sinyal kalite indeksi SQI - Ödev Yaptırma & Danışmanlık Merkezi

Elektrik Elektronik Mühendisliği Ödev Yaptırma: Akıllı Trafik Işık Sistemleri Tasarımı

İçerik Üreticisi — Tue, 09 Sep 2025 07:00:48 +0000

Şehir içi ulaşımın kalbi kavşaklardır; kavşakların ritmini ise trafik ışıkları belirler. Kırmızı–yeşil döngüsünün ardında, algılama donanımları, gerçek zamanlı kontrol algoritmaları, iletişim altyapısı, güvenlik ve emniyet önlemleri, enerji yönetimi ve yaya/engelli erişilebilirliği gibi çok disiplinli bir mühendislik bütünü yatar. “Akıllı trafik ışığı” denildiğinde akla yalnızca yeşil dalga gelmemeli; algılama kalitesi → karar mantığı → güvenli saha donanımı → denetimli iletişim → ölçülebilir performans zincirinin tamamı düşünülmelidir.

1) Sistem Mimarisi: Saha Denetleyici Merkezli Katmanlı Yapı

Akıllı kavşak sistemi beş katmanda ele alınır:

Algılama: Endüktif döngü sensörleri, radar/LiDAR, video tabanlı sayım, bluetooth/Wi-Fi probe, yaya butonu ve akustik sensörler.
Saha Denetleyici (Controller): NEMA/ATC/IEC sınıfı kontrolör; faz planı, minimum–maksimum yeşiller, sarı–kırmızı aralıklar, güvenlik kilitleri.
İletişim: Fiber/Ethernet/LTE/5G, RSU üzerinden V2I; MQTT/HTTP(S) veya özel protokoller; zaman senkronizasyonu (NTP/PTP).
Merkezi Yazılım: Koordinasyon, adaptasyon, olay yönetimi, günlük (log) ve analitik.
Emniyet/Güvenlik: Fail-safe modlar, dedike röleler, güvenlik rölesi, siber güvenlik (TLS, sertifika, ağ segmentasyonu).

Uygulamalı ipucu: Tasarımda “güvenlik katmanı” güçten bağımsız düşünülmeli; kontrolör enerji kaybında güvenli yanıp sönme (flashing) moduna, sensör ve haberleşme kaybında konservatif faz planına düşmelidir.

2) Algılama Donanımları: Doğruluk, Gecikme ve Hava Koşulları

Endüktif Döngü: Asfalt altı; yüksek doğruluk, düşük bakım. Yağıştan az etkilenir, montaj maliyeti yüksektir.
Mikrodalga Radar: Şerit ayrımı iyi; kötü hava koşullarında güvenilirdir. Düşük gecikme.
Video Analitiği (CV/AI): Şerit ve sınıf bazlı sayım, yaya–bisiklet tespiti; gece/yoğun yağışta performans düşebilir; SQI (Sinyal Kalite İndeksi) üretmek şart.
LiDAR: Kısa menzilli hassas tespit, yaya güvenliği; maliyetli.
Bluetooth/Wi-Fi Probe: Seyahat süresi tahmini; mahremiyet için hash/pseudonymization.
Yaya Butonu + Akustik: Engelli erişimine destek; buton gecikmeleri ve yanlış tetiklerin filtrelenmesi gerekir.

Vaka: Sisli bir arterde radar + döngü hibriti kullanıldığında kırmızıda kuyruk uzunluğu tahmin hatası %40’tan %12’ye düştü; video tek başına gece yağmurunda %25 paket kaybı üretiyordu.

3) Faz Planı, Halkalar ve Bariyerler: Emniyetli Geçişin Mantığı

Kavşakta faz bir dizi uyumlu hareketin (örneğin Kuzey-Güney düz/sağ) aynı anda yeşil almasıdır. Fazlar halkalar halinde gruplandırılır; bariyerler karşıt hareketlerin aynı anda yeşil olmasını engeller.

Zorunlu Emniyet Süreleri: Sarı (amber), all-red; hız ve kavşak geometrisine göre hesaplanır.
Yaya Fazları: Walk, Flashing Don’t Walk; minimum geçiş süresi (yaya hızı varsayımı) ile belirlenir.
Sol Şerit Koruması: Korunmuş (protected), paylaşımlı (permitted) ya da karma.
Ödev ipucu: Faz çizelgesini halka-bariyer diyagramı ile verin; sarı ve all-red sürelerini hesap tablosu ile gösterin.

4) Zamanlama Parametreleri: Minimum, Maksimum ve Gap-Out

Doyum akımı, doygunluk derecesi ve başlatma kayıpları (startup lost time) parametreleriyle minimum yeşil (MinG), maksimum yeşil (MaxG), gecikme sonlandırma (gap-out) ayarlanır. Actuated control (algılamaya dayalı) modda faz, boşluk süresi (gap) üst sınırını aştığında gap-out ile kapanır; süre dolarsa max-out olur.
Pratik kural: Düşük akımda kısa MinG, akım arttıkça gap parametresini trafik kompozisyonuna göre uzatmak ortalama gecikmeyi düşürür.

