Tez No	İndirme	Tez Künye	Durumu
415549		A comparison of sparse signal recovery and approximate bayesian inference methods for sparse channel estimation / Seyrek sinyal kestirim karşılaştırması ve seyrek kanal kestirimi için yaklaşık bayes çıkarım metodları Yazar:AYLA UÇAR Danışman: DOÇ. DR. ÇAĞATAY CANDAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Yüksek Lisans İngilizce 2015 90 s.
'Seyrek' (sparse) kanal kestirimi sinyal isleme alanının önde gelen araştırma konularından biridir ve haberleşme, biyomedikal görüntüleme gibi pek çok uygulama alanını ilgilendirmektedir. Zamanda sürekli sinyallerin (continuous time signal) taşıdığı bilgi oranının önerilen bant genişliğine göre düşük seviyelerde olması veya ayrık zamanlı sinyallerin (discrete time signal) sıfırdan farklı olan işaret sayısının sinyal uzunluğuna göre oldukça düşük olması durumu 'seyreklik' (sparsity) olarak tanımlanmaktadır. Seyrek kanal kestirimi alanında yapılan güncel çalışmalar sayesinde klasik kestirim yaklaşımlarına göre daha doğru sonuçlar veren bazı yeni kestirim teknikleri geliştirilmiştir. Bu tezin amacı önerilen seyrek sinyal kestirim metodlarının seyrek kanal kestirim problemi üzerindeki performansını analiz etmektir. Bu tezde, seyrek kanal kestiriminde kullanılan yöntemlere ili¸skin literatür taraması yapılmış, ardından greedy algoritması, konveks relaksiyon ve 'beklenti üretimi' (expectation propagation) olarak adlandırılan Bayes kestirim metodunun performansları karşılaştırmalı olarak çalışılmıştır.
The concept of sparse representation is one of the central methodologies of modern signal processing and it has had significant impact on numerous application fields such as communications and imaging. Sparsity expresses the idea that the information rate of a continuous time signal may be much smaller than suggested by its bandwidth, or that a discrete time signal depends on a number of degrees of freedom which is comparably much smaller than its (finite) length. With recent advances in sparse signal estimation, some new estimation techniques have emerged yielding more accurate sparse estimates than the traditional methods. The main goal of this thesis is to analyse the performance of recently proposed sparse signal estimation methods on the problem of sparse channel estimation. In this thesis, a literature survey has been conducted to examine the approaches for estimating the sparse channels, then greedy pursuit algorithms, convex relaxation and an approximate Bayesian inference method, namely expectation propagation method, are comparatively studied.