SavedAdd your journal

Journals / Recep Tayyip Erdoğan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi / 2026 / Cilt: 6 Sayı: 1

Su Altı Akustiğinde LMS Filtre Uygulaması ve FPGA Üzerinde Gerçeklenmesi

Emre Karakaya(BOLU ABANT İZZET BAYSAL ÜNİVERSİTESİ)0009-0005-9003-6801
Mehmet Ali Çavuşlu(Koç Bilgi ve Savunma Teknolojileri A.Ş.)0000-0002-8736-3845
Oktay Aytar(BOLU ABANT İZZET BAYSAL ÜNİVERSİTESİ)0000-0001-7664-103X
Pages
168–174
Publication Date
2025-06-30
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Sentezleme sonucunda ise algoritmanın FPGA üzerinde %2,68 Arama Tablosu (LUT), %4,7 Flip-Flop (FF), %0,42 Sayısal Sinyal İşleme (DSP), %17,62 Giriş-Çıkış (IO) ve %3,1 Küresel Ara Bellek (BUFG) kaynak kullanımında bulunduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada klasik dijital filtre algoritmalarına alternatif olarak adaptif filtre algoritmalarının bir üyesi olan En Küçük Ortalama Kare (LMS) algoritmasının su altı akustiğinde kullanılması için bir uygulama yöntemi gösterilmektedir.
📊
Key Findings & Data:Elde edilen sonuçlarda yakınsama katsayısının değerine ve filtre derecesine göre sinyalin Sinyal Gürültü Oranı (SNR) değerinin değiştiği gözlemlenmiş, seçilen yakınsama katsayısında sinyalin SNR değerinin 8,85 dB’den 29,85 dB’e çıktığı görülmüştür.
💡
Conclusion & Impact:Sentezleme sonucunda ise algoritmanın FPGA üzerinde %2,68 Arama Tablosu (LUT), %4,7 Flip-Flop (FF), %0,42 Sayısal Sinyal İşleme (DSP), %17,62 Giriş-Çıkış (IO) ve %3,1 Küresel Ara Bellek (BUFG) kaynak kullanımında bulunduğu görülmüştür.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:FPGA · LMS · SNR

Özet

Bu çalışmada klasik dijital filtre algoritmalarına alternatif olarak adaptif filtre algoritmalarının bir üyesi olan En Küçük Ortalama Kare (LMS) algoritmasının su altı akustiğinde kullanılması için bir uygulama yöntemi gösterilmektedir. Bu yöntemde gerçekleme ortamı olarak sinyal işleme uygulamalarında yoğun olarak kullanılan Alanda Programlanabilir Kapı Dizisi (FPGA) donanımı tercih edilmiştir. Uygulamada ise LMS algoritması öncelikle matematiksel olarak incelenmiş, sonrasında su altı ortamında hazırlanan test düzeneği ile kaydedilmiş akustik haberleşme sinyalleri kullanılarak FPGA donanımında gerçekleme işlemi yapılmıştır. Elde edilen sonuçlarda yakınsama katsayısının değerine ve filtre derecesine göre sinyalin Sinyal Gürültü Oranı (SNR) değerinin değiştiği gözlemlenmiş, seçilen yakınsama katsayısında sinyalin SNR değerinin 8,85 dB’den 29,85 dB’e çıktığı görülmüştür. Algoritmanın filtreleme etkinliği incelendiğinde SNR değerindeki bu iyileşme LMS filtrenin bu alanda kullanılabilirliğini göstermektedir. Sentezleme sonucunda ise algoritmanın FPGA üzerinde %2,68 Arama Tablosu (LUT), %4,7 Flip-Flop (FF), %0,42 Sayısal Sinyal İşleme (DSP), %17,62 Giriş-Çıkış (IO) ve %3,1 Küresel Ara Bellek (BUFG) kaynak kullanımında bulunduğu görülmüştür.

🔖

Cite This Article

Karakaya, E., Çavuşlu, M. A., Aytar, O. (2025). Su Altı Akustiğinde LMS Filtre Uygulaması ve FPGA Üzerinde Gerçeklenmesi. Recep Tayyip Erdoğan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, Cilt: 6 Sayı: 1, 168–174. https://doi.org/10.53501/rteufemud.1578403

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Bari, M., Dewasthale, M.M. (2016). Performance comparison of LMS algorithms for acoustic noise cancellation. 2016 Conference on Advances in Signal Processing (CASP), 9-11 June, Pune, India.
  2. Coates, Rodney F. (1990). Underwater Acoustic Systems (1. publ), Wiley, ISBN: 978-0-333-42542-8, New York, United States of America, 188 pages.
  3. Çavuşlu, M.A. (2020). Sualtı Akustiği İçin Veri Temelli Kanal Kestirimi ve Modellenmesi, Doktora Tezi, Kocaeli Üniversitesi, Türkiye
  4. Ganorkar, S., Sharma, S., Jain, A. (2022). Implementation of FIR adaptive filter with FPGA. 2022 IEEE 11th International Conference on Communication Systems and Network Technologies (CSNT), 23-24 April, Indore, India.
  5. Kumar, M. A., Abraham, R. M., Ramesh, R., Moosad, K. P. B., Ebenezer, D. D. (2013). Design and development of flexural disc projector for low frequency sonar applications. 2013 Ocean Electronics (SYMPOL), 23-25 October, Kochi, India.
  6. Haykin, S. (1996). Adaptive Filter Theory (3. publ), Prentice Hall, ISBN: 0-13-322760-X, Upper Saddle River, United States of America, 989 pages.
  7. Liu, Y., Sun, H., Liu, L., Ma, Y. (2023). Implementation of LMS algorithm based adaptive filter using Verilog HDL. 2023 IEEE 16th International Conference on Electronic Measurement & Instruments (ICEMI), 09-11 August, Harbin, China.
  8. Mustafa, R., Mohd Ali, M.A., Umat, C., Al-Asady, D.A. (2009). Design and implementation of least mean square adaptive filter on Altera Cyclone II Field Programmable Gate Array for active noise control. 2009 IEEE Symposium on Industrial Electronics & Applications, 04-06 October, Kuala Lumpur, Malaysia.
  9. Poularikas, Alexander D. (2014). Adaptive Filtering: Fundamentals of Least Mean Squares with MATLAB® (1. publ), CRC Press, ISBN: 978-1-4822-5335-1, Boca Raton, United States of America, 337 pages.
  10. Safarian, C., Ogunfunmi, T., Kozacky, W. J., Mohanty, B.K. (2015). FPGA implementation of LMS-based FIR adaptive filter for real time digital signal processing applications. 2015 IEEE International Conference on Digital Signal Processing (DSP), 21-24 July, Singapore, Singapore.
  11. Traverso, F., Vernazza, G., Trucco, A. (2012). Simulation of non-White and non-Gaussian underwater ambient noise. 2012 Oceans – Yeosu, 21-24 May, Yeosu, Korea (South).
  12. Waite, A. D. (2002). Sonar For Practising Engineers (3. publ), Wiley, ISBN: 978-0-471-49750-9, Chichester, United Kingdom, 256 pages.