Doktor Öğretim Üyesi H. Birkan Yılmaz'ın "Dron Sinyallerinin ve Uzaktan Kumanda Birimlerinin Konum Kestirimi Için Sistem" başlıklı proje önerisi BAP-SUP programı kapsamında desteklenmeye hak kazandı.
Dronlar, yani küçük Insansız Hava Araçları (IHA'lar), arama kurtarma uygulamaları, cografi haritalama, afet yönetimi, hassas tarım, vahsi yasam izleme, nakliye, teslimat ve hava fotografçılıgı dahil olmak üzere birçok alanda kullanılmaktadır. Bununla birlikte, terörist saldırılar, kısıtlı / kritik bölgeler için gözetim ve sınırlar / hapishaneler arasında kaçakçılık gibi istenmeyen / kötü niyetli drone kullanımları da vardır. Bu nedenle, bu tehditleri belirlemek için drone kullanımına iliskin düzenlemeler vardır.
CONNECT projesi, dronların istenmeyen / kötü niyetli kullanımını önlemek için bir konum belirleme sistemi gelistirmeyi amaçlamaktadır. Literatürde tek sensör tipine odaklanan öneriler ve çözümler bulunmaktadır. CONNECT, her bir algılama mekanizmasının zayıflıklarının üstesinden gelmek için ses, radyo frekansı (RF) ve optik sensörler içeren çoklu sensör platformu olacaktır. Birden fazla sensör tipine sahip bu tür ölçüm sistemlerine multimodal veri toplama sistemleri denir. CONNECT, üç algılama istasyonundan olusacak ve her biri RF tabanlı, akustik ve optik algılama cihazlarıyla donatılmıs olacaktır. Dron lokalizasyonu gibi karmasık olaylar için, eksiksiz ve saglam bilgi saglayan sadece bir modalitenin olması beklenmez. Dolayısıyla, her modalite, yararlanılabilecek bir çesitlilik sunar. CONNECT, dron algılama ve konum belirlemeye ek olarak, dron ile kontrol ünitesi arasında bir iletisim baglantısı varsa, uzaktan kumanda birimlerinin de konumunun belirlenmesini hedefleyecektir.
Model güdümlü yaklasımlar, altta yatan süreçlerin gerçekçi modellerine ihtiyaç duyarlar ve her zaman bazı varsayımlarla birlikte gelirler ki bu makul olmayabilir. Karmasık ve multimodal sistemler için, model güdümlü yaklasımlar, modaliteler arasındaki iliskileri ortaya çıkarmak için en iyi seçim olmayabilir. Öte yandan, Makine Ögrenimi (MÖ) algoritmaları ve yapay sinir agları mimarileri, veri odaklı çerçevede algılama, sınıflandırma ve izleme gerçeklestirmek için sıklıkla kullanılır. Veriye dayalı yaklasımlar, insan hareketi izleme, nesne algılama, astrofizik, görsel-isitsel ve daha pek çok alanda basarılı olmustur. Veriye dayalı yaklasımlara odaklanarak, varsayımların ve harici girdilerin sayısını azaltmayı planlıyoruz. Her modalite özelinde veriye dayalı ve modele dayalı yaklasımları karsılastıracagız ve modalitelerdeki mevcut tekniklere ML tabanlı yaklasımları dahil ettikten sonra modaliteler arası füzyon adımı ile CONNECT'in konum belirleme dogrulugunu iyilestirmeyi hedefliyoruz. Birden çok ve farklı sensör türlerinden gelen verileri birlestirmek için etkili veri füzyon teknikleri gelistirmeyi hedefliyoruz. Zor kosullar altında bazı sensörlerin sınırlamalarının üstesinden gelmek için en bilgilendirici sensör verilerini kullanan gürbüz bir mekanizma gelistirecegiz. Dahası, CONNECT'in gürbüzlügünü artırmak için Çekismeli Üretici Aglar (ÇÜA) kullanmayı planlıyoruz.
Projemizin üç ana hedefi su sekilde sıralanmıstır:
O1: Her algılama yöntemi için ayrı ayrı sınıflandırma ve konum belirme görevleri için algoritmalar gelistirmek. Önerilen algoritmalar, literatürde ulasılan basarım seviyesini iyilestirmeyi amaçlayacaktır. Düsük SNR senaryolarına odaklanacagız ve algılama istasyonlarında önerilen algoritmaları optimize ederek algılama menzilini artırmayı hedefleyecegiz.
O2: Çoklu-sensör (multimodal) platformundan gelecek olan verileri, yumusak gerçek zamanlı çalısma saglayabilirken, modalitenin veri kalitesine göre birlestiren algoritmalar gelistirmek.
O3: Literatürde henüz yer almayan, birden çok ve farklı türdeki dronları takip edebilen algoritmalar gelistirmek.
