Person:
YILDIRIM, ALPER

Profile Picture

Email Address

Birth Date

Research Projects

Organizational Units

OrgUnit Logo
Organizational Unit

Job Title

Last Name

YILDIRIM

First Name

ALPER

Name

Filters

2022 - 20232
Reset filters

Settings

Author: AKGÜN, GAZİ × Subject: Bilgisayar Bilimi Uygulamaları ×

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    PublicationOpen Access
    Investigation of UWB-IMU sensor fusion for indoor navigation with DoE
    (2023-01-01) DEMİR, UĞUR; AKGÜN, GAZİ; YILDIRIM, ALPER; Durmus S., DEMİR U., AKGÜN G., YILDIRIM A.
    This study presents an evaluation of the optimal parameter configuration for Ultra-Wide Band (UWB) - Inertial Measurement Units - (IMU) based sensor fusion for indoor localization in Non-Line-of-Sight (NLOS) environments. The study employs the least squares method to predict position using UWB technology. Subsequently, sensor fusion techniques combining UWB and IMU are employed, utilizing the Extended Kalman Filter (EKF) and Unscented Kalman Filter (UKF) algorithms to enhance position estimation. To mitigate the effects of noise in IMU data, a high-pass filter is applied before feeding the data into the EKF and UKF. The experimental findings are then evaluated using Design of Experiment (DoE) techniques, and the optimal parameter configurations are analysed using linear regression. This study provides insight into the parameter settings that yield improved accuracy and robustness in UWB-IMU sensor fusion for indoor localization in NLOS scenarios.
  • Thumbnail Image
    PublicationOpen Access
    EMG sinyallerinin derin öğrenme ile hareket sınıflandırması
    (2022-09-18) AKGÜN, GAZİ; YILDIRIM, ALPER; DEMİR, UĞUR; KAPLANOĞLU, ERKAN; Akgün G., Yıldırım A., Demir U., Kaplanoğlu E.
    Bu çalışmada EMG sinyalleri üzerinde öznitelikler hesaplanmıştır. Bu öznitelikler ile el hareketlerini sınıflandırmak için derin öğrenme algoritmaları kullanılmıştır. Bir zaman serisi olarak toplanan EMG sinyalleri üzerinde zaman alanında hesaplanan öznitelik vektörleri belirli boyutlarda simetrik matrisler olarak kaydedilmiştir. Yeniden oluşturulan ve resim dosyası formatında kaydedilen veri seti ile Evrişimsel Sinir Ağı eğitilmiştir. Bu eğitim sonucunda tüm veriler ile %93, test verileri ile %79 başarı ile hareket sınıflandırması gerçekleştirilmiştir.