تخمین کانال سامانههای چندورودی- چندخروجی حجیم با آرایه آنتن لنز بر اساس یادگیری عمیق در مخابرات موج میلیمتری
- سال انتشار: 1401
- محل انتشار: ششمین کنفرانس ملی مهندسی برق و سیستم های هوشمند
- کد COI اختصاصی: NEEC06_025
- زبان مقاله: فارسی
- تعداد مشاهده: 436
نویسندگان
دانشکده فنی و مهندسی، موسسه آموزش عالی زند، شیراز، ایران
دانشکده فنی و مهندسی، موسسه آموزش عالی زند، شیراز، ایران
گروه مهندسی پزشکی، موسسه آموزش عالی زند، شیراز، ایران
چکیده
از مزایای سامانههای چند ورودی-چند خروجی (MIMO) میتوان به افزایش ظرفیت، دستیابی به نرخ اطلاعاتی بالاتر، کاهش تاثیرات مخرب ناشی از پدیده چند مسیری و تداخل اشاره کرد. جهت اجتناب از مسائلی همچون ترافیک و تداخل، فناوری موج میلیمتری و کار در باندهای فرکانسی ۳۰ الی ۳۰۰ گیگا هرتز، میتواند در ترافیکهای بالا موثر بوده و موجب افزایش قابل ملاحظهی بازده طیفی، نرخ داده و پهنای باند وسیعتری شود. استفاده از آرایه آنتن لنز در MIMO انبوه موج میلیمتری باعث می شود تعداد زنجیرههای فرکانس رادیویی (RF chain) کاهش پیدا کند. میدانیم که هر کانال بیسیم و از جمله کانالهای MIMO تحت تاثیر انواع گوناگون اعوجاج فاز و فرکانس است و این اثرات در شرایط مختلف و برای کانالهای مختلف متفاوت است. جهت شناخت تاثیرات فیزیکی کانال بر دنبالهی ورودی، از تخمین کانال استفاده میشود. در این مقاله، مسئلهی تخمین کانال در MIMO انبوه در مخابرات موج میلیمتری بررسی میشود. در این راستا به کمک یادگیری عمیق، الگوریتم روش عبور تقریبی پیام با ترکیب گوسی (GM-LAMP) پیشنهاد و با سایر الگوریتمهای موجود مقایسه میگردد. نتایج شبیهسازی حاکی از آن است که الگوریتم پیشنهادی، دقت تخمین بهتری نسبت به روشهای موجود دارد.کلیدواژه ها
چندورودی- چندخروجی، تخمین کانال، یادگیری عمیق، آرایه آنتن لنز، موج میلیمتری؛مقالات مرتبط جدید
- استفاده از اینترنت اشیا در بهبود مدیریت بار و افزایش کارایی شبکه های برق
- بهینه سازی توان در سیستم های چند هسته ای با استفاده از یادگیری تقویتی و تخصیص منابع
- بررسی مدارهای مجتمع آنالوگ کم مصرف برای کاربردهای پزشکی
- Physical Layer Security in ۵G Networks Using ArtificialInterference
- یک روش جدید در سیستم های توصیه گر برای پیش بینی سلیقه کاربران با استفاده ازالگوریتم بهینه سازی نهنگ
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.