5) Koordinasyon ve Yeşil Dalga: Offset–Split–Cycle Üçlüsü

Arter üzerindeki kavşaklarda cycle length (döngü süresi), her kavşağın split’i (yeşil payı) ve offset’i (başlangıç kaydırması) birlikte ayarlanır. Hareket yönüne göre iki hedef farklı strateji ister:

Tek yön ağırlıklı arter: Downstream yönünde offset optimizasyonu.
Çift yön talep: Çift yönlü yeşil dalga (bidir).
Örnek: 60 s döngüde 500 m aralıklı kavşaklarda 50 km/s hız kabulüyle offset ≈ 36 s; simülasyonda dur/kalk sayısı %27 azaldı.

6) Adaptif/Öğrenen Kontrol: SCOOT/SCATS Paradigması ve Ötesi

Klasik yöntemlerde zaman planları saat dilimlerine göre değişir. Adaptif sistemler ise sahadan anlık ölçü alıp cycle–split–offset’i çevrimiçi günceller.

SCOOT/SCATS yaklaşımı: Kuyruk ve doygunluk ölçütleriyle kademeli düzeltme.
Pekiştirmeli Öğrenme (RL): Kavşağı ajan, gecikme ve dur/kalkı ödül/ceza olarak ele alır.
Hibrit: Güvenli sınırlar içinde RL’nin önerileri, kontrolörün sert emniyet kilitleriyle uygulanır.
Uygulama: RL tabanlı akıllı faz seçici, MaxG/MinG ve bariyer kısıtlarını asla ihlal etmeyecek “güvenli eylem filtresi”nden geçirilmelidir.

7) Yaya ve Bisiklet Önceliği: Erişilebilirlik + Güvenlik

Akıllı sistem yalnızca araç gecikmesini değil, yaya güvenliği ve bisiklet akışını da gözetmelidir.

Algılama: Termal/video ile zebra üstünde varlık tespiti; “erken yeşil” veya “yeşil uzatma”.
Erişilebilirlik: Dokunsal/akustik geri bildirim, uzatılmış “Walk”, engelli kullanıcılar için buton basma kuvveti standardı.
Bisiklet Şeritleri: Korunmuş faz ya da ön faz (leading bike interval).
Ölçütler: Yaya yarım kesilmiş geçiş oranı, yaya bekleme süresi p95; bisikletli için kırmızı ihlal düşüşü.

8) Toplu Taşıma Önceliği (TSP): Saatinde Servis, Daha Az Gecikme

Otobüs/ tramvay gecikiyorsa trafik ışığı yeşili uzatır, erken yeşil verir veya faz atlama uygular.

Algılama: DSRC/C-V2X ile kimlikli araç bildirimi; GPS başıboş hataları için coğrafi bölge.
Kısıtlar: Yaya fazına zarar vermeden, ardışık TSP isteklerinde hakkaniyet; maksimum uzatma süresi.
Vaka: Bir koridorda TSP ile otobüs seyahat süresi %12 azaldı; özel araç gecikmesi p95’te +3 s ile sınırlı kaldı.

9) Acil Durum Önceliği (EVP): Saniyeler Hayat Kurtarır

Ambulans/itfaiye yaklaşırken kavşak, hızlı ve emniyetli şekilde yolu açmalıdır:

Ön Koşullar: Tüm yaya ve karşıt hareketler all-red ile boşaltılır; çakışma olasılığı sıfıra yakınlanır.
Geçiş Sonrası: Sistem koordinasyona yumuşak dönüş yapar; ofset kaybı minimize edilir.
Emniyet: Fail-safe; ERP sinyali hatalıysa (taklit), iki faktör (kimlik + yakınlık radar/video) doğrulaması.

10) Donanım Kabini: Güç, Röle Mantığı ve Güvenlik Rölesi

LED Sinyal Kafaları: Düşük güç, uzun ömür; optik/lens tasarımı görüş alanını belirler.
Güç ve UPS: Gerilim dalgalanmasında kontrolör ve algılama kesintisiz kalmalı.
Emniyet Rölesi: “Yeşil–yeşil çakışma”yı donanımsal olarak imkânsız kılan röle kilitleri.
Kabin İçi EMC: Ferrit, filtre, ayrı toprak baraları; yıldırımdan korunma ve SPD Tip 2/3 koordinasyonu.

Pratik: Röle-kontaktör devrelerinde yansıma ve ark için RC snubber; kontrolcü I/O’su opto-izole edilmelidir.

11) Haberleşme, Zaman Senkronu ve V2X

Hat/Backhaul: Fiber/Ethernet, LTE/5G yedekliliği.
Protokoller: MQTT/HTTPS; mesaj şeması versiyonlu (Protobuf/JSON), idempotency key ile tekrarlar yönetilir.
Senkronizasyon: NTP/PTP; ofset hatası ≤ 50 ms hedef.
RSU/V2I: SPaT (Signal Phase and Timing) + MAP ile araçlara gelecekteki faz bilgisi yayınlanır; eko-sürüş / yeşil dalga asistanı mümkün olur.

12) Siber Güvenlik: Altyapı Kritik, Saldırı Yüzeyi Geniş

Ağ Bölümlendirme: Saha ağları ayrı VLAN/fiziksel segment.
Kimlik ve Şifreleme: mTLS, sertifika yenileme, donanımsal güven kökü (TPM).
Güncelleme: İmzalı firmware/konfig; A/B slot ve rollback.
Günlükleme: İmzalı log, olay zinciri; anormallik tespitine AI destekli izleme.
Senaryo: Yanlış offset yüklenmesiyle arter kaosa sürüklenebilir; bu nedenle iki-aşamalı onay ve kuru koşu (dry-run) zorunlu.

