağ kendisine goumlsterilen oumlrneklerden genellemeler yaparak goumlrmediği oumlrnekler

hakkında bilgiler uumlretebilir

bull Yapay sinir ağlarının en oumlnemli oumlzelliklerinden birisi sınıflandırma yapmasıdır

Verilen oumlrneklerin kuumlmelendirilmesi ve belirli sınıflara ayrıştırılarak daha sonra

gelen bir oumlrneğin hangi sınıfa gireceğine karar vermesi hedeflenmektedir

bull Yapay sinir ağları sadece nuumlmerik bilgiler ile ccedilalışırlar

332 Yapay Sinir Ağlarının Sınıflandırılması

YSA‟lar genel olarak birbirleri ile bağlantılı işlemci birimlerden (sinir huumlcresi)

oluşurlar Her bir sinir huumlcresi arasındaki bağlantıların yapısı ağın yapısını belirler

İstenilen hedefe ulaşmak iccedilin bağlantıların nasıl değiştirileceği oumlğrenme algoritması

tarafından belirlenir Kullanılan oumlğrenme algoritmasına goumlre hatayı sıfıra indirecek

şekilde ağın ağırlıkları değiştirilir YSA‟lar yapılarına ve oumlğrenme algoritmalarına goumlre

sınıflandırılırlar (Sağıroğlu ve ark 2003)

3MATERYAL VE METOD

28

3321 YSArsquo ların Yapılarına Goumlre Sınıflandırılmaları

YSA‟lar yapılarına goumlre ileri beslemeli ve geri beslemeli ağlar olmak uumlzere iki

şekilde sınıflandırılırlar (Sağıroğlu ve ark 2003)

İleri Beslemeli Ağlar

İleri beslemeli YSA‟da huumlcreler katmanlar şeklinde duumlzenlenir ve bir

katmandaki huumlcrelerin ccedilıkışları bir sonraki katmana ağırlıklar uumlzerinden giriş olarak

verilir Giriş katmanı dış ortamlardan aldığı bilgileri hiccedilbir değişikliğe uğratmadan orta

katmandaki huumlcrelere iletir Bilgi orta ve ccedilıkış katmanında işlenerek ağ ccedilıkışı belirlenir

Bu yapısı ile ileri beslemeli ağlar doğrusal olmayan statik bir işlevi gerccedilekleştirir İleri

beslemeli 3 katmanlı YSA‟nın orta katmanında yeterli sayıda huumlcre olmak kaydıyla

herhangi bir suumlrekli fonksiyonu istenilen doğrulukta yaklaştırabileceği goumlsterilmiştir En

ccedilok bilinen geriye yayılım oumlğrenme algoritması bu tip YSA‟ların eğitiminde etkin

olarak kullanılmakta ve bazen bu ağlara geriye yayılım ağları da denmektedir (Ccedilolak

2006) Şekil 320‟da ccedilok katmanlı ileri beslemeli YSA yapısı verilmiştir

Şekil 317 Ccedilok katmanlı ve ileri beslemeli ağ

(311)

Akj k girdi katmanı elemanını jara katman elemanına bağlayan bağlantının

ağırlık değeridir J ara katman elemanının ccedilıktı değeri ise net girdinin aktivasyon

İsa ATAŞ

29

fonksiyonundan geccedilirilmesi ile elde edilir Herhangi bir problemi ccediloumlzmek amacıyla

kullanılan YSA‟da katman sayısı ve orta katmandaki huumlcre sayısı gibi kesin

belirlenememiş bilgilere rağmen nesne tanıma ve işaret işleme gibi alanların yanı sıra

ileri beslemeli YSA sistemlerin tanımlanması ve denetiminde yaygın olarak

kullanılmaktadır (Demir ve Coşkun 2008)

İleri beslemeli ağlara oumlrnek olarak CcedilKA (Multi Layer Perseptron-MLP) ve LVQ

(Learning Vector Quantization) ağları verilebilir

Geri Beslemeli Ağlar

Bir geri beslemeli sinir ağı ccedilıkış ve ara katlardaki ccedilıkışların giriş birimlerine

veya oumlnceki ara katmanlara geri beslendiği bir ağ yapısıdır Boumlylece girişler hem ileri

youmlnde hem de geri youmlnde aktarılmış olur Şekil 321‟de bir geri beslemeli ağ

goumlruumllmektedir Bu ccedileşit sinir ağlarının dinamik hafızaları vardır ve bir andaki ccedilıkış hem

o andaki hem de oumlnceki girişleri yansıtır Bundan dolayı oumlzellikle oumlnceden tahmin

uygulamaları iccedilin uygundurlar Geri beslemeli ağlar ccedileşitli tipteki zaman serilerinin

tahmininde oldukccedila başarı sağlamışlardır Bu ağlara oumlrnek olarak Hopfield SOM (Self

Organising Map) Elman ve Jordan ağları verilebilir

Şekil 318 Geri beslemeli ağ iccedilin blok diyagram (Sağıroğlu 2003)

Geri beslemeli YSA‟da en az bir huumlcrenin ccedilıkışı kendisine ya da diğer huumlcrelere

giriş olarak verilir ve genellikle geri besleme bir geciktirme elemanı uumlzerinden yapılır

Geri besleme bir katmandaki huumlcreler arasında olduğu gibi katmanlar arasındaki

3MATERYAL VE METOD

30

huumlcreler arasında da olabilir Bu yapısı ile geri beslemeli YSA doğrusal olmayan

dinamik bir davranış goumlsterir Dolayısıyla geri beslemenin yapılış şekline goumlre farklı

yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilir

Geriye doğru hesaplamada ağın uumlrettiği ccedilıktı değeri ağın beklenen ccedilıktıları ile

kıyaslanır Bunların arasındaki fark hata olarak kabul edilir Amaccedil bu hatanın

duumlşuumlruumllmesidir Ccedilıktı katmanında m proses iccedilin oluşan hata Em= Bm- Ccedilm olacaktır

Ccedilıktı katmanında oluşan toplam hatayı bulmak iccedilin buumltuumln hataların toplanması

gereklidir Bazı hata değerleri negatif olacağından toplamın sıfır olmasını oumlnlemek

amacıyla ağırlıkların kareleri hesaplanarak sonucun karekoumlkuuml alınır Toplam hata

aşağıdaki formuumll ile bulunur

(312)

