T.C. DİCLE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AÇIKLIK KUPLAJLI MİKROŞERİT YAMA ANTENİN REZONANS FREKANSININ YAPAY SİNİR AĞLARI İLE BELİRLENMESİ İsa ATAŞ YÜKSEK LİSANS TEZİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI DİYARBAKIR Şubat – 2011
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
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
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
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
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
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
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
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
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
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