13) Enerji Verimliliği ve Karbon Ayak İzi

LED sinyal ve akıllı kontrol ile dur/kalk azaltılması yakıt tüketimi ve emisyonları düşürür. Kavşak kabini için PV + akühibriti, uyku modları, fan yerine doğal havalandırma gibi yöntemlerle enerji maliyeti azaltılır.
Metrikler: Yakıt/CO₂ tasarrufu (g/km), sinyal başına güç tüketimi (W), UPS ömrü, akü çevrim sayısı.

14) Veri Modeli, KPI’lar ve Gözlemlenebilirlik

Ham Veriler: Faz durumları, algılama olayları, kuyruk uzunluğu tahmini, seyahat süreleri.
KPI’lar: Ortalama gecikme, p95 gecikme, dur/kalk sayısı, yaya bekleme p95, TSP başarı oranı, EVP tepki süresi, emisyon tahmini.
Panolar: Kavşak ısı haritaları (saat/ gün/ etkinlik), öncesi-sonrası analizi, sürüm–performans izi.

15) Simülasyon: Mikro–Mezo–Makro ve Donanım-Döngüde (HIL)

Mikro: SUMO/Vissim; araç düzeyi etkileşim, şerit değişim.
Mezo/Makro: Şebeke genelinde strateji etkisi.
HIL: Gerçek kontrolcüyü simülasyon trafiğine bağlayarak gerçek zamanlı test; sahaya çıkmadan köşe durumları sınanır.
Ödev tüyosu: “Baz plan” vs “akıllı plan” simülasyonlarını aynı random seed ile karşılaştırın.

16) Kuyruk Teorisi ve Doygunluk Analizi

M/M/1, M/D/1 ve doyum akımı yaklaşımları, kuyruk uzunluğu ve ortalama bekleme için hızlı kestirim sunar. Adaptif kontrol için kısa ufuklu optimizasyon (rolling horizon) ile kuyruk patlamaları engellenir.
Basit kural: λ/μ oranı 0.8’i aşıyorsa, cycle’ı uzatmak yerine split yeniden dağıtımı ve komşu kavşak offset düzeltmesi daha etkilidir.

17) Görü/AI ile Algı: Veri Etiketi, Domain Shift ve SQI

Video/Radar tabanlı algı için etiketli veri, farklı hava–ışık koşullarını kapsamalı. Domain shift için augmentasyon(yağmur, sis, gece), test-time adaptation ve SQI tabanlı düşürme (confidence<τ ise döngü planına etkiyi azalt) uygulanır.
Güvenlik notu: Algı sinyali hiçbir zaman tek başına kritik karar doğurmaz; oylama veya fail-conservative kuralıyla filtrelenir.

18) Adalet, Erişim ve Kentsel Tasarım Etkisi

Akıllı sistem, sadece araç gecikmesini düşürürken yayaları cezalandırmamalı. Eşitlik duyarlı çok amaçlı optimizasyon; yaya p95 beklemeyi üst sınırlar, engelli geçişleri için uzatılmış “walk” sağlar. Okul bölgesinde gündüz ağır yaya önceliği, gece araç akışına dönüşen dinamik profiller.

19) Çok Kavşaklı Koridor ve Bölgesel Kontrol

Koridor bazlı koordinasyonda sınır koşulları önemlidir: Uç kavşaklar, arter–arter kesişimleri, TSP/EVP isteklerinin bölgesel etkisi. Bölgesel denetleyici, komşu kavşakların cyclic drift ve ofset hatasını izleyerek düzeltir.

20) Arıza Modları ve Dayanıklılık

Algı arızası: “Detektör y stuck-on/off” → ototest ve heartbeat; fail-safe yeşil dağılım.
İletişim kesintisi: Yerel planlara düşme; log tamponu.
Enerji kaybı: UPS ile kontrollü kapanış, flashing mod; geri geldiğinde “yumuşak başlatma”.
Saha vandalizmi: Kilitli kabin, merdivenli erişim, kamera.

21) Örnek Olay I — Üniversite Kampüsü Dörtyol Kavşağı

Sorun: Pik saat yaya akışı, otobüsler için gecikme; yağışta algı hatası.
Çözüm: Radar + video hibrit, yaya erken yeşil; TSP ile otobüs erken geçiş. Sarı/all-red revizyonu; ofset 24→28 s.
Sonuç: Otobüs seyahat süresi %14 azaldı; yaya p95 bekleme 72→41 s; özel araç gecikmesi p95 +2 s içinde kaldı.

22) Örnek Olay II — Ana Arter Koordinasyonu ve Yeşil Dalga

Sorun: Akşam pikinde bidir talep; çift yön dengesi bozuk.
Çözüm: 70 s cycle; offset doğu→batı 40 s, batı→doğu 30 s; dur/kalk optimizasyonu.
Sonuç: Dur/kalk %31 azaldı; emisyon/ yakıt tüketiminde ölçülü düşüş (CO₂ −%9, yakıt −%8 tahmini).