Toplam hatayı en aza indirmek iccedilin hatanın kendisine neden olan proses

elemanlarına dağıtılması gerekmektedir Bu da proses elemanlarının ağırlıklarını

değiştirmek demektir (Saraccedil 2004)

333 Bazı Ağ Mimarileri ve Levenberg-Marquardt Algoritması (LM)

3331 Tek Katmanlı YSArsquo lar

Noumlronlar yapay sinir ağlarının yapı taşlarıdır Tek katmanlı ileri beslemeli YSA

olarak adlandırılan ağ yapısı en azından yukarıda soumlz edilen tipte bir noumlrondan

oluşmaktadır Şekil 322‟de genel yapısı goumlsterilmiştir Burada n tane giriş giriş

vektoumlruumlnuuml oluşturmaktadır YSA‟nın tek katmanında k tane noumlron

bulunmaktadır Genelde noumlron sayısı ile giriş sayısı birbirine eşit değildir (k n)

Girişler her bir noumlronun girişine uygun ağırlıklarla bağlanır Her bir noumlron kendi

girişleri ve sapmanın ağırlıklarını toplar ve bu toplamı kendi aktivasyon fonksiyonuna

uygular Bunu takiben tek katmanlı olarak tanımlanan YSA‟nın k tane ccedilıkısı ccedilıkış

vektoumlruumlnuuml oluşturur

Ccedilıkış vektoumlruumlnuumln ifadesi

(313)

İsa ATAŞ

31

olarak yazılabilir Bu eşitlikte F1 bu tek katmanın k elemanlı koumlşegen aktivasyon

matrisidir ve bu katmanın net girişlerine bağlıdır

(314)

Burada k duumlğuumlmlerinin her birinin aktivasyon fonksiyonları eşit kabul edilmiştir

(315)

S1 net vektoumlruuml S1=[S1 S2hellipSk]T oluşturulur S1 S2hellipSk sırasıyla 12hellip k

noumlronlara karşılık gelir ve

(316)

olarak ifade edilir Ayrıca W1 ccedilıkış katmanının ağırlık matrisi sinir ağının yapısına

bağlı olarak k satır n suumltundan oluşturulmaktadır

(317)

Genelde wij j hedef duumlğuumlm ile i kaynağın ağırlığını temsil etmektedir

B1sapma vektoumlruuml tek katmanlı ağlarda b11 b12 hellip b1k sırasıyla ccedilıkış katmanının 1 2

hellip k duumlğuumlmlerinin sapmalarıdır

B1=[ b11 b12 hellip b1k]T

(318)

3MATERYAL VE METOD

32

ldquoTek katmanlı YSA sadece sınırlı sayıda sistemlerde kullanılır Tuumlm doğrusal

olmayan fonksiyonları temsil edemezler Tek katmanlı YSA‟da aktivasyon fonksiyonu

olarak keskin-sınırlayıcı fonksiyonu kullanıldığı zaman tek katmanlı perseptron adlı

model meydana gelmektedir Bu model bazı sınıflandırma problemlerinde aktivasyon

fonksiyonunun giriş uzayını iki boumllgeye boumllmesi ve ccedilıkış uzayının giriş vektoumlruumlne bağlı

olarak 1 ve 0 değerleri alması ile gerccedilekler Tek katmanlı ağlarda doğrusal aktivasyon

fonksiyonu kullanıldığında doğrusal sinirlere sahip bir ağ oluşur Bu sinirler ADALINE

sinirlerinden (Adaptive Lineer Neurons) Widrow-Hoff sinirleri olarak adlandırılır Bu

noumlronlardan meydan gelen ağda adaptif oumlğrenme kullanılıyorsa ADALINE ağ veya

MADALINE ağ olarak adlandırılırrdquo (Batar 2005)

Şekil 319 Tek katmanlı YSA (Batar 2005)

3332 Ccedilok Katmanlı Algılayıcılar (CcedilKA)

Rumelhart ve arkadaşları tarafından geliştirilen bu modele hata yayma modeli

veya geriye yayılım modeli (backpropogation network) de denilmektedir CcedilKA modeli

yapay sinir ağlarına olan ilgiyi ccedilok hızlı bir şekilde arttırmış ve YSA tarihinde yeni bir

doumlnem başlatmıştır Bu ağ modeli oumlzellikle muumlhendislik uygulamalarında en ccedilok

kullanılan sinir ağı modeli olmuştur Birccedilok oumlğretme algoritmasının bu ağı eğitmede

kullanılabilir olması bu modelin yaygın kullanılmasının sebebidir

İsa ATAŞ

33

Bir CcedilKA modeli bir giriş bir veya daha fazla ara ve bir de ccedilıkış katmanından

oluşur Bir katmandaki buumltuumln işlem elemanları bir uumlst katmandaki buumltuumln işlem

elemanlarına bağlıdır Bilgi akışı ileri doğru olup geri besleme yoktur Bunun iccedilin ileri

beslemeli sinir ağı modeli olarak adlandırılır Giriş katmanında herhangi bir bilgi işleme

yapılmaz Buradaki işlem elemanı sayısı tamamen uygulanan problemlerin giriş

sayısına bağlıdır Ara katman sayısı ve ara katmanlardaki işlem elemanı sayısı ise

deneme-yanılma yolu ile bulunur Ccedilıkış katmanındaki eleman sayısı ise yine uygulanan

probleme dayanılarak belirlenir Bu ağ modeli oumlzellikle sınıflandırma tanıma ve

genelleme yapmayı gerektiren problemler iccedilin ccedilok oumlnemli bir ccediloumlzuumlm aracıdır

ldquoCcedilKA modelinin temel amacı ağın beklenen ccedilıktısı ile uumlrettiği ccedilıktı arasındaki

hatayı en aza indirmektir Bu ağlara eğitim sırasında hem girdiler hem de o girdilere

karşılık uumlretilmesi gereken (beklenen) ccedilıktılar goumlsterilir Ağın goumlrevi her girdi iccedilin o

girdiye karşılık gelen ccedilıktıyı uumlretmektir Oumlrnekler giriş katmanına uygulanır ara

katmanlarda işlenir ve ccedilıkış katmanından da ccedilıkışlar elde edilir Kullanılan eğitme

algoritmasına goumlre ağın ccedilıkışı ile arzu edilen ccedilıkış arasındaki hata tekrar geriye doğru

yayılarak hata minimuma duumlşuumlnceye kadar ağın ağırlıkları değiştirilir Şekil 320‟de

