Yazar "Çalhan, Ali" seçeneğine göre listele
Listeleniyor 1 - 20 / 67
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Ağ Trafiğinin Akış Tabanlı Sınıflandırılmasında Akış Sürelerinin Makine Öğrenimi Algoritmalarına Etkisi(Osman SAĞDIÇ, 2022) Bozkır, Ramazan; Cicioğlu, Murtaza; Toğay, Cengiz; Çalhan, AliGünümüzde ağ trafiği verilerinin kontrol altında olması önemli bir gerekliliktir. Ağ operasyonlarının başarısı, belirlenen hedeflere yönelik ağ trafiği sınıflandırılmasının doğru ve performanslı bir şe kilde gerçekleştirilmesine bağlıdır. Ağ trafiği sınıflandırılmasında sıklıkla istatiksel bir yaklaşım olan akış tabanlı yöntemler kullanılmaktadır. Bu çalışmada, farklı akış sürelerinde oluşan ağ akışlarının makine öğrenimi algoritmaları üzerindeki etkileri incelemiştir. AdaBoost, DecisionTree ve RandomForest makine öğrenmesi algoritmalarının ağ trafiği sınıflandırılmasında akış tabanlı yöntem ile farklı akış sürelerinde sınıflandırma performansları analiz edilmiştir. Elde edilen sonuçlara göre makine öğrenmesi algoritmalarının ağ akışı süresinden önemli ölçüde etkilendikleri tespit edilmiştir.Öğe Apache Spark Tabanlı Duygu Analizi(2021) Yıldırım, Emre; Çalhan, AliBu çalışmada, büyük verileri bellek içi hesaplama yöntemi ile hızlı bir şekilde işleyebilen Apache Spark açık kaynak kodlu çerçeve kullanılarak duygu analizi gerçekleştirilmiştir. Duygu analizi işleminde Spark içerisinde bulunan MLlib makine öğrenimi kütüphanesi kullanılmıştır. Lojistik regresyon (LR), destek vektör makinesi (SVM) ve Naive Bayes (NB) makine öğrenmesi sınıflandırma algoritmaları kullanılmıştır. Çalışmada, duygu analizinde kullanılan makine öğrenmesi algoritmaları doğruluk, kesinlik ve duyarlılık performanslarına göre değerlendirilmektedir. Sonuçlar, SVM algoritmasının çalışmada kullanılan iki farklı veri setinde de sırasıyla %91, %88 doğruluk, %91, %90 kesinlik ve %91, %87 duyarlılık değerleri ile en iyi performansa sahip olduğunu göstermektedir.Öğe Artificial bee colony-based spectrum handoff algorithm in wireless cognitive radio networks(Wiley, 2018) Bayrakdar, Muhammed Enes; Çalhan, AliIn this work, we proposed a new artificial bee colony-based spectrum handoff algorithm for wireless cognitive radio systems. In our wireless cognitive radio system, primary users, secondary users, and related base stations exist in the same communication environment. For our artificial bee colony-based algorithm, secondary users that always struggle to discover an idle channel have a leading role. While honey bees work hard to find the best-quality nectar source for foraging, secondary users try to find idle channels for making communication. In this way, secondary users are organized for different missions such as sensing and handoff similar to honey bees to minimize spectrum handoff delay by working together. In the spectrum handoff stage, some secondary users must sense the spectrum so that the interrupted secondary user may perform the spectrum handoff process. In our developed spectrum handoff algorithm, the spectrum availability characteristic is observed on the basis of the missions of the bees in the artificial bee colony algorithm with the aim of minimizing the spectrum handoff delay and maximizing probability of finding an idle channel. With the help of the algorithm that is developed using the artificial bee colony, spectrum handoff delay of secondary users is considerably decreased for different number of users without reducing probability of finding an available channel.