23) Örnek Olay III — Acil Durum Önceliği

Sorun: İtfaiye varış süresi hedefin üzerinde.
Çözüm: EVP; DSRC + radar doğrulamalı iki faktör; all-red 1.5 s; post-preemption offset toparlama.
Sonuç: Güzergâh ortalama kazanımı 42 s; çakışma/ihlal sıfır.

24) Ödev Raporu Şablonu (Puan Kazandıran)

Kavşak/koridor tanımı (geometri, hız, yaya akışı, toplu taşıma)
Algılama mimarisi (sensör seti, SQI)
Faz ve emniyet süreleri (hesap tablosu)
Zamanlama/koordinasyon (cycle–split–offset)
Adaptif/öğrenen kontrol (kısıtlarla)
TSP/EVP stratejileri (etki analizi)
Enerji ve SPD/EMC planı
Siber güvenlik ve bakım (OTA, log, A/B)
Simülasyon ve HIL (öncesi-sonrası, p95/p99)
KPI sonuçları ve eşitlik analizi
Risk/arıza senaryoları ve fail-safe
Sonuç ve yaygınlaştırma planı

25) 10 Günlük Uygulanabilir Proje Planı

Gün 1: Kavşak verisi toplama (geometri, hız, yaya/araç akışları)
Gün 2: Sensör seçimi + yerleşim eskizi; SQI kriterleri
Gün 3: Faz planı, sarı–all-red hesapları; halka-bariyer diyagramı
Gün 4: Temel zamanlama (MinG/MaxG/gap); actuated kontrol
Gün 5: Koordinasyon (cycle–split–offset) ve senaryolar
Gün 6: Adaptif/ML modül prototipi (güvenli eylem filtresi ile)
Gün 7: TSP/EVP mantığı; emniyet kısıtları ve testleri
Gün 8: Simülasyon (SUMO) + HIL; p95 gecikme ve dur/kalk ölçümü
Gün 9: Enerji/SPD/EMC denetimleri; kabin şeması ve UPS
Gün 10: Rapor, panolar, KPI tablosu, “öncesi-sonrası” karşılaştırması

Sonuç

Akıllı trafik ışığı tasarımı; algılama güvenilirliği, emniyetli kontrol, haberleşme ve siber güvenlik, enerji yönetimi ve kentsel politika hedeflerinin aynı potada eritilmesini gerektirir. Başarının anahtarı, yalnızca yeşil dalga ayarlamak değil; faz güvenliği, yaya/engelli erişimi, toplu taşıma ve acil durum öncelikleri, ölçülebilir KPI’lar ve dayanıklı saha donanımı ile bütünü aynı anda optimize etmektir. Bu metinde; sensörlerden (radar, döngü, video, LiDAR) başlayıp, faz-zamanlama teorisi (Min/Max/GAP, cycle–split–offset), adaptif/RL tabanlı yaklaşımlar, TSP/EVP, V2I/SPaT yayınları, enerji ve SPD-EMC, siber güvenlik (mTLS, A/B, rollback), HIL simülasyon ve adalet/erişilebilirlik gibi boyutları uçtan uca işledik.

Ödev ve bitirme projelerinizde fark yaratmak için:

Ölçümlerle konuşun: p95 gecikme, dur/kalk, yaya bekleme, TSP/EVP tepkisi; öncesi-sonrası tablo ve ısı haritası.
Emniyeti asla taviz vermeyin: Sarı–all-red hesapları, yeşil–yeşil çakışmayı donanımsal olarak imkânsız kılan röleler, fail-safe planları.
Algıyı güvenceye alın: SQI, çoklu sensör oylaması, domain shift’e dayanıklı modelleme.
Siber güvenliği standart yapın: mTLS, imzalı konfig, ağ segmentasyonu, imzalı log.
Kullanıcıyı merkeze alın: Yaya/bisiklet/engelli erişimi ve eşitlik duyarlı optimizasyon.
Bu yaklaşım, yalnızca notunuzu yükseltmekle kalmaz; şehirde yaşayan herkesin güvenliğini ve konforunu somut olarak artırır. Akıllı kavşaklar, akıllı bir sistem mühendisliği yaklaşımıyla mümkün olur.

Öğrencilerin akademik başarılarını desteklemek ve yoğun tempoda geçen okul yaşamlarında yardımcı olmak amacıyla kurulan “Ödev Yaptırma” platformu, özgün ve kaliteli ödev çözümleri sunmaktadır. Öğrencilerin farklı branşlardan ödevlerini, projelerini ve makalelerini profesyonel ve deneyimli ekip üyelerimiz aracılığıyla titizlikle hazırlıyoruz. Her bir ödevi, konunun gerektirdiği derinlemesine araştırmalar ve analizler doğrultusunda çözümleyerek, öğrencilerimizin özgün düşünce yapısını ön plana çıkarmasını sağlıyoruz.

“Ödev Yaptırma” olarak, müşteri memnuniyetini ve güvenilirliği en üst düzeyde tutmaktayız. Öğrencilerin bize teslim ettikleri ödevlerin tümü, gizlilik ve güvenlik ilkelerine sıkı sıkıya bağlı kalınarak işlenir. Her ödev, öğrencinin taleplerine ve öğretmenin yönergelerine uygun olarak özelleştirilir ve her zaman orijinal içerik üretmeye özen gösteririz. Öğrencilerin akademik itibarını korumak ve güvenilir bir öğrenme deneyimi sunmak için elinizdeyiz.