CcedilKA modeli goumlsterilmiştirrdquo (Saraccedil 2004)

3333 Levenberg-Marquardt Algoritması

ldquoYSA‟da yaygın olarak kullanılan geri yayılım algoritmalarında geri yaylımın

ağa oumlğretilmesi esnasında ccedilıkış noumlronlarında sonuccedil uumlretmek uumlzere girişten uygulanan

veri gizli katmanlardan geccedilerek ccedilıkışa aktarılmaktadır Bu şekilde oluşturulan ccedilıkış

değeri istenen değerle karşılaştırılır Elde edilen ccedilıkış hatalarının tuumlrevi tekrar ccedilıkış

katmanından gizli katmanlara iletilir Bu tuumlrev değerlerine goumlre hataların azalması iccedilin

noumlronlar kendi hatalarını ayarlarlar Ağırlık değiştirme denklemleri ise hatayı en az

seviyeye ccedilekecek şekilde duumlzenlenirrdquo (Bilgin 2008)

Aynı zamanda geri yayılım algoritmaları performans fonksiyonunu en kuumlccediluumlk

değere ccedilekebilmek iccedilin geriye doğru bir gradyen hesaplaması yaparlar Boumlylece

algoritmadaki ağırlıklar performans fonksiyonunun azalması youmlnuumlnde ayarlanır Fakat

3MATERYAL VE METOD

34

bu youmlntem YSA iccedilin ccedilok yavaş kalmaktadır Bu yuumlzden daha hızlı ve performansı

yuumlksek algoritma ccediloumlzuumlmlerine ihtiyaccedil duyulmaktadır

ldquoİki tuumlr hızlı algoritma vardır ilk kategorideki algoritmalar deneme yanılma

mantığını kullanarak standart gradyen azalması (steepest descent) youmlnteminden daha iyi

sonuccedillar verebilirken ikinci tuumlr hızlı algoritmalar standart sayısal optimizasyon

youmlntemlerini kullanmaktadırlar Bu algoritmalar ise eşlenik gradyen metodu Newton

oumlğrenme algoritmaları ve Levenberg-Marquardt (LM) oumlğrenme algoritmasıdırrdquo (Bilgin

2008)

LM youmlnteminde amaccedil performans fonksiyonunun ağırlıklara goumlre ikinci

tuumlrevinin alınması ile oluşturulan Hessian matrisini elde etmektir Hessian matrisi şu

şekilde ifade edilir

(319)

Bu denklemde H Hessian matrisi microm Marquardt parametresi I ise birim matrisi

ifade etmektedir J ise Jakobian matrisini olarak ağ hatalarının ağırlıklara goumlre birinci

tuumlrevini belirtir

(320)

Burada ise e ağ hataları vektoumlruumlduumlr Ağın gradyeni ise

(321)

şeklinde hesaplanarak eşitlik 3213‟e goumlre değiştirilir

(322)

Hata değerinin hesaplanmasında her başarılı adımdan sonra microm değeri azaltılır

Buradaki hedef ise performans fonksiyonunu en kuumlccediluumlk yapacak ağırlık değerini

bulmaktır (Bilgin 2008)

İsa ATAŞ

35

34 Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS)

Yuumlksek Frekans Yapı Simuumllatoumlruuml (HFSS) 3 Boyutlu (3B) hacimsel pasif cihaz

modellemesi iccedilin Windows grafiksel kullanıcı ara yuumlzuumlnuuml kullanan yuumlksek performanslı

bir tam dalga elektromanyetik (EM) alan simuumllatoumlruumlduumlr Ansoft HFSS Sonlu Eleman

Metodu‟ nu (Finite Element Method FEM) adaptif oumlrguumlleme ve parlak grafikleri

kullanır Ansoft HFSS Rezonans frekansı Geri Doumlnuumlş Kaybı ve Fiziksel Alanlar gibi

parametrelerin hesabında kullanılabilir Aşağıda Ansoft HFSS‟de kullanılan bazı

oumlzellikler sıralanmıştır

Paket Modellemelerinde

PCB Kart Modellemelerinde

EMCEMI

AntenlerMobil Haberleşme Alanlarında

Konnektoumlrlerde

Dalga kılavuzlarında

Filtrelerde

ldquoHFSS basit bir monopolden karmaşık radar tertibatları ve rastgele besleme ağlarına

kadar ccedileşitli antenlerin tasarlanmasına iyileştirilmesine ve performanslarının tahminine

izin verir Antenlerden anten dizilerine ve besleme sistemlerine kadar HFSS Işıma

desenlerini ışın genişliğini dacirchili alanları ve daha fazlasını iccedileren elektriksel

performansları doğru bir şekilde tahmin eder Diğer uygulamaları ise RF ve mikrodalga

bileşen tasarımı yuumlksek frekans IC tasarımı yuumlksek hızlı paket tasarımı ve yuumlksek hızlı

RF PCB tasarımıdırrdquo (Koccediler 2009)