Öğe Artificial Neural Network Based Vertical Handoff Algorithm for Reducing Handoff Latency(Springer, 2013) Çalhan, Ali; Çeken, CelalOne of the most challenging topics for next generation wireless networks is vertical handoff concept since several wireless technologies are assumed to cooperate. Plenty of parameters related to user preferences, application requirements, and network conditions, such as; data rate, service cost, network latency, speed of mobile, battery level, interference ratio and etc. must be considered in vertical handoff process along with traditional RSSI information. In this study, a new artificial neural network based handoff decision algorithm is proposed in order to reduce the handoff latency of smart terminal deployed in aforementioned wireless heterogeneous infrastructures. The prominent parameters data rate, monetary cost and RSSI information are taken as inputs of the developed vertical handoff decision system. Performance results of the proposed system are also compared with those of classical Multiple Attribute Decision Making method Simple Additive Weighting, and of some other artificial intelligence based algorithms. According to the results obtained, the proposed neural network based vertical handoff decision algorithm is able to determine whether a handoff is necessary or not properly, and selects the best candidate access network considering the abovementioned parameters. The results also show that, the neural network based algorithm developed significantly reduces the handoff latency while the number of handoffs, which is another vital performance metric, is still reasonable.Öğe Bilişsel radyo ağlarında spektrum el değiştirme(2015) Bayrakdar, Muhammed Enes; Çalhan, AliBilişsel radyo, frekans spektrumundaki kullanılmayan boşlukların fırsatçı bir şekilde kullanılmasını sağlayan yeni bir teknoloji olarak geliştirilmiştir. Sabit spektrum tahsisleri, radyo frekans spektrumunda kullanılmayan frekans kanallarının ortaya çıkmasına neden olmaktadır. Bilişsel radyo teknolojisi, ikincil kullanıcıların ortamı sezerek spektrumun boş ya da kullanılmayan kısımlarından verimli bir şekilde faydalanmasını amaçlamaktadır. Spektrum yönetimi, birincil (lisanslı) ve ikincil (lisanssız) kullanıcılar arasındaki etkileşimi kontrol eden bir tekniktir. İkincil kullanıcıların birincil kullanıcılara girişim oluşturmaması, bilişsel radyo ağlarının başarımı açısından oldukça önemlidir. İkincil kullanıcılara tahsis edilen frekans kanallarının tekrar birincil kullanıcılara tahsisi durumunda ikincil kullanıcıların yeni bir frekans kanalına geçmeleri gerekmektedir. Bu işlem spektrum el değiştirme olarak ifade edilmektedir. Bu çalışmada, bilişsel radyo ağlarında spektrum el değiştirme olarak bilinen ikincil kullanıcıların kanal değiştirmesi ile ilgili çalışmalar incelenmiştir.Öğe BULUT DESTEKLİ MEDİKAL NESNELERİN İNTERNETİ TABANLI UZAKTAN SAĞLIK İZLEME SİSTEMİ(2021) Çalhan, Ali; Cicioğlu, MurtazaNesnelerin interneti kavramı günümüzde kendinden sıkça söz ettiren bir kavram olmakla birlikte yeni nesil heterojen haberleşme ağları olarak ifade edilmektedir. Özellikle sağlık alanı başta olmak üzere, yerleşim, tarım, taşıma, endüstri vb. alanlarında her geçen gün çözümler üretmekte ve bulut teknolojileriyle birlikte anılmaktadır. Sağlık alanında Medikal Nesnelerin İnterneti olarak isimlendirilen Nesnelerin İnterneti farklı tipte sağlık uygulamaları ve cihazların birbirleri ile haberleşmesini ön plana çıkarmaktadır. Çalışmamızda bir bireyin çeşitli fizyolojik ölçümlerinin kablosuz haberleşme ile merkezi bir düğümde toplanması ve bu düğümün bir ağ geçidine verileri göndermesi şeklinde bir senaryo Riverbed Modeler benzetim programında gerçekleştirilmiştir. Ağ geçidi aldığı verileri anlık olarak buluta aktarması ve ardından bir mobil uygulama sayesinde eşzamanlı olarak sağlık personelinin ekranında görüntülenmesini sağlayacak bir altyapı tasarlanmıştır. Bu sayede gerçek zamanlı bir Medikal Nesnelerin İnterneti uygulaması önerilmektedir. Kalp ritmi, kan basıncı, oksijen miktarı, vücut sıcaklığı ve solunum oranı verileri anlık olarak birey ve sağlık personeli arasında paylaşılmış olup özellikle pandemi süreçlerinde kullanılabilecek bir uzaktan sağlık izleme sistemi kurulmuştur.