“Ödev Yaptırma” platformu, kullanıcı dostu arayüzü sayesinde öğrencilere kolayca ulaşılabilir bir hizmet sunmaktadır. Kullanıcılar, web sitemiz üzerinden basit adımlarla ödevlerini yaptırma taleplerini iletebilir ve ihtiyaç duydukları konuda uzmanlaşmış ekip üyelerimizle iletişime geçebilirler. Hızlı yanıt verme ve esneklik, öğrencilerin zaman baskısı altında olan durumlarında da yanlarında olduğumuzu hissettirir. “Ödev Yaptırma” olarak, öğrencilerin başarısını desteklemek ve onlara daha fazla öğrenme fırsatı sunmak için buradayız

The post Elektrik Elektronik Mühendisliği Ödev Yaptırma: Akıllı Trafik Işık Sistemleri Tasarımı first appeared on Ödev Yaptırma & Danışmanlık Merkezi.

Elektrik Elektronik Mühendisliği Ödev Yaptırma: Biyomedikal Sinyal İşleme Ödevlerinde Başarı Rehberi

İçerik Üreticisi — Sat, 06 Sep 2025 11:00:40 +0000

Biyomedikal sinyal işleme, insan vücudundan elde edilen fizyolojik işaretleri (ECG, EEG, EMG, PPG, PCG, EOG, solunum, kan basıncı, ivme, sıcaklık vb.) örnekleyip anlam çıkarmayı hedefleyen bir mühendislik disiplinidir. Bu alan; analog önyüz ve sensör tasarımı, sayısal sinyal işleme (DSP), istatistik/olasılık, makine öğrenmesi/derin öğrenme, etik ve mahremiyet kavramlarını bir araya getirir. Bir biyomedikal sinyal işleme ödevinde başarılı olmak; yalnızca “bir filtre çalıştırmak” ya da “bir sınıflandırıcı eğitmek” değildir. Başarı, veri toplama–etiket–ön işleme–özellik–model–değerlendirme–yorum zincirinin her halkasında bilinçli ve ölçülebilir kararlar vermeyi gerektirir.

1) Proje Tanımı ve Klinik Bağlam: “Neyi, kimin için, neden ölçüyoruz?”

Her ödev bir klinik/sağlık sorusuna bağlanmalı: Aritmi taraması mı yapıyoruz? Uyku apnesi şüphesi mi? Rehabilitasyonda kas yorgunluğunu mu izliyoruz? Bu bağlam; örnekleme frekansını, sensör konumunu, hedef sinyallerin band genişliğini ve etik–mahremiyet gereksinimlerini belirler.

Örnek: Sporcu takibinde EMG ile kas aktivasyon zamanlaması (onset/offset) ve yorgunluk göstergeleri (MNF/MPF) çıkarılır. Klinik apne taramasında ise PPG ve solunum bantları önemlidir.
İpucu: Proje dokümanınızda ilk sayfada “Klinik Problem → Mühendislik Hedefleri → Başarı Metrikleri” üçlüsünü tabloya dökün.

2) Sinyal Ekosistemi ve Biyofizik: ECG, EEG, EMG, PPG, PCG, EOG

ECG (Elektrokardiyogram): 0.05–150 Hz; P–QRS–T yapısı. Artefaktlar: temel çizgi kayması (BW), kas ve 50/60 Hz parazit.
EEG: 0.1–80 Hz (uygulamaya göre 0.1–45 Hz sık); delta–theta–alpha–beta–gamma bantları. Blink/EMG ve hareket artefaktlarına çok hassas.
EMG: Geniş bant (10–500 Hz), yüksek varyans; yorgunlukta spektral ağırlık düşük frekanslara kayar.
PPG: Optik nabız, 0.5–5 Hz; hareket artefaktı baskın. HR/HRV ve periferik damar dolgunluğu için.
PCG: 20–400 Hz kalp sesleri; üfürüm tespiti ve S1–S2–S3 ayrımı.
İpucu: Her sinyal için fizyolojik olaylar → frekans–zaman ölçeği eşlemesini çıkarın. Bu, filtre/özellik seçimlerini rasyonel kılar.

3) Örnekleme, Anti-Alias ve ADC Dinamiği

Biyomedikal sensör önyüzünde anti-aliasing LPF zorunludur. Örnekleme frekansı $f_{s}$ , ilgi bandının en az 2×’si olmalı; pratikte 4–10× seçilerek geçiş bandı ve filtre mertebesi rahatlatılır. ADC seçerken çözünürlük (12–24 bit), gürültü, dinamik aralık ve CMRR (özellikle ECG/EEG için) önemlidir.
Mini vaka: 200 Hz’de örneklenen ECG’de 50 Hz şebeke paraziti aliasing ile 10 Hz’e “taşınmış” görüldü; çözüm: analog notch + yeterli $f_{s}$ + dijital notch.

