Akademik Veri Yönetim Sistemi
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2011
Tezin Dili: Türkçe
Öğrenci: Koray KARAKUŞ
Danışman: HAKKI ALPARSLAN ILGIN
Özet:Sıkıştırıcı Algılama (SA) yöntemi bir sinyal vektörünün kendi boyutundan çok daha az sayıda doğrusal ölçümlerle yeniden oluşturulabileceğini öne süren, gelişmekte olan bir tekniktir. Seyrek sinyaller algılama matrisleri yardımı ile vektörler içerisine toplanır. Eğer sinyaller yeteri kadar seyrek ise orjinal sinyal başarılı bir şekilde yeniden oluşturulabilir. Görüntü verileri genelde seyrek veya seyrek hale getirilebilir (bulunduğu bölgeden başka bir bölgeye geçirilerek) sinyallerdir. Dolayısıyla bu veriler SA konusu için en uygun örneklerdendir.SA uygulamalarında sinyal algılama kısmı basit yöntemlerle gerçekleştirilebilirken, eksik veri setinden sinyalleri yeniden oluşturma kısmında çok yüksek işlem gücü ve karmaşık istatistiksel hesaplamalar gerekmektedir. Yeniden oluşturma algoritmaları arasında donanımda gerçeklenmeye en uygun ve diğer algoritmalara göre daha hızlı bir yöntem olan OMP (Orthogonal Matching Pursuit) kullanılmıştır. Yöntem, donanım üzerinde gerçekleştirilebilmesi için ana yapısı bozulmadan yeniden formülize edilmiştir. Bu çalışmada, OMP algoritması Virtex-6 tipi bir FPGA (Field Programmable Gate Array) üzerinde gerçeklenmiştir. Çeşitli iyileştirmelerle tasarlanan sistemde CPU ve GPU uygulamalarına göre en az bin kat hızlanma sağlanmıştırAbstract Compressive Sampling (CS) is an emerging technique that suggests the possibility of reconstruction of a signal vector using linear measurements in much smaller numbers than its dimension. Sparse signals are acquired in vectors using sensing matrices. İf the signals are sparse enough the original signal can be reconstructed successfully. Image data are generally sparse or can be made sparse by translating to another domain. Therefore image data are one of the most feasible applications of CS.In CS applications while the signal can be acquired using basic methods, high processing power and complex statistical computations are required in reconstructing the signal using incomplete data sets. This research focuses on OMP (Orthogonal Matching Pursuit) which is a faster and more hardware-implementable reconstruction algorithm among other methods.Method is re-formulazed without breaking its main structure, in order to implement on the hardware.In this research OMP algorithm is implemented on a Virtex-6 type FPGA (Field Programmable Gate Array). The system designed with various optimizations yielded at least thousand times faster results than CPU and GPU applications.