Öğe Case study on handoff strategies for wireless overlay networks(Elsevier, 2013) Çalhan, Ali; Çeken, CelalOne of the most challenging topics for next-generation wireless networks is the process of vertical handoff since many of wireless technologies overlap each other and build a heterogeneous topology. Several parameters, pertaining to user/application requirements and network conditions, such as data rate, service cost, network latency, speed of mobile, and etc. must be considered in the handoff process of heterogeneous networks along with RSSI information. In this paper, adaptive fuzzy logic-based vertical handoff decision-making algorithms are presented for wireless overlay networks which consist of GSM/GPRS/Wi-Fi/IJMTS/WiMAX technologies. The parameters data rate, monetary cost, speed of mobile and RSSI information are processed as inputs of the proposed fuzzy-based systems. According to these parameters, an output value, which varies between 1 and 10, is produced. This output value is utilized to determine whether a handoff process is necessary or not and to select the best candidate access point in the vicinity. The results show that, compared to the traditional RSSI-based algorithm significantly enhanced outcomes can be achieved for both user and network as a consequence of the proposed fuzzy-based handoff systems. The simulation results are also compared with those of classical MADM (Multiple Attribute Decision Making) method, i.e. SAW (Simple Additive Weighting). According to the results obtained, the proposed vertical handoff decision algorithms are able to determine whether a handoff is necessary or not, properly, and select the best candidate access network considering the aforementioned parameters. Moreover, fuzzy-based algorithm noticeably reduces the number of handoffs compared to SAW-based algorithm. (C) 2012 Elsevier B.V. All rights reserved.Öğe Comparative Performance Evaluation of Efficient Spectrum Handoff Methods in Wireless Cognitive Networks(Ieee, 2018) Bayrakdar, Muhammed Enes; Çalhan, AliThere are a variety of techniques and methods used for spectrum handoff in cognitive radio networks. With the help of these techniques and methods, it is ensured that the secondary users can switch to other spectrum without interrupting their communication. Optimization and artificial intelligence techniques in spectrum handoff process are discussed because they are current and open-minded topics. In this work, it has been possible to carry out the spectrum handoff process in various ways, taking into account the needs of the secondary users, and artificial intelligence techniques have been utilized in the decision making process with multiple parameters. By means of the developed hybrid and artificial intelligence based spectrum handoff methods, comparative network parameters such as total number of handoff and total spectrum handoff duration are obtained. In this way, it is possible for the secondary user to select the appropriate method according to the environment conditions.Öğe Decısıon System For Rule Based Spectrum Handoff Process Of Secondary Users(2017) Bayrakdar, Muhammed Enes; Çalhan, AliBilişsel radyo ağları, gelecek nesil kablosuz ağlar alanında öne çıkan teknolojilerden biridir. Geleneksel kablosuz ağlardaki sabit spektrum atamalarına karşılık, bilişsel radyo ağları dinamik spektrum tahsis esasına göre çalışmaktadır. Dinamik spektrum tahsis işlemlerinde, ikincil kullanıcıların spektrum bandı değiştirmesi spektrum el değiştirme olarak tanımlanmaktadır. Bu çalışmada, ikincil kullanıcılar için bulanık mantık tabanlı spektrum el değiştirme karar sistemi önerilmiştir. Sistemimiz, üç giriş parametresi ve bir de çıkış parametresinden oluşmaktadır. Çıkıştaki spektrum el değiştirme olasılığı; birincil kullanıcıların ortam kullanım yoğunluğu, ikincil kullanıcıların veri oranı ve ortamdaki gürültü etkisi giriş parametrelerine göre elde edilmektedir. Her bir giriş parametresinin çıkışa olan etkisi ayrı ayrı irdelenmiştir. Elde edilen sonuçlardan, birincil kullanıcıların