Ansoft HFSS pek ccedilok kullanıcıdan gelen oumlneriler ve enduumlstriden gelen istekler ile

geliştirilmiştir

HFSS‟in mevcut ccedilizdirme tipleri aşağıda verilmiştir

Dikdoumlrtgensel Ccedilizim

3B Dikdoumlrtgensel Ccedilizim

Kutupsal Ccedilizim

3MATERYAL VE METOD

36

3B Kutupsal Ccedilizim

Smith Kart

Işıma Deseni

ldquoHFSS bir yapının elektromanyetik davranışını hesaplamak iccedilin kullanılan interaktif

bir yazılım paketidir Yazılım bu davranışın detaylı analizi iccedilin oumln işleme komutlarını

iccedilerir

HFSS‟ i kullanarak

Sınır problemleri ışıyan yakın ve uzak alanlar iccedilin temel elektromanyetik alan

belirleyicilerini

Karakteristik port empedansı ve yayılma sabitlerini

Genelleştirilmiş S-parametreleri ve belirli port empedansları iccedilin normalize

edilmiş S-parametrelerini

Bir yapının rezonans ccedilıkışları hesaplanabilir

Yapıyı ccedilizdirebilir her nesne iccedilin materyal karakteristiklerini belirleyebilir ve

portlarla oumlzel yuumlzey karakteristikleri belirlenebilir HFSS ardından gerekli alan

ccediloumlzuumlmleri ile bağlantılı port karakteristiklerini ve S-parametrelerini uumlretir Problem

kurulduğunda HFSS problemi tek bir belirli frekansta ya da belli bir aralıktaki pek ccedilok

frekansta ccediloumlzuumlleceğini belirlemeye imkacircn tanırrdquo (Koccediler 2009)

Bu ccedilalışmada literatuumlrde mevcut olan anten parametreleri ile simuumllasyonlar

gerccedilekleştirilmiş ve bunun sonucunda alınan değerler YSA sonuccedilları ile

karşılaştırılmıştır

İsa ATAŞ

37

4 BULGULAR VE TARTIŞMA

41 HFSS ile AKMYArsquo nın Rezonans Frekansının Bulunması

AKMYA Ansoft_HFSS_V10 ile modellenerek simuumlle edilmiştir Şekil 41rsquode

HFSS ile modellenmiş AKMYA goumlsterilmiştir

Şekil 41 HFSS ile modellenmiş AKMYA

HFSS programı ile prototipi hazırlanmış AKMYA analizi yaklaşık 15-30 dakika

iccedilerisinde gerccedilekleşmiştir Girilen giriş parametre değerlerine goumlre simuumllasyon

sonucunda rezonans frekans değeri bulunmuştur 1 GHz ndash 35 GHz arasında rezonans

frekans değerleri iccedilin anten boyutlarında sistematik bir şekilde gerekli değişiklikler

gerccedilekleştirilmiştir Her bir giriş parametre değişiklikleri manuel olarak girilmiş ve

sonuccedil rezonans frekans değeri manuel olarak kaydedilmiştir Ccedilizelge 41rsquode yapılan

ccedilalışmaya bir oumlrnek verilmiştir

Ccedilizelge 41 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevabı

Lp(x) Wp(y) Wap(x) Lap(y) Lf(x) Fr

3274 2763 0172 1268 6227 2500

4BULGULAR VE TARTIŞMA

38

MYArsquo larda yama genişliği antenin giriş empedansını yama uzunluğu ise

antenin rezonans frekansını kontrol etmektedir Belirli bir frekansta rezonansa girecek

bir yama anten yuumlksek performanslı tam dalga elektromanyetik alan simuumllatoumlruuml olan

(HFSS) ile hazırlanabilir MYArsquo lar iccedilin genelde doumlrt temel tasarım parametresi vardır

Bunlar yama genişliği yama uzunluğu dielektrik tabanın yuumlksekliği ve geccedilirgenliğidir

Bunun yanı sıra simuumllasyon esnasında besleme noktasının tespiti ve kullanılan

dielektrik malzemenin yapısı gibi bilinmesi gereken oumlzelliklerde vardır Ayrıca antenin

simuumlle edileceği uygun bir ortamın (hava vakum vs) da gerekli boyutlar hesaplanarak

tanımlanması gerekmektedir Dielektrik tabanın yuumlksekliği ve geccedilirgenliği MYArsquo nın

ccedilalışmasındaki en etkili iki parametredir (Koccediler 2009)

411 Rezonans Frekansının Antene Bağımlı Parametreleri

HFSS ile modellenmiş AKMYA 3 katmandan oluşmaktadır Uumlst katman tek bir

yamaya sahiptir Yama boyutları (Lp Wp) ile karakterize edilmiştir orta katmanda

accedilıklık (yuumlzey) bulunmaktadır Accedilıklık boyutları da (Lap Wap) ile karakterize edilmiştir

Alt katman ise beslemenin yapıldığı yerdir Besleme boyutları da (Lf Wf) olarak

karakterize edilmiş fakat Wf değeri besleme noktasına bağımlı olduğu iccedilin sabit

bırakılmıştır Ayrıca accedilıklık yamanın merkezine dahil edilmiş ve besleme noktası

simetrik olarak yerleştirilmiştir Antenin uumlstten ve yandan goumlruumlnuumlşleri Şekil 42rsquode

goumlsterilmiştir

Şekil 42 Accedilık kuplajlı mikroşerit yama antenin uumlstten ve yandan goumlruumlnuumlşuuml

İsa ATAŞ

39

Modellenmiş AKMYArsquonın alttaş yapısında dielektrik katsayısı 22 dB ve

dielektrik kayıp tanjantı 00009rsquodB olan Rogers RTduroid 5880trade malzemesi

kullanılmıştır Dielektrik malzeme olarak tercih edilmesinin sebebi mikrodalga

ccedilalışmalarındaki tutarlılığı hafif ve kullanılışlılığı ve dielektrik kayıp tanjantının ccedilok

duumlşuumlk seviyede kalmasıdır

Antene bağımlı rezonans frekans değerlerini bulmak iccedilin duumlzenli ve ardışık

değerlerden oluşan 100 giriş parametre değerleri HFSS programında girilmiş ve sonuccedil

rezonans frekans değerleri kaydedilmiştir MYArsquo nın dielektrik sabitesi ve kullanılan

alttaş malzemenin kalınlığı ile birlikte antenin geometrik değişikliği de ccedilıkış rezonans

frekansını etkilediği goumlruumllmuumlştuumlr Şekil 43 rsquote giriş parametre değerlerine goumlre

rezonans frekans cevapları grafiksel olarak goumlsterilmiştir

Şekil 43 AKMYArsquo nın giriş parametre değerlerine goumlre rezonans frekans cevapları