4) Analog/Dijital Ön İşleme Zinciri ve Kalibrasyon

Analog: Elektrot temas empedansı, yüksek giriş empedanslı ön yükselteç, drift ve ofset yönetimi.
Dijital: Baseline wander için yüksek geçiren (HPF, 0.5 Hz civarı ECG/EEG); şebeke için notch (50/60 Hz); EMG’de bant geçiren (20–450 Hz); PPG’de alçak geçiren + hareket artefaktı için adaptif filtre.
Uygulama: 0.5 Hz HPF + 35 Hz LPF + 50 Hz notch ile temel bir ECG temizliği. EEG’de 0.5–40 Hz BPF + blink giderme için EOG regresyon/ICA.

5) Artefakt Giderme: ICA, EMD, Wavelet ve Regresyon

ICA (Bağımsız Bileşen Analizi): EEG/EOG/EMG karışımlarını ayrıştırmada yaygın; blink/EMG bileşenleri çıkarılabilir.
EMD/CEEMDAN: Adaptif mod ayrıştırma ile BW veya tremor baskılama.
Dalgacık (Wavelet) eşikleme: PPG ve PCG’de transient/klik temizliği.
Regresyon: EOG sinyali referans alınarak blink, ivmeölçer kullanılarak hareket artefaktı çıkarımı.
Not: Aşırı temizleme “klinik özelliği silme” riski taşır; her adımın öncesi/sonrası karşılaştırmasını raporlayın.

6) Özellik (Feature) Mühendisliği: Zaman–Frekans–Zaman-Frekans

Zaman alanı: RR aralığı istatistikleri, QRS genliği, EMG RMS/AR katsayıları, PPG tepe–çukur süreleri.
Frekans alanı: Welch–AR–Burg ile güç spektral yoğunluğu; EMG’de MNF/MPF, EEG’de bant güçleri (delta–gamma).
Zaman-frekans: STFT, CWT (dalgacık), WVD; PCG üfürümlerinde dar bant enerjileri.
İpucu: 5–10 “yük taşıyan” özelliği seçin; fazlalığı PCA/LDA ile azaltın. Model basitliğini korumak genellikle performansı ve genelleştirilebilirliği artırır.

7) Segmentasyon ve Olay Tespiti: QRS, S1/S2, Spindle, Gait

Biyomedikal akış çoğu zaman olay odaklıdır.

ECG: Pan–Tompkins tarzı QRS tespiti (bandpass + türev + karesel enerji + hareketli entegral + eşik).
PCG: S1/S2 segmentasyonu; envelope çıkarımı (Hilbert/Teager enerji), HMM/HSMM ile sıralama.
EEG: Uyku iğciği (spindle), K-kompleks tespiti; band geçiren + enerji eşiği + morfolojik kurallar.
EMG: Aktivasyon başlangıcı (onset) için Teager–Kaiser enerji operatörü veya hareketli RMS + dinamik eşik.
Uygulama: QRS tespitini ref. anotasyon ile eşleştirip Se/P+ (sensitivite/pozitif öngörü) raporlayın.

8) Veri Setleri, Anotasyon ve Bölünme Stratejisi

Hatalı değerlendirme, iyi algoritmaları “kötü” gösterebilir (veya tersi).

Anotasyon: Uzman etiketleri altın standarttır; tek uzman yerine çifte okuma + uzlaşı güvenilirdir.
Bölünme: Zaman pencereli veride sızıntı riskine dikkat. Subject-wise ayrım (kişi bazlı eğitim/test) genelleme için şarttır; random split yanıltabilir.
Kısıtlı veri: K-fold (özellikle subject-wise k-fold), Leave-One-Subject-Out (LOSO).
Mini vaka: EEG nöbet tespitinde random split ile %98 AUC; subject-wise LOSO’da %87 — gerçek performans ikinci değerdir.

9) Değerlendirme Metrikleri: Klinik Relevans ve Dengeli Ölçüler

İkili sınıflama: Doğruluk tek başına yetersiz; Se, Sp, PPV, NPV, F1, AUC raporlanmalı.
Dengesiz veri: ROC yanı sıra PR-AUC kullanın.
Olay tespiti: Zaman tolerans penceresi (±50–100 ms) içinde eşleşme kuralları.
Süreklilik: HR/HRV gibi metriklerde mutlak hata (MAE) ve korelasyon.
İpucu: Klinik kullanıcılar için karar eşiği–performans eğrilerini (operating point) gösterin.

10) Klasik ML ve Derin Öğrenme: Hangisini, ne zaman?

Klasik ML: LDA/QDA, SVM, RF, XGBoost; az veri–yüksek yorumlanabilirlik. Özellik mühendisliği kritik.
Derin Öğrenme: 1D-CNN, CNN–LSTM, Transformer; ham dalga/tepe–çukur dizilerinden doğrudan öğrenir. Çok veri/augmentasyon gerekir.
Hibritler: Öğrenilmiş temsilleri klasik sınıflandırıcıya beslemek; ya da klasik özellikleri derin şebekeye yan bilgi olarak eklemek.
Örnek: PPG’den HRV sınıflaması için 1D-CNN + dikkat (attention) tabanlı havuzlama, hareket artefaktına klasik filtre + sinyal kalite indeksi (SQI) ile birlikte.

11) Sinyal Kalite İndeksi (SQI) ve Güven Skoru

Klinik kullanılabilirlik için “Bu ölçüme ne kadar güveneyim?” sorusunun yanıtı gerekir.