spektrum kullanım yoğunluğunun diğer giriş parametrelerinden daha baskın olduğu gözlemlenmiştirÖğe Deep learning and machine learning based anomaly detection in internet of things environments(Gazi Univ, Fac Engineering Architecture, 2022) Gökdemir, Ali; Çalhan, AliGraphical/Tabular Abstract Classical machine learning and deep learning were compared in detecting attacks on IoT environments. Due to its success in anomaly detection in the literature, Support Vector Machines (SVM) and Naive Bayes (NB) algorithms from classical machine learning algorithms were preferred. As a deep learning algorithm, the Long Short-Term Memory (LSTM) algorithm, which is mostly used in fields such as natural language processing and text processing, and which has very few studies in anomaly detection, has been chosen. With the LSTM algorithm, higher values were obtained in accuracy and f1 scores. Figure A. Proposed system model for anomaly detection in IoT environments with LSTM-SVM-NB algorithms Purpose: As the use of Internet of Things (IoT) systems has become widespread, cyber-attacks against these systems have also increased. Cyber-attacks occurring in IoT environments can include different types of attacks, such as the inability of their devices to serve, corruption, data capture, modification, or deletion. In this study, it is tried to predict duplication, interception, and modification attacks in Message Queuing Telemetry Transport (MQTT) messages using an IoT dataset with artificial intelligence techniques. Theory and Methods: In this study, compared to the performance metrics of SVM and NB, which are machine learning algorithms, and LSTM, which is a deep learning algorithm. Results: Experimental results show that the LSTM algorithm can be used in anomaly detection in the cyber security area, apart from natural language processing and text processing, which are the areas widely used in the literature. Besides, it was concluded that the LSTM algorithm achieved higher accuracy than the classical machine learning algorithms. Conclusion: In this paper, a comparison of deep learning and machine learning algorithms for anomaly detection in IoT environments is made. The results show that the LSTM algorithm, gives more effective results in anomaly detection than classical machine learning algorithms, but has some disadvantages in terms of working time.Öğe Delay Characteristics of TDMA Medium Access Control Protocol for Cognitive Radio Networks(Ieee, 2016) Bayrakdar, Muhammed Enes; Çalhan, AliIn this work, we have evaluated the delay characteristics of Time Division Multiple Access (TDMA) protocol. In our simulation scenarios, primary users and secondary users exploit TDMA as a medium access control protocol. We have designed a network environment in Riverbed (OPNET) simulation software that consists of primary users, secondary users, and base stations. In our network model, secondary users sense the spectrum and inform the base station about empty channels. Then, the base station decides accordingly which secondary user may exploit the empty channel. Energy detection technique is employed as a spectrum sensing technique because it is the best when information about signal of primary user is obtained. Besides, different number of users is selected in simulation scenarios in order to achieve accurate delay results. Comparing analytical model with simulation results, we have shown that delay analysis of our system model is reliable and correct.Öğe Derin Öğrenme Tabanlı Kanal Kestirimi: 5G NR OFDM Sistemleri için Hiperparametre Optimizasyonu ve Performans Karşılaştırması(2025) Leblebici, Merih; Çalhan, AliBeşinci nesil (5G) Yeni Radyo (NR), gelişmiş mobil geniş bant ve ultra güvenilir düşük gecikmeli iletişim sağlamak üzere tasarlanmış birleşik, esnek ve ölçeklenebilir kablosuz iletişim için küresel bir standarttır. Kanal kestirimi, 5G NR dik frekans bölmeli çoğullama (OFDM) sistemlerinin performansını optimize etmek için kritik bir öneme sahiptir. Bu çalışma, hiperparametre analizine ve geleneksel en küçük kareler (LS) yöntemiyle performans karşılaştırmasına odaklanarak derin öğrenme (DL) tabanlı kanal kestirim tekniklerini araştırmaktadır. 