4BULGULAR VE TARTIŞMA

40

Giriş veri setinin duumlzenli ardışık değerlerden oluşması ve mevcut toplam

verilerin yeteri sayıda olmayışı YSArsquo nın yapısına uygun olmadığından mevcut veri

seti genişletilerek belli aralıktaki sayılardan rastgele uumlretilen 500 adet giriş parametre

değerleri girilerek 500 adet ccedilıkış rezonans frekans değeri elde edilmiştir Simuumllasyon

programında girilen giriş parametre değerlerine karşılık elde edilen ccedilıkış rezonans

frekans cevaplarından bir kaccedilı ccedilizelge 42rsquode goumlsterilmiştir

Ccedilizelge 42 HFSSrsquode kullanılan AKMYArsquonın giriş parametre değerleri ve elde edilen

ccedilıkış rezonans frekans değerleri

SN Giriş Parametreleri Ccedilıkış Parametresi

Lp(cm) Wp(cm) Wap(cm) Lap(cm) Lf(cm) Fr(GHz)

1 2619 3526 0166 1547 5433 2880

2 3864 2698 0166 1834 6752 2170

3 2585 3584 0173 2127 6472 3080

4 2643 2666 0203 1992 6534 3100

5 3543 2676 0181 1633 6388 2390

6 2693 3461 0177 1932 6153 2840

7 4136 2993 0165 1559 5821 2150

8 4135 3481 0208 2169 6408 1980

9 3945 3624 0177 2187 5456 2020

10 2800 3375 0201 2051 5509 2640

11 3819 3610 0189 1528 5285 2170

12 3537 2852 0176 1600 6938 2460

13 4446 3602 0203 1371 6948 1950

14 3798 3956 0198 1963 5467 2140

15 4101 3800 0181 2071 6068 2040

16 3408 2629 0200 2105 6399 2240

17 3365 3050 0204 1714 5758 2450

18 4151 3054 0179 1759 6570 1980

19 2667 3528 0173 1264 6227 2990

20 2766 3397 0188 2090 5999 2690

21 2847 3684 0205 1595 5718 2690

İsa ATAŞ

41

42 YSA ile AKMYArsquo nın Rezonans Frekansının Bulunması

Bu boumlluumlmde AKMYArsquo nın rezonans frekansını hesaplamak iccedilin bir yapay sinir

ağı modeli tasarlandı Giriş parametreleri (yamanın genişliği ve uzunluğu besleme

alanın uzunluğu accedilıklık yuumlzeyinin genişliği ve uzunluğu) ile ccedilıkış parametresi

(rezonans frekans) birlikte bir eğitim modeli oluşturuldu

YSArsquo nın giriş oumlrnekleri oluşturulurken belli parametreler duumlzenli değiştirilip

geri kalan parametreler sabit tutuldu Bu giriş seti ağın eğitimine sunulduğunda noumlral

youmlntemin sonuca gitmediği goumlzlemlendi Bundan oumltuumlruuml giriş parametre değerleri

rastgele değerlerden uumlretildi İstenilen sonuca gidene dek ccedilalışma daha geniş bir eğitim

seti uumlzerinde tekrarlandı

Tasarlanan ağ eğitilirken farklı oumlğrenme algoritmaları denendi Bunlar

Levenberg Marquardt (LM) Gradient Descent (GD) Gradient Descent with Momentum

(GDM) algoritmalarıdır En iyi sonuca LM algoritması goumltuumlrduumlğuuml iccedilin noumlral modelde

LM algoritması kullanılmıştır Noumlral modellerin eğitiminde kullanılan tuumlm ağırlıklar

başlangıccedilta duumlzguumln olarak dağıtılmış rastgele değerlerden oluşmuştur Modellenmiş

YSA yapısı Şekil 44rsquo te goumlsterildiği gibidir

Şekil 44 Modellenmiş YSA yapısı

4BULGULAR VE TARTIŞMA

42

YSA modelini oluştururken birccedilok değişik yapılar denenmiştir sonuccedilta 5-8-1

modeli bizim ccedilalışmamızdaki en uygun yapı olarak goumlruumllmuumlştuumlr

X1 rarr Lp

X2 rarr Wp

X3 rarr Lap

X4 rarr Wap

X5 rarr Lf

Y1 rarr Fr

Tasarlanan ağın girişleri AKMYA iccedilin yama uzunluğu (Lp) yama genişliği (Wp)

accedilıklığın uzunluğu (Lap) accedilıklığın genişliği (Wap) ve besleme noktasının uzunluğu (Lf)

parametreleri olup ağın ccedilıkışı rezonans frekansı (Fr) parametresinden ibarettir Ağın

yapısal oumlzellikleri Ccedilizelge 43rsquo te goumlsterildiği gibidir

Ccedilizelge 43 YSA modelinin oumlzellikleri

Anten Tipi Accedilıklık Kuplajlı Mikroşerit Yama Anten

Ağ Yapısı 5x8x1

Epok Sayısı 150-250

YSA modelinin eğitimi iccedilin kullanılan veri setindeki giriş parametrelerinin

değişim aralıkları aşağıdaki gibi belirlenmiştir

25 le Wp le 45

25le Lp le 40

11le Wap le 22

0155 le Lap le 021

525 le Lf le 7

İsa ATAŞ

43

Toplam uumlretilen 500 veri kuumlmesinden YSA modeli 300 veri seti ile eğitilmiştir

Geri kalan 200 giriş veri seti ise YSArsquo nın test suumlrecinde kullanılmıştır

Kullanılan YSA modeli giriş katmanında 5 noumlron ara katmanda 8 noumlron ve ccedilıkış

katmanında 1 noumlron olmak uumlzere toplam 14 noumlrondan oluşan CcedilKA yapısıdır Transfer

fonksiyon olarak ara katmanda logaritmik sigmoid ccedilıkış katmanında purelin fonksiyonu

kullanılmıştır

YSArsquo nın eğitim ve test işlemleri MATLAB programı ile gerccedilekleştirilmiştir

MATLAB ara yuumlzuuml kullanılarak hazırlanan kodlar Ek-1rsquode verilmiştir YSArsquo yı eğitme

işlemi hata oranı 10-3

referans seccedililerek 150 epok sayısına vardığında son verilmiştir Bu

iterasyon 250 sayısına kadar denenmiştir Ağ eğitiminde en ccedilok 3-5 dakikalık zaman

suumlresi geccedilmiştir Bu suumlre kullanılan bilgisayarın işlemci performansıyla ters orantılıdır