SQI ölçütleri: SNR, template uyuşması, tepe şekli, artefakt göstergeleri, satürasyon/doyum.
Kullanım: Düşük SQI → ölçümü dışla veya toleranslarını genişlet; kullanıcıya geri bildirim ver (sensör teması kötü vb.).
Uygulama: PPG’de hareketli pencere korelasyonu ve tepe asimetri ölçütü ile SQI; SQI<τ olduğunda HR/HRV güncellemesi yapma.

12) Zaman Senkronizasyonu ve Multimodal Füzyon

ECG–PPG–ivme–solunum gibi çoklu sinyallerde zaman damgası mikro saniye–milisaniye düzeyinde hizalı olmalıdır. Füzyon, özellik seviyesinde (feature-level) veya karar seviyesinde (late fusion) yapılabilir.
Mini vaka: PPG’den nabız ve ivmeden hareket penceresi birleşince “fizyolojik olmayan nabız sıçramaları” filtrelenerek yanlış pozitifler %35 azaldı.

13) Gerçek Zamanlılık, Gecikme Bütçesi ve Bellek Kullanımı

Mobil/IoT sistemlerde algoritmalar akış üzerinde koşar.

Bütçeleme: 250 Hz ECG’de pencere 1 s ise, toplam işleme < 100 ms hedef.
Kısıtlar: Sabit nokta/ARM NEON, vektörleştirme; kaydırmalı pencere ve online istatistikler.
Enerji: Ekran/iletişim tüketimi > işlem maliyeti olabilir; akıllıca olay tetiklemeli gönderim.

14) Veri Gizliliği, Etik ve Regülasyon Farkındalığı

Kişisel sağlık verileri özel niteliklidir.

Mahremiyet: Pseudonymization, erişim kontrolü, en az ayrıcalık, açık rıza.
Güvenlik: Uçtan uca şifreleme, imzalı günlük (audit), güvenli saklama.
Etik: Yanlı/hatalı algoritmaların klinik etkisi, insan gözetimi ve uyarı metinleri.
Ödev notu: Proje raporuna etik bildirim ve veri yaşam döngüsü şeması ekleyin.

15) Raporlama ve Reprodüksiyon: Bilimsel Hijyen

Kodu yayınlayın (maskelenmiş veriyle veya açık veri setiyle).
Ortamı sabitleyin (requirements.txt, conda/env, Docker).
Tohum (seed) ve ayrımlar raporlanmalı; hiperparametre ızgarası ve en iyi konfigürasyon kayıtları eklenmeli.
Figürler: Filtre öncesi/sonrası dalga, QRS–S1–S2 hizalaması, ROC/PR eğrileri, Bland–Altman.

16) ECG Vaka İncelemesi: Aritmi için QRS + Morfoloji

Hedef: Tek kanallı ECG’den QRS tespiti, RR dizisi ve aritmi (PVC/AF) işaretleri.

Ön işleme: 0.5–35 Hz BPF + notch.
QRS: Fark–karesel enerji–entegre; adaptif eşik.
Özellik: RR varyabilitesi (SDNN, RMSSD), morfolojik (R genliği, QRS genişliği), P dalgası sürekliliği.
Model: Basit RF/SVM veya 1D-CNN.
Değerlendirme: MIT-BIH/AF veri alt kümelerinde subject-wise ayrım, Se/PPV/F1.
Çıktı: PVC için F1>0.9; AF epizodu için ROC AUC>0.95 hedeflenebilir (ölçeğe göre değişir).

17) EEG Vaka İncelemesi: Uyku Evreleme (N1–N3, REM, Wake)

Hedef: 30 s epoch sınıflaması.

Ön işleme: 0.3–35 Hz; EOG/EMG kanallarını yardımcı olarak kullan.
Özellik: Bant güçleri (relative delta/alpha), spindle yoğunluğu, zero-crossing istatistikleri, entropi ölçütleri.
Model: CNN–LSTM (zamansal bağlam) veya klasik özellik + RF.
Değerlendirme: Kappa, macro-F1; subject-wise k-fold.
Not: Sınıf dengesizliği (N1 düşük) için focal loss/class weights.

18) EMG Vaka İncelemesi: Kas Onset ve Yorgunluk

Hedef: Kas aktivasyon başlangıcını milisaniye ölçeğinde yakalamak; yorgunluk trendi.

Ön işleme: 20–450 Hz BPF; tam dalga doğrultma + hareketli RMS.
Onset: Adaptif eşik veya Teager–Kaiser enerji operatörü.
Yorgunluk: Spektral ağırlık (MNF/MPF) azalması; median frekans kayması.
Değerlendirme: Onset hatası (ms), yanlış alarm oranı; yorgunlukta eğim katsayısı.

19) PPG Vaka İncelemesi: HR/HRV ve Solunum Türevi

Hedef: Hareketli ortamda PPG’den güvenilir nabız ve HRV.

Ön işleme: Bandpass 0.5–8 Hz; ivmeyle çoklu girişli adaptif filtre (LMS/RLS).
Tepe tespiti: Şekil kısıtlı şablon eşleştirme; SQI ile birlikte.
HRV: Zaman alanı (RMSSD), frekans alanı (LF/HF) — kısa kayıtlarda AR tercih.
Bonus: PPG’de solunum modülasyonu ile respiratuvar frekans kestirimi.

20) PCG Vaka İncelemesi: Üfürüm Tespiti ve S1–S2 Segmentasyonu

Hedef: Kalp sesinden üfürüm (patolojik akış) belirti çıkarımı.