300 adet simülasyon aracılığıyla, DL modellerinin dinamik kablosuz ortamlardaki uyarlanabilirliklerinin ve doğruluklarının değerlendirilmesi için değişen parametreler altında analizi yapılır. Sonuçlar, DL modellerinin, ince ayar yapıldığında, tahmin doğruluğu açısından LS'den daha iyi performans gösterdiğini, daha düşük hatalar elde ettiğini ve değişen kanal koşullarına daha fazla uyum sağladığını göstermektedir. Ayrıca çalışma, optimize edilmiş DL modellerinin hesaplama karmaşıklığını azaltma potansiyelini vurgulayarak gerçek zamanlı uygulamalarda kullanılabileceklerine dikkat çekmekte ve 5G NR OFDM sistemlerinde DL tabanlı yaklaşımların avantajlarının altını çizmektedir.Öğe Derin öğrenme tabanlı modülasyon tanıma(2023) Leblebici, Merih; Çalhan, Ali; Cicioğlu, MurtazaHaberleşme teknolojilerinde her geçen gün artan sinyal çeşitliliği, bu sinyallerin tanımlanması ve sınıflandırılması gerekliliğini ortaya çıkarmıştır. Beşinci nesil (fifth generation, 5G) ve ötesi kablosuz haberleşme teknolojileri, birçok uygulama için vazgeçilmez iletişim araçları haline gelmiştir. Otomatik modülasyon tanıma (automatic modulation recognition, AMR) tekniği, özellikle yeni nesil nesnelerin interneti, akıllı şehirler, otonom araçlar ve bilişsel radyo gibi birçok uygulama için temel bileşen haline gelmiştir. Bu çalışmada sekiz farklı modülasyon türü kullanılarak bir veri seti oluşturulmuş ve derin öğrenme (deep learning, DL) algoritmalarından olan evrişimli sinir ağları (convolutional neural network, CNN) kullanılarak farklı sinyal-gürültü oranlarında (signal-to-noise ratio, SNR) modülasyon türü sınıflandırılması yapılmıştır. Sonuç olarak SNR değerleri 10 dB, 20 dB ve 30 dB iken CNN ile sınıflandırma işleminde sırasıyla %80,76, %99,89 ve %100 doğruluk sağlanmıştır.Öğe Derin öğrenme tabanlı SNR kestirimi: Durum çalışması(2025) Leblebici, Merih; Çalhan, AliSinyal-gürültü oranı (signal to noise ratio, SNR) kestirimi, uyarlanabilir modülasyonu, etkili güç tahsisini ve güvenilir bağlantı uyarlamasını iyileştirdiği için kablosuz haberleşme sistemlerinin optimize edilmesinde önemli bir yere sahiptir. Veri yardımlı ve veri yardımsız olarak yapılan geleneksel SNR kestirim yöntemlerinin, yüksek frekans, geniş bant aralığı ve gürültüye karşı duyarlılığın fazla olması şeklinde karakterize edilen altıncı nesil (sixth generation, 6G) sistemlerinde yaşadıkları zorlukların aksine derin öğrenme (deep learning, DL) modelleri umut vaat eden bir alternatif olarak karşımıza çıkmaktadır. Bu çalışmada ResNet101V2, MobileNetV2 ve Xception olmak üzere üç adet DL modelinin SNR sınıflandırma performansı, modülasyon türlerine ait yıldız diyagramı görüntüleri yardımıyla öğrenme aktarımı tekniği kullanılarak değerlendirilmiştir. ResNet101V2, %70.8’lik bir ortalama sınıflandırma doğruluyla en üstün performansı gösterirken MobileNetV2 ve Xception sırasıyla %63.6 ve %56.8’lik doğruluk değerlerine ulaşabilmektedir. ResNet101V2, yüksek dereceli modülasyon türleri kullanılarak yapılan SNR sınıflandırmasında daha dayanıklı bir mimari olduğunu göstermiş olsa da MobileNetV2, kaynakları sınırlı senaryolar için alternatif olabilecek bir işlemsel yüke sahiptir. Tüm bunların aksine Xception, ImageNet veri setindeki görüntü sınıflandırma başarısına rağmen bu çalışmaya özgü olan SNR sınıflandırmasında aynı performansı gösterememektedir. Sonuçlar beklendiği üzere artan modülasyon derecesiyle beraber sınıflandırma doğruluğunun düştüğünü göstermektedir.