MATLAB programıyla gerccedilekleştirilen eğitim ve test sonuccedillarının performans

grafikleri şekil 45-7rsquo de goumlsterilmiştir

Şekil 45 YSA modelinin performans eğrisi

4BULGULAR VE TARTIŞMA

44

Şekil 46 Eğitim sonucu ile gerccedilek sonucun karşılaştırılması

Şekil 47 Test sonucu ile gerccedilek sonucun karşılaştırılması

İsa ATAŞ

45

YSArsquoda test edilen frekans değerleri ilgili HFSS simuumllasyon yazılım sonuccedilları

ile karşılaştırılmış ve sonuccedilların uyum iccedilinde olduğu goumlzlemlenmiştir Ccedilizelge 44rsquo te

150 iterasyon iccedilin geri yayılım algoritması kullanılarak YSA modeli ile HFSSrsquo nin

rezonans frekans sonuccedillarındaki hata oumllccediluumlmleri tablo halinde verilmiştir

Ccedilizelge 44 150 iterasyon iccedilin Geri Yayılım Algoritması Kullanılarak YSA Modeli ve HFSSrsquo nin

Fr Sonuccedillarındaki Hata Oumllccediluumlmleri (Bose ve Gupta 2008)

SN

Giriş Parametreleri Ccedilıkış Parametreleri

Lp

(cm)

Wp

(cm)

Lap

(cm)

Wap

(cm)

Lf

(cm)

Fr(GHz)

(HFSS)

Fr(GHz)

(ANN) Hata

1 4390 3651 0201 2024 5349 1830 18 16

2 3977 3123 0197 1656 6164 2090 21 047

3 3838 3415 0164 1895 5786 2190 22 045

4 3562 2732 0207 1892 6581 2290 23 043

5 3380 3337 0177 1863 5915 2400 24 000

6 3010 3639 0160 1836 5396 2500 25 000

7 2847 3684 0205 1595 5718 2690 27 037

8 2682 2745 0185 1828 6752 2890 29 034

9 2572 2555 0176 1669 6479 2980 30 067

10 2513 2648 0201 1162 6225 3110 31 032

Hata 16 - 01 arasında bulunmuş Hata aşağıdaki formuumll ile

hesaplanmıştır

100degeri HFSS

degeri ANN -degeri HFSS xHata

4BULGULAR VE TARTIŞMA

46

YSA modelinin hata değerlendirme kriteri olarak hataların kareleri ortalaması

tercih edilmiştir YSA modeli farklı oumlğrenme algoritmaları kullanılarak

gerccedilekleştirilmiştir Her bir algoritmanın eğitim ve test hataları belirlenirken bu

hataların kendi gruplarından 10rsquo ar değer alınıp bunların ortalaması bulunmuştur LM

GD ve GDM algoritmalarıdır Ccedilizelge 45rsquo te bu algoritmalarının eğitim ve test hata

sonuccedilları karşılaştırılarak performansları değerlendirilmiştir Buna goumlre en iyi

performansı LM algoritması sergilemiştir

Ccedilizelge 45 AKMYA iccedilin sunulan YSA modelinde algoritma performansları

OumlğrenmeAlgoritmaları

Eğitim Hataları FR

(Rezonans Frekans)

Test Hataları FR

(Rezonans Frekans)

LM 0007 0005

GD 006 005

GDM 005 008

Farklı oumlğrenme algoritmaları kullanmanın amacı daha hızlı ve daha doğru sonuccedil

elde etmek ve farklı oumlğrenme youmlntemlerini ve ağlarını bu tip uygulamalar iccedilin test

etmektir Noumlral modellerden elde edilen sonuccedillar deneysel HFSS sonuccedillarla

karşılaştırılmış ve uyumluluk iccedilinde olduğu goumlruumllmuumlştuumlr Ayrıca oumlğrenme

algoritmalarından LM algoritmasının en iyi sonuca goumltuumlrduumlğuuml goumlzlenmiştir Diğer

algoritmalarında belli bir zaman dilimi iccedilerisinde istenilen sonuca goumltuumlreceği kanaatine

varılmıştır

İsa ATAŞ

47

5 SONUCcedilLAR

Bu tez ccedilalışmasında AKMYArsquo ların rezonans frekansının YSA ile elde edilmesi

amaccedillanmış ve yapılan ccedilalışmanın doğruluğu iccedilin HFSS paket programında elde edilen

sonuccedillar ile karşılaştırma yapılmıştır YSA ile elde edilen sonuccedillar HFSS ile uyumlu

olduğu goumlruumllmuumlş ve bunun yanı sıra HFSSrsquo ye goumlre ccedilok daha kısa bir suumlre zarfında elde

edilmiştir

HFSSrsquo de yapılan ccedilalışmada kullanılan alttaşların oumlzellikleri ve yama

boyutlarının rezonans frekansı uumlzerinde oumlnemli etkilere sahip olduğu goumlzlemlenmiştir

Simuumllasyon ortamında tanımlanan vakum yuumlksekliğinin simuumllasyon sonuccedilları uumlzerinde

ciddi bir değişiklik meydana getirmediği goumlruumllmuumlştuumlr Anten parametrelerinde rastgele

değişiklik yapılarak rezonans frekansı uumlzerindeki etkileri grafiksel sonuccedillar ve elde

edilen veriler incelenerek belirlenmiştir

Bu ccedilalışma suumlresince hem simuumllasyon hem de YSA ile elde edilen sonuccedilların

doğruluğu ccedileşitli grafiksel goumlsterimler ile daha anlaşılır hale getirilmiş ve bu

youmlntemlerin mikroşerit anten tasarımında ne kadar etkili kullanılabileceği goumlsterilmiştir

