Ayrık Dalgacık Dönüşümünün FPGA Tabanlı Donanımsal Gerçeklenmesi

Yıl 2018, Cilt: 30 Sayı: 2, 319 - 325, 19.09.2018

Resul Çöteli Serkan Metin

Öz

Ayrık Dalgacık dönüşümü (ADD), gürültülü sinyal içeren uygulamalarda gürültü giderimi için kullanılan bir ön işlem adımıdır. ADD’nün Alan Programlanabilir Kapı Dizileri (FPGA) kullanılarak gerçeklenmesinde, geleneksel HDL tabanlı tasarımın da bilinmesi gerekir. Bunun yanında, Matlab/Simulink tabanlı Xilinx System Generator (XSG), geleneksel HDL tabanlı tasarım bilinmese dahi FPGA’nın programlanmasına olanak tanır. Bu makalede, Ayrık Dalgacık Dönüşümü (ADD) tabanlı bir filtre Xilinx System Generator (XSG) kullanılarak Alan Programlanabilir Kapı Dizileri (FPGA)’de gerçeklenmiştir. Gerçekleştirilen ADD, radar sinyallerine eklenen kaotik gürültüyü filtreleme amacı ile kullanılmıştır. İlk olarak, gürültülü radar sinyali ADD yöntemi ile istenilen seviyeye ayrıştırılır. Bu ayrıştırma işleminden elde edilen katsayılara eşikleme yöntemi uygulanark gürültülü katsayılar yok edilir. Son olarak, tekrar oluşturma işlemi ile gerçek sinyal elde edilir. Donanımsal gerçekleştirilen ADD’nün performansı, gürültüsüz radar sinyali ve gürültüden arındırılmış radar sinyali arasındaki ortalama karesel hatanın karekökü ile değerlendirilmiştir. Elde edilen sonuçlardan sinyalin gürültüye oranının çok düşük kaldığı durumlarda başarımın çok iyi olmadığı, 20 dB değerinden sonra başarımın oldukça iyi olduğu görülmektedir.

Ayrık Dalgacık dönüşümü (ADD), gürültülü sinyal içeren
uygulamalarda gürültü giderimi için kullanılan bir ön işlem adımıdır. ADD’nün
Alan Programlanabilir Kapı Dizileri (FPGA) kullanılarak gerçeklenmesinde, geleneksel
HDL tabanlı tasarımın da bilinmesi gerekir. Bunun yanında, Matlab/Simulink
tabanlı Xilinx System Generator (XSG), geleneksel HDL tabanlı tasarım bilinmese
dahi FPGA’nın programlanmasına olanak tanır. Bu makalede, Ayrık Dalgacık
Dönüşümü (ADD) tabanlı bir filtre Xilinx System Generator (XSG) kullanılarak
Alan Programlanabilir Kapı Dizileri (FPGA)’de gerçeklenmiştir. Gerçekleştirilen
ADD, radar sinyallerine eklenen kaotik gürültüyü filtreleme amacı ile
kullanılmıştır. İlk olarak, gürültülü radar sinyali ADD yöntemi ile istenilen
seviyeye ayrıştırılır. Bu ayrıştırma işleminden elde edilen katsayılara
eşikleme yöntemi uygulanark gürültülü katsayılar yok edilir. Son olarak, tekrar
oluşturma işlemi ile gerçek sinyal elde edilir. Donanımsal gerçekleştirilen ADD’nün
performansı, gürültüsüz radar sinyali ve gürültüden arındırılmış radar sinyali
arasındaki ortalama karesel hatanın karekökü ile değerlendirilmiştir. Elde
edilen sonuçlardan sinyalin gürültüye oranının çok düşük kaldığı durumlarda
başarımın çok iyi olmadığı, 20 dB değerinden sonra başarımın oldukça iyi olduğu
görülmektedir.

Anahtar Kelimeler

Radar Sinyali, Kaotik Gürültü, ADD, FPGA

Kaynakça

• 1. Ralph, D.H. (2002). Detection theory applications and digital signal processing. CRC Press. 2. Chen, W., Meng, C., Wang, C., and Zhang, Z. (2009). Summary on weak signal detection methods based on chaos theory. The Ninth International Conference on Electronic Measurement and Instruments. IEEE. 3. Wang, G., etc. (1997). Application of chaos oscillator in detection of signal under the background of strong noise. Chinese Journal of Scientific Instrument, 18(2): 209-212. 4. Chongyu, W., Weijuan, Z. (2010). Weak signal de-noising method based on accumulation in frequency domain and wavelet transform. In Information Processing (ISIP), 2010 Third International Symposium on (pp. 130-133). 5. Li, C. (2005). Study of weak signal detection based on second FFT and chaotic oscillator. Nature and Science, 3(2), 59-64. 6. Ehara, N., Sasase, I., Mori, S. (1994). Weak radar signal detection based on wavelet transform. Electronics and Communications in Japan (Part III: Fundamental Electronic Science), 77(8), 105-114. 7. Alyt, O.A., Omar, A.S., and Elsherbeni, A.Z. (2006). Detection and localization of RF radar pulses in noise environments using wavelet packet transform and higher order statistics. Progress In Electromagnetics Research, 58, 301-317.
• 8. Khairnar, D.G., Merchant, S.N., and Desai, U.B. (2008). Radar signal detection in non-gaussian noise using RBF neural network. JCP, 3(1), 32-39. 9. Uyar, M., Yıldırım, S., Gençoğlu, M.T. (2013). Güç kalitesi problemlerinin analizi için işaret işleme yöntemlerinin karşılaştırılması. Fırat Üniversitesi Müh. Bil. Dergisi, 25 (1), 21-31. 10. Goswami, J.C., and Chan, A.K. (2011). Fundamentals of wavelets: theory, algorithms, and applications (Vol. 233). John Wiley & Sons. 11. Vetterli, M., Herley, C. (1992). Wavelets and filter banks: theory and design. IEEE Transactions on Signal Processing, 40, pp. 1. 12. Yardım, F.E., Afacan, E. (2010). Lorenz-tabanlı diferansiyel kaos kaydırmalı anahtarlama (DCSK) modeli kullanılarak kaotik bir haberleşme sisteminin simülasyonu. Journal of the Faculty of Engineering and Architecture of Gazi University, 25, 101-110. 13. Üstündağ, M., Gökbulut, M., Şengür, A., Ata, F. (2012). Denoising of weak ECG signals by using wavelet analysis and fuzzy thresholding. Network Modelling Analysis in Health Informatics and Bioinformatics, 1, pp.135-140. 14. Fletcher, A.K. (2002). Denoising via recursive wavelet thresholding. Master of Science in Electrical Engineering in the Graduate Division of the University of California, Berkeley. 15. Zhang, Q., Rossel, R.A., Choi, P. (2006). Denoising of gamma-ray signals by interval-dependent thresholds of wavelet analysis. Measurement Science and Technology, 17(1), pp.731-735. 16. Üstündağ, M. (2013). ECG sinyallerinde gürültü gidermek için dalgacık dönüşümünün FPGA tabanlı donanımsal gerçeklemesi. Fırat Ünv. Mühendislik Bilimleri Dergisi, 25(2), 63-68. 17. Avcı, E. (2005). Akıllı radar ile hedef tanıma sistemi. Doktora Tezi, Fırat Üniversitesi Fen Bilimleri Enst.