Öğe Drone-assisted smart data gathering for pandemic situations(Pergamon-Elsevier Science Ltd, 2022) Çalhan, Ali; Cicioğlu, MurtazaIn this study, a new approach is proposed based on drone-assisted smart data gathering for pandemic situations. Drones can play important roles in highly dynamic and dense disaster areas for the data gathering process. Under these conditions, if big data gathering is necessary, the network traffic can be lightened and balanced with smart techniques. For these reasons, the drones construct the aerial network and scan the frequency bands in their coverage area. Then the collected data on the related drone is processed in terms of importance and priority levels. The drones take on fog computing capabilities for the specific duties. So, the unnecessary data will not be transmitted to the related destinations and the most priority data will be transferred immediately to the related units. The proposed mechanism is developed and examined with various scenarios. The throughput, delay and energy consumption performance metrics are considered for performance evaluation.Öğe Düşük Güçlü, Kayıplı Ağlarda Rpl Yönlendirme ve Kenar İşleme Destekli, Merkezi Yönetime Sahip İzleme Sistemi(Duzce University, 2024) Çalhan, Ali; Ceylan, Arif; Cicioğlu, MurtazaSon yıllarda, nesnelerin internetindeki cihaz sayısının devasa artışı sebebiyle, cihazların IPv6 destekli olması önem kazanmaktadır. Düşük güçlü cihazlarda IPv6’ya uyumlu olması amacıyla kullanılan 6LowPAN teknolojisi ve bu teknolojiyi kullanan ağlara özgü izleme mekanizmalarının önemi her geçen gün artmaktadır. Çalışmamızda 6lowPAN ağlarında sensör verilerini yönetmek, izlemek, gerektiğinde kritik verileri buluta göndermek için bir mimari önerilmiş ve benzetimi ile uygulaması yapılmıştır. Uygulamada kullanılan teknolojiler kenar işleme, CoAP (kısıtlı uygulama protokolü), 6LowPAN, düşük güçlü ve kayıplı ağlar için yeni nesil işletim sistemi Contiki-NG, Cooja benzetim programı, RPL yönlendirme protokolü, MQTT mesajlaşma protokolü ve Python uygulamalarıdır. Cooja benzetim programında yerleştirdiğimiz düğümler çok atlamalı bir şekilde yönlendiriciye veri gönderebilmekte, yönlendirici üzerinden düğümlerden veri istenebilmektedir. Yönlendiriciye bağlı bir kenar işleme uygulaması verileri istenen zaman aralıklarıyla alabilmekte, kritik durumlarda bunu buluta gönderebilmektedir. Uygulamamızda çok atlamalı iletişim için RPL yönlendirme protokolü, düğümler ile uygulamamız arasındaki veri iletişimi için CoAP protokolü, veri toplama ve kenar işleme işlemleri için Python programlama dili, veri tabanı olarak SQLite kullanılmaktadır. Kenar ile bulutun iletişimi için abone ol/yayımla mekanizmasına sahip olan MQTT iletişim protokolü kullanılmaktadır. Literatürde kenar işleme amaçlı grafik ara yüzüne sahip bir uygulamaya rastlanılamamış olup, geliştirdiğimiz uygulamanın merkezi bir şekilde yönetim işlevi olmasının da literatüre katkı sağlayacağı düşünülmektedir. Uygulamamızın benzetim üzerinde sorunsuz bir şekilde çalıştığı görülmüş olup, grafik ara yüzlü kolay kullanımı sayesinde askeri, sağlık, tarım, hayvancılık, endüstri gibi birçok alanda kullanılabileceğini düşünmekteyiz.Öğe Dynamic HUB Selection Process Based on Specific Absorption Rate for WBANs(Ieee-Inst Electrical Electronics Engineers Inc, 2019) Cicioğlu, Murtaza; Çalhan, AliWireless body area networks (WBANs) play an important role in remote health monitoring applications nowadays. WBANs consist of several sensor nodes and a fixed HUB on, in, or around the human body. HUB collects the data from the sensor nodes and sends the received data to a gateway. High data rates from HUB cause to increase in temperature of tissues. If an organ receives electromagnetic signals for longer time period, then it will be affected by heat and might be damaged. In this paper, specific absorption rate, battery level, and priority of the sensor nodes are taken into account for dynamical HUB selection process in WBANs. Therefore, the task of the HUB is shared among the sensor nodes to reduce the negative effects of electromagnetic signals due to fixed HUB placement.