Yazar: Mehmet Ali Çavuşlu
Temel VHDL Bileşenleri – 2
Temel VHDL bileşenlerinde örnek uygulama olarak yarı toplayıcı devresi gerçekleştirilmiştir. Yarı toplayıcı devresi dışardan elde girişi olmadan sadece ikili (binary) giriş değerlerini toplayarak çıkışa aktarır. VHDL kodları bu tanıma göre yazılmıştır.
Temel VHDL Bileşenleri – 1
VHDL ile tasarım yapılmadan önce VHDL dilinin temel mantığını kavramak gerekmektedir. Her şeyden önce VHDL ile yazılan kodların herhangi bir programlama dilindeki gibi yorumlanıp, derlenip çalıştırıldığı düşünülmemelidir. VHDL ile yazılan kodlara karşılık FPGA üzerinde belirtilen işi yapacak bir mantık devresi sentezlenmektedir. Yapılan tasarıma karşılık fiziksel bir devre oluşturulmaktadır. VHDL ile tasarım yapılırken bu durum asla unutulmamalıdır.
Xilinx Vivado ile Benzetim (Video Anlatımı)
Bu yazıda VIVADO programı ile proje içerisinde yazdığınız VHDL kodunun benzetiminin gerçekleştirilemesi için gerekli aşamaları anlatan video bulunmaktadır. Mehmet Muzaffer Kösten anlatımı ile gerçekleştirdiğimiz video VIVADO ile VHDL kodlarının benzetimlerinin yapılması aşamalarında size yardımcı olacaktır.
Xilinx Vivado İle Yeni Proje Oluşturma (Video Anlatımı)
Bu yazıda VIVADO programı ile yeni proje oluşturulması ve proje içersinde VHDL kodunun eklenmesi aşamalarını anlatan video bulunmaktadır. Mehmet Muzaffer Kösten anlatımı ile gerçekleştirdiğimiz video VIVADO ile proje oluşturulması ve VHDL kodlarının eklemesi aşamalarında size yardımcı olacaktır.
VIVADO Programının İndirilmesi ve Kurulması (Video Anlatımı)
Bu yazıda VIVADO programının Xilinx.com sitesinden indirilmesi ve bununla birlikte kurulum aşamalarını anlatan video bulunmaktadır. Sitede gerçekleştirilen tüm uygulamaların gerçekleştirilebilmesi için VIVADO programının bilgisayarınızda kurulu olması gerekmektedir. Mehmet Muzaffer Kösten anlatımı ile gerçekleştirdiğimiz video programın kurulması aşamasında size yardımcı olacaktır.
Xilinx Vivado ile Benzetim
VHDL ile tasarım yapmanın önemli adımlarından biri de, yaptığımız tasarımın doğru çalışıp çalışmadığını öğrenmek için yapmamız gereken benzetim (simülsayon) adımıdır. Bu adım bize tasarımımızda bulunan olası sorunları ortaya çıkarma fırsatı sunmaktadır. Bu sayede tasarımımızı fiziksel ortamda sınamak yerine sanal bir ortamda sınayıp doğru çalıştığına emin olduktan sonra sentezleme adımına geçebiliriz. Yapılan tasarıma bağlı olmakla birlikte sentezleme işlemi saatler sürebilmektedir. Kimse saatler süren bir sentezleme işleminden sonra yaptığı tasarımın hatalı olduğunu görmek istemez çünkü harcanan tüm emek ve saatler süren sentezleme işlemi boşa gitmiştir. Bu nedenlerden dolayı yaptığımız tasarımları mutlaka benzetim ortamında denemeliyiz.
FPGA Implementation of Bearing Tracking using Passive Array for Underwater Acoustic
Within the scope of this study, a Field Programmable Gate Array (FPGA) based system which calculates bearing angles by analyzing the signals emitted by vessels in underwater environment is proposed. An array consisting of 3 non-directional hydrophones were designed and used in tests. Minimum Variance Distortionless Response (MVDR) algorithm was used in the bearing calculations according to the reference hydrophone. In marine tests, hydrophone array was integrated into the buoy, and then tested. The angle between the reference hydrophone and the magnetic north is calculated in order to correct the errors caused by the immobility of the buoy and underwater array. In the developed system, all operations were carried out on Artix 7 FPGA. Fixed point number format is used and implementation stages are designed as pipeline architecture. In the marine tests performed, it was monitored in real time that the bearing information calculated by the system was compatible with the route of the vessel used in the tests. The signals received by bearing information and the hydrophones were recorded. The records were run offline, and the calculated values were compared. The results obtained showed that the developed FPGA-based system successfully calculates the bearing angle of the vessels by passive listening.
Deep Learning Based DNS Tunneling Detection and Blocking System
The main purpose of DNS is to convert domain names into IPs. Due to the inadequate precautions taken for the security of DNS, it is used for malicious communication or data leakage. Within the scope of this study, a real-time deep network-based system is proposed on live networks to prevent the common DNS tunneling threats over DNS. The decision-making capability of the proposed system at the instant of threat on a live system is the particular feature of the study. Networks trained with various deep network topologies by using the data from Alexa top 1 million sites were tested on a live network. The system was integrated to the network during the tests to prevent threats in real-time. The result of the tests reveal that the threats were blocked with success rate of 99.91%. Obtained results confirm that we can block almost all tunnel attacks over DNS protocol. In addition, the average time to block each tunneled package was calculated to be 0.923 ms. This time clearly demonstrates that the network flow will not be affected, and no delay will be experienced in the operation of our system in real-time.
Estimation of Underwater Acoustic Channel Parameters for Erdek/Turkey Region
Due to their chaotic nature, underwater communication channels contain many adverse factors affecting the communication link quality and its performance. These adverse effects directly affect the data transfer between the source and the receiver. Absorption loss, which is one of these adverse factors, depends on depth, temperature, salinity, pH, and speed of sound, as well as frequency, and it has direct impact on the bandwidth used by the system and the distance required for reliable communication. In this study, the effects of variation of temperature, salinity, depth, and sound velocity on the channel bandwidth, channel capacity, and transmission power of the channels formed in the underwater environment in Erdek/Turkey were examined. Within the scope of the study, estimations of the bandwidth, capacity and transmission power parameters were conducted by using temperature, salinity, and sound velocity data relative to the depth recorded between July 2018 and December 2018. Cylindrical, spherical, and practical propagation models are used to compute the propagation loss. In contrast to the studies performed in the literature regarding absorption loss calculations, instead of using only the frequency-dependent approach, realistic models were created by including the effect of changes in the underwater environment in the channel estimation calculations using measurement data. Simplified absorption loss parameters for absorption loss calculations are proposed in the study. It was observed that the channel estimated within the scope of the study are compatible with the outputs obtained from the analysis.
FPGA Implementation of ANN Training using Levenberg and Marquardt Algorithm
Artificial Neural Network (ANN) training using gradient-based Levenberg & Marquardt (LM) algorithm has been implemented on FPGA for the solution of dynamic system identification problems within the scope of the study. In the implementation, IEEE 754 floating-point number format has been used because of the dynamism and sensitivity that it has provided. Mathematical approaches have been preferred to implement the activation function, which is the most critical phase of the study. ANN is tested by using input-output sample sets, which are shown or not shown to the network in the training phase, and success rates are given for every sample set. The obtained results demonstrate that implementation of FPGA-based ANN training is possible by using LM algorithm and as the result of the training, the ANN makes a good generalization.