Ön işleme: 20–400 Hz bandpass; Hilbert envelope; dalgacık enerji haritası.
Segmentasyon: HMM/HSMM veya “gürültü tepe izleme” ile S1–S2.
Özellik: Zaman–frekans enerji dağılımı, spektral eğim, entropi.
Model: CNN (mel-spectrogram benzeri giriş) + kalibrasyon.
Değerlendirme: Hasta bazlı ayrım; ROC/PR ve klinik hassasiyet–özgüllük noktaları.

21) Mobil/IoT ve Edge Analitiği: Gerçek Dünya

Akıllı saat/patch cihazlarda cihaz içi (on-device) çıkarım: 1D-CNN quantize (int8), sabit nokta kernel’ler, bellek/veri ayak izi optimizasyonu.

Güncelleme: Aşamalı model güncellemesi (A/B slot), imzalı paket.
Mahremiyet: Ham sinyal yerine özet/özellik gönder; federated learning düşün.

22) Hatalar ve Tuzaklar: “Neden sonuçlarım sahada düşüyor?”

Veri sızıntısı: Pencereler arası örtüşmede yanlış split → şişik skorlar.
Aşırı temizleme: Klinik sinyali kazara yok etme.
Yanlı veri: Tek demografi/cihaz → genelleme zayıf.
Yanlış metrik: Dengesiz sınıfta doğruluk raporlamak.
Eşik sabitleme: Farklı bireylerde sabit eşik → SQI/kişiye uyarlama gerek.
Çözüm: Kontrol listesi + subject-wise k-fold + ablation çalışması.

23) Raporlama Şablonu: Jüriyi/Asistanı Hızla İkna Edin

Problem ve klinik bağlam
Veri ve etik (kaynak, izin, anonimleştirme)
Ön işleme (filtreler, parametreler, önce/sonra figür)
Özellik/Model (neden bu yol?)
Değerlendirme (bölünme stratejisi, metrikler, istatistik)
Karşılaştırma (ablation: şu adım olmasaydı ne olurdu?)
Saha uygulanabilirliği (gecikme, enerji, bellek)
Sınırlamalar ve gelecek çalışma
Kod/tekrar üretilebilirlik (repo, sürüm, seed)

24) 10 Günlük Ödev Planı (Uygulanabilir)

Gün 1: Klinik problem ve hedef metrikler
Gün 2: Veri–etik; subject-wise bölünme
Gün 3: Ön işleme tasarımı + pilot figürler
Gün 4: Olay tespiti/segmentasyon prototipi
Gün 5: Özellik havuzu ve seçimi (PCA/MI)
Gün 6: Klasik ML ve 1D-CNN hızlı karşılaştırması
Gün 7: Değerlendirme (LOSO/k-fold), istatistik
Gün 8: SQI, hata analizi, eşik optimizasyonu
Gün 9: Saha/edge uygulanabilirlik ölçümleri
Gün 10: Rapor, ekler (kod, figür, tablo)

25) Geniş Bakış: Geleceğe Hazırlık

Kişiye özel modeller: Transfer learning/finetune, domain adaptation.
Kendinden denetimli öğrenme: Etiketin kıt olduğu EEG/PPG’de temsiller.
Açıklanabilirlik: Grad-CAM benzeri salience haritaları (1D-CNN); klinik güven.
Çapraz cihaz kalibrasyonu: Cihazdan bağımsız metrikler, standardizasyon.
Çok modlu–çok görevli ağlar: Tek model, çok çıktı (QRS + aritmi + HRV).

Sonuç

Biyomedikal sinyal işleme ödevi, başından sonuna ölçülebilir gerekçelerle yürütülmeli: klinik problemi netleştir, fizyolojiyi frekans–zaman ölçeğine çevir, analog–dijital ön yüzü planla, artefaktları gerektiği kadar temizle, bilgi taşıyanözellikler çıkar veya derin modelleri dikkatle eğit, doğru bölünme (subject-wise) ve dengeli metriklerle değerlendir, SQI ve güven skoru ile gerçek kullanım senaryosuna hazırlık yap, mahremiyet–etik temelini sağlam kur.
ECG’den QRS/aritmi, EEG’den uyku ve nöbet, EMG’den onset ve yorgunluk, PPG’den HR/HRV ya da PCG’den üfürüm; hangi görev olursa olsun, başarı pipeline bütünlüğünde yatar. Bu rehberdeki kontrol listeleri, vaka örnekleri ve raporlama şablonu ile ödevinizi yalnızca “çalışır” değil, bilimsel olarak savunulabilir, tekrar üretilebilir ve sahaya taşınabilir bir seviyeye çıkarabilirsiniz. Unutmayın: Biyomedikal sinyal işleme; hem insan hayatına dokunan hem de mühendislik disiplininin tüm araçlarını bir arada kullanan bir yolculuktur. Bu yolculukta her kararınızı veri, fizyoloji ve etik üçgeninde temellendirin; başarı kendiliğinden gelir.

The post Elektrik Elektronik Mühendisliği Ödev Yaptırma: Biyomedikal Sinyal İşleme Ödevlerinde Başarı Rehberi first appeared on Ödev Yaptırma & Danışmanlık Merkezi.