Öğe An effective routing algorithm for spectrum allocations in cognitive radio based internet of things(Wiley, 2022) Cicioğlu, Murtaza; Çalhan, Ali; Miah, Md SiponThe Internet of Things (IoT) concept increases the spectrum demands of mobile users in wireless communications because of the intensive and heterogeneous structure of IoT. Various devices are joining IoT networks every day, and spectrum scarcity may be a crucial issue for IoT environments in the near future. Cognitive radio (CR) is capable of sensing and detecting spectrum holes. With the aim of CR, more powerful IoT devices will be constructed in such crowded wireless environments. Also, dynamic and ad-hoc CR networks have not a fixed base station. Therefore, CR capable IoT (CR-based IoT) device approach with routing capabilities will be a solution for future IoT environments. In this study, spectrum aware Ad hoc on-demand distance vector routing protocol is proposed for CR-based IoT devices in IoT environments. For the performance analysis of the proposed method, various network scenarios with different idle probability have been performed and throughput and delay results for different offered loads have been analyzed.Öğe Energy Harvesting Unit Design for Body Area Networks(Sakarya University, 2019) Çalhan, Ali; Gündoğdu, Köksal; Cicioğlu, Murtaza; Bayrakdar, Muhammed EnesBody Area Networks has taken its place in today's scientific world as a fundamental part of the issues of remote health monitoring and Internet of Things. The signals measured by the sensor nodes in or around the body are transmited the information about the health of the individual to the experts in remote. Body Area Networks have problems similar to other types of networks, and energy consumption is one of the main problems. Body Area Networks generally involve wireless communication and require the energy units (batteries, acumulator, and etc.) to measure of nodes while the person is on the move. For this reason, it is not possible to change the energy unit at any time. In order to eliminate the energy problem of the Body Area Network, the energy harvesting unit is developed in this study. This unit consisting of piezoelectric material and peltier meets the energy needs of the Body Area Network.Öğe Fog-cloud architecture-driven Internet of Medical Things framework for healthcare monitoring(Springer Heidelberg, 2023) Yıldırım, Emre; Cicioğlu, Murtaza; Çalhan, AliThe new coronavirus disease (COVID-19) has increased the need for new technologies such as the Internet of Medical Things (IoMT), Wireless Body Area Networks (WBANs), and cloud computing in the health sector as well as in many areas. These technologies have also made it possible for billions of devices to connect to the internet and communicate with each other. In this study, an Internet of Medical Things (IoMT) framework consisting of Wireless Body Area Networks (WBANs) has been designed and the health big data from WBANs have been analyzed using fog and cloud computing technologies. Fog computing is used for fast and easy analysis, and cloud computing is used for time-consuming and complex analysis. The proposed IoMT framework is presented with a diabetes prediction scenario. The diabetes prediction process is carried out on fog with fuzzy logic decision-making and is achieved on cloud with support vector machine (SVM), random forest (RF), and artificial neural network (ANN) as machine learning algorithms. The dataset produced in WBANs is used for big data analysis in the scenario for both fuzzy logic and machine learning algorithm. The fuzzy logic gives 64% accuracy performance in fog and SVM, RF, and ANN have 89.5%, 88.4%, and 87.2% accuracy performance respectively in the cloud for diabetes prediction. In addition, the throughput and delay results of heterogeneous nodes with different priorities in the WBAN scenario created using the IEEE 802.15.6 standard and AODV routing protocol have been also analyzed.