İleriki ccedilalışmalarda elde edilen bu sonuccedillar doğrultusunda literatuumlrde mevcut

olmayan parametreler iccedilin bir model oluşturularak YSA sonuccedillarının simuumllasyon

sonuccedillarına daha da yakınlaştırılması sağlanabilir Bu ccedilalışmada gerccedilekleştirilen

simuumllasyon ve YSA modelleri anten parametrelerinden sadece rezonans frekansının

bulunması amacıyla yapılmıştır Band genişliği geri doumlnuumlş kaybı vb anten

parametrelerini de iccediline alacak bir ccedilalışma hazırlanabilir

Ayrıca MYArsquo da ccedilıkışı bilinen rezonans frekans değerleri YSA modelinde giriş

parametresi olarak kullanılıp ccedilıkışta antenin geometrik boyutlarını bulacak bir ccedilalışma

yapılabilir

5 SONUCcedilLAR

48

İsa ATAŞ

49

6 KAYNAKLAR

(Dergi)

Bose T Gupta N 2008 Neural Network Model for Aperture Coupled Microstrip Antennas

Microwave Review September Vol 14 No1

Gangwar S P Gangwar R P S Kanaujia B K 2008 Resonant Frequency Of Circular

Microstrip Antenna Using Artificial Neural Networks İndian Journal Of Radio amp Space

Physics vol 37 june 2008 pp 204-208

Ghosh C K ve Parui S K 2010 Design Analysis and Optimization of A Slotted Microstrip

Patch Antenna Array at Frequency 525 GHz for WLAN-SDMA System International Journal

on Electrical Engineering and Informatics - Volume 2 Number 2

Himdi M 1989 Transmission Line Analysis of Aperture-Coupled Microstrip Antenna

Electron Lett Vol25 pp1229-1230

Malathi P ve Kumar R 2009 Design of Multilayer Rectangular Microstrip Antenna using

Artificial Neural Networks International Journal of Recent Trends in Engineering Vol 2 No 5

November

Saraccedil T 2004 Yapay Sinir Ağları Gazi Uumlniversitesi Enduumlstri Muumlhendisliği Anabilim Dalı

Seminer Projesi71s Ankara

Sevgi L 2005 Enduumlstriyel amp Otomasyon Ağustos

Sullivan PL Schaubert DH 1986 Analysis of Aperture Coupled Microstrip Antenna IEEE

Tras on Antennas and Propagation vol AP-34 pp977-984

Thakare V ve Singhal P 2010 Neural Networks Based CAD Model For The Design Of

Rectangular Patch Antenna Journal of Engineering and Technology Research Vol 2(7) pp

127-130 July 2010 Academic Journals

Wu C ve Et A 1992 Accurate Characterization of Planar Printed Antennas Using Finite-

Difference Time-Domain Method IEEE Trans on Antennas and Propagation Vol AP-40

pp526-534

6 KAYNAKLAR

50

(Kitap)

Akkaya I 1997 Antenler ve Propagasyon İstanbul Teknik Uumlniversitesi Vakfı Yayınları

Sayfa 285 İstanbul

Balanıs CA 1982 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Balanıs CA 1997 Antenna Theory Analysis and Design Arizona State University John

Wiley amp Sons inc Second Edition Arizona

Garg R Bhartia P Bahl I ve Ittipiboon A 2001 Microstrip Antenna Design Handbook

Artech House London

James J R Hall P S 1988 Handbook of Microstrip Antennas The Institution of

Engineering and Technology 2edition (June 1 1988) Number of Pages 1350

Kumar G ve Ray KP 2003 Broadband Microstrip Antennas Artech House 451p USA

Pozar DM 1985 Antenna Design Using Personal Computers Artech House 121-126

Dedham MA

Pozar DM ve Schaubert (Editors) DH 1995 Microstrip Antennas-The Analysis and Design

of Microstrip Antennas and Arrays IEEE Press New York

Sanıatı RA 1996 Cad of Microstrip Antennas for Wireless Applications Artech House

London

Sağıroğlu Ş Beşdok E Erler M 2003 Muumlhendislikte Yapay Zeka Uygulamaları-I Yapay

Sinir Ağları Ufuk Kitap Kırtasiye-Yayıncılık Tic Ltd Şti 417s Kayseri

İsa ATAŞ

51

(Tez)

Acar H 2010 Uyanıklık Seviyesinin Kestiriminin Dsp Tabanlı Olarak Gerccedilekleştirilmesi

Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml Diyarbakır 90

Batar H 2005 EEG İşaretlerinin Dalgacık Analiz Youmlntemleri Kullanılarak Yapay Sinir Ağları

ile Sınıflandırılması Yuumlksek Lisans Tezi KSUuml Fen Bilimleri Enstituumlsuuml Kahramanmaraş 102

Bilgin S 2008 Kalp hızı değişkenliğinin dalgacık doumlnuumlşuumlmuuml ve yapay sinir ağları kullanılarak

analizi Doktora tezi Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 138

Ccedilolak OumlH 2006 Dalgacık Doumlnuumlşuumlmuuml Kullanılarak Sismik Sinyallerin Analizi Doktora Tezi

Sakarya Uumlniversitesi Fen Bilimleri Enstituumlsuuml Sakarya 107

Demir Ouml 2008 EEG Dalgalarının Wavelet (Dalgacık) Doumlnuumlşuumlmuuml ile Değerlendirilmesi

Yuumlksek Lisans Tezi Dumlupınar Uumlniversitesi Fen Bilimleri Enstituumlsuuml Kuumltahya 56

Danış Ouml 2009 Genişband Gsm-Umts Mikroşerit Yama Anten Tasarımı Yuumlksek Lisans Tezi

İstanbul Teknik Uumlniversitesi Bilim ve Teknoloji Enstituumlsuuml İstanbul

Goumlkccedile B 2009 Umts Uyumlu Cep Telefonları İccedilin Mikroşerit Yama Anten Tasarımı Yuumlksek

Lisans Tezi İstanbul Uumlniversitesi Fen Bilimler Enstituumlsuuml İstanbul 113

Hanbay D 2007 Yapay sinir ağı tabanlı akıllı youmlntemlerle karmaşık sistemlerin

modellenmesi Doktora Tezi Fırat Uumlniversitesi Fen Bilimleri Enstituumlsuuml Elazığ

Harıth Z 2005 Desıgn of a Cırcular Polarızatıon Mıcrostrıp Antenna at 24Ghz Master of

