In this thesis, soft computing techniques were used for identification of the nonlinear systems. For this purpose, several parametric models based on nonlinear Volterra, bilinear and polynomial autoregressive (PAR) models were proposed. Determining the parameters of these models, genetic algorithm (GA), differential evolution algorithm (DEA) and clonal selection algorithm (CSA) were used. In addition, in order to non-linear filtering, new and simple soft switching hybrid filters for removing ?-stable noisy in digital signals were proposed. The proposed hybrid filters consist of an adaptive finite impulse response (FIR) filter, an adaptive weighted myriad (WMy) filter and soft switching mechanism. The mechanism is based on neuro-fuzzy network in first hybrid filter and based on neural network in second hybrid filter. The obtained simulation results were comparatively presented.In the first chapter, a general introduction is given about the thesis. In the second chapter, the differences between linear and nonlinear systems and system modeling applications in the real world and modeling methods used for identification of linear and nonlinear systems are presented. Recursive Least Squares (RLS) adaptive algorithm used for system identification is given. Myriad filter and adaptive weighted myriad filter are presented. The heuristic algorithms used in this work have introduced in the third section. The obtained simulation results have comparatively presented in the fourth section. Results and conclusions are given in the last chapter.

Bu tez çalışmasında, doğrusal olmayan sistemlerin kimliklendirilmesi için esnek hesaplama teknikleri kullanılmıştır. Bu maksatla, doğrusal olmayan özelliğe sahip Volterra, bilineer, polynomial autoregressive (PAR) model tabanlı çeşitli parametrik modeller önerilmiştir. Bu modellere ait parametrelerin belirlenmesinde genetik algoritma (GA), diferansiyel gelişim algoritması (DGA) ve klonal seçme algoritması (KSA) kullanılmıştır. Bununla birlikte doğrusal olmayan süzgeçleme amacıyla sayısal işaretlerden ?-sabitli gürültüyü gidermek için yeni ve basit esnek anahtarlamalı karma süzgeçler sunulmuştur. Sunulan bu süzgeçler uyarlanabilir sonlu darbe cevaplı (Finite Impulse Response ?FIR) süzgeç, uyarlanabilir ağırlıklandırılmış myriad süzgeç (WMy) ve esnek anahtarlama mekanizmasından oluşmaktadır. Bu karma süzgeçlerin birincisinde esnek anahtarlama mekanizması bulanık sinir ağı (BSA) tabanlı olarak, ikincisinde ise yapay sinir ağı (YSA) tabanlı olarak tasarlanmıştır. Elde edilen benzetim çalışmasına ait sonuçlar birbiriyle karşılaştırmalı olarak sunulmuştur.Birinci bölümde teze genel bir giriş yapılmıştır. İkinci bölümde doğrusal sistemler ile doğrusal olmayan sistemler arasındaki farklar, sistem modellemenin gerçek hayattaki kullanım alanları ve sistemlerin kimliklendirilmesinde kullanılan modelleme yapıları incelenmiştir. Sistemlerin kimliklendirilmesinde kullanılan adaptif yinelemeli en küçük kareler (Recursive Least Square ? RLS) algoritması hakkında bilgi verilmiştir. Doğrusal olmayan süzgeç yapılarından olan myriad süzgeç ve uyarlanır ağırlıklandırılmış myriad süzgeç yapılarına değinilmiştir. Çalışmada kullanılan sezgisel algoritmaları üçüncü bölümde tanıtılmıştır. Benzetim çalışmasının sonuçları birbiriyle ve literatürle karşılaştırmalı olarak dördüncü bölümde verilmiştir. Son bölümde sonuçlar ve değerlendirmeye yer verilmiştir.