Science Thesis Universiti Teknologi Malaysia Faculty of Electrical Engineering Malaysia

İkiz M 2006 Wavelet ( Dalgacık Doumlnuumlşuumlmuuml ) Ve Yapay Sinir Ağı Kullanarak Ses

Sinyalinden Konuşmacı Tespiti Yuumlksek Lisans Tezi Dicle Uumlniversitesi Fen Bilimleri Enstituumlsuuml

Diyarbakır

Koccediler D 2009 Daire Ve Dikdoumlrtgen Geometrik Yapılı Mikroşerit Antenlerin Simuumllasyonu Ve

Rezonans Frekanslarının Yapay Sinir Ağları ile Belirlenmesi Yuumlksek Lisans Tezi Selccediluk

Uumlniversitesi Fen Bilimler Enstituumlsuuml Konya

Nakar P S 2004 Design of a Compact Microstrıp Patch Antenna for Use in Wirelesscellular

Devices Master of Science Thesis The Florida State University College of Engineering USA

Tansarıkaya İ 2007 Geniş Bandlı Yama Anten Tasarımı Yuumlksek Lisans Tezi İstanbul

Teknik Uumlniversitesi Fen Bilimleri Enstituumlsuuml İstanbul

Toktaş A 2009 Farksal Gelişim Algoritması Kullanarak H Şekilli Mikroşerit Antenlerin

Rezonans Frekansının Hesaplanması Yuumlksek Lisans Tezi Mersin Uumlniversitesi Fen Bilimleri

Enstituumlsuuml Mersin

6 KAYNAKLAR

52

(Kongre-Sempozyum)

Pozar D M 1996 A Review of Aperture Coupled Microstrip Antennas History Operation

Development and Applications Electrical and Computer Engineering University of

Massachusetts at Amherst Amherst MA 01003 May

Guumlltekin S Guumlney K Sağıroğlu Ş 2002 Farklı Oumlğrenme Algoritmaları Kullanılarak

Eğitilen Yapay Sinir Ağları İle Elektriksel Olarak İnce ve Kalın Dikdoumlrtgen Mikroşerit

Antenlerin Rezonans Direncinin Hesaplanması URSI-TUumlRKİYErsquo2002 18-20 Eyluumll 2002

İstanbul Teknik Uumlniversitesi

Milovanovic B Milijic M Atanaskovic A Stankovic Z 2005 Modeling of Patch

Antennas Using Neural Networks 28 ndash 30 September 2005 (TELSIKS 2005) Serbia and

Montenegro

Pozar DM 1992 Microstrip Antennas Proc IEEE no 80 s 79-91 Massachusetts Univ

Amherst MA

Turker N Gunes F Yıldırım T 2006 Artificial Neural Design of Microstrip Antennas

Turk J Elec Engin VOL14 NO3 TUBITAK

Yıldırım A Yağcı B Paker S 2008 24 GHzrsquode Yuumlksek Kazanccedillı Mikroşerit Yama Anten

Tasarım ve Gerccedilekleştirimi ELECO2008 Elektrik - Elektronik - Bilgisayar Muumlhendisliği

Sempozyumu Ve Fuarı Bildirileri

İsa ATAŞ

53

(İnternet Belgesi)

Sutclıffe MJ Wo ZG Oswald ve RE 1996 Three-dimensional models of non- NMDA

glutamate receptors

Erisim [httpneonchemleacukcornell Sutchifee_BJSutcliffe_BJhtml]

Erisim Tarihi 22121996

6 KAYNAKLAR

54

(Proje)

Taslimi P 2005 Patch Antenna analysis using Ansoft Designer Shahed University of Tehran

IR-IRAN August (Project)

55

EKLER

Ek-1 Eğitim ve test veri seti oluşturmak iccedilin kullanılan MATLAB kodu

MATLAB KOD

load new_datamat

tr_input=new_input(1300)

tst_input=new_input(301500)

tr_output=new_output(11300)

tst_output=new_output(1301500)

net=newff(minmax(tr_input)[8 1]logsig purelintrainlm)

net=init(net)

nettrainParamshow = 10

nettrainParamepochs = 150

nettrainParamgoal = 1e-3

[Ybt] = sim(nettr_input)

[nettr] = train(nettr_inputtr_output)

[Trp] = sim(nettr_input)

TrainingPerformance=Trp

[Tst] = sim(nettst_input)

TestPerformance=Tst

figure

plot(TestPerformanceColorgreen)

test_error= mean(abs(TestPerformance-tst_output))

test_error= test_errortest_error

56

title(strcat (Test sonucu ile gerccedilek sonucun karşılaştırılması (kırmızı gerccedilek ccedilıktılar)

Test Errornum2str(test_error)))

hold on

plot(tst_outputColorred)

hold off

57

OumlZGECcedilMİŞ

Adı Soyadı İsa ATAŞ

Doğum Yeri Diyarbakır

Doğum Tarihi 07031975

Medeni Hali Evli

Yabancı Dili İngilizce

Eğitim Durumu (Kurum ve Yıl)

Lise Atatuumlrk Lisesi Diyarbakır 1992

Lisans Dicle Uumlniversitesi Elektrik-Elektronik Muumlhendisliği

DİYARBAKIR 2000

Ccedilalıştığı KurumKurumlar ve Yıl

Dicle Uumlniversitesi Diyarbakır Meslek Yuumlksekokulu Bilgisayar Teknolojisi

DİYARBAKIR 2007 - hellip

Yayınları (Uluslararası Bildiriler)

1 MYılmaz YBirbir İAtaş MEAsker Bilgisayar Deney Kartlarının Elektrik

veya Elektronik Eğitiminde Oumlğrenmeye Katkıları II International Computer

Technologies and Instructional Symposium Kuşadası 2008

Yayınları (Ulusal Bildiriler)

1 MYılmaz İAtaş FKoccedilyiğit Ccedilamaşır Makinesinde Sayısal Hız Kontrol

Uygulaması UMES07 Kocaeli2007

Yayınları (Projeler)

1 Tubitak MAG 104M569 Robotlarda Goumlrme ve Ses Algılama Becerilerinin

Dinamik Ccedilevre Şartlarında Geliştirilmesi