تخمین با سرآمد پایلوت کم کانال سیستم MIMO انبوه با کمک سطح بازتابی هوشمند بر اساس یادگیری عمیق
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 109
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CDI20_013
تاریخ نمایه سازی: 18 فروردین 1403
چکیده مقاله:
یکی از موضوعات رایج در تحقیقات مرتبط با سیستم های مخابراتی، تخمین کانال می باشد. اخیرا تخمین کانال سیستم MIMO انبوه چندکاربره مبتنی بر یادگیری عمیق در حضور سطح بازتابی هوشمند (IRS) ارائه شده است که در آن خطای باقیمانده از تخمین گر کلاسیک LS با استفاده از مدلسازی به روش حذف نویز تصویر و پیاده سازی با یادگیری عمیق کاهش داده شده است. در حالتی که تعداد عناصر IRS بیشتر باشد مشکل سرآمد پایلوت در روش فوق بوجود می آید. جهت حل مشکل فوق، در این مقاله با فرض وجود تزویج بین عناصر IRS، هنگام تخمین کانال، با غیر فعال کردن برخی عناصر IRS، تنها پایلوت متناظر با عناصر فعال IRS ارسال شده و کانال متناظر با روش LS تخمین زده می شود. با توجه به وجود اثر تزویج، بین کانال های متناظر با عناصر مجاور IRS همبستگی وجود دارد. بر این اساس با روش درونیابی خطی، تخمین اولیه کانال متناظر با عناصر غیرفعال را بدست می آوریم. ماتریس کانال حاصله تخمین اولیه از ماتریس کانال می باشد، برای بهبود بیشتر عملکرد تخمین از شبکه یادگیری عمیق CDRN استفاده می کنیم. نتایج شبیه سازی ها حاکی از بهبود عملکرد روش پیشنهادی نسبت به روش مرجع از دیدگاه کاهش سرآمد پایلوت و خطای تخمین است.
کلیدواژه ها:
نویسندگان
فاطمه تارمحمدی قورچی
دانشجوی کارشناسی ارشد گروه مهندسی برق دانشگاه شهید مدنی آذربایجان
محمود آتشبار
دانشیار گروه مهندسی برق دانشگاه شهید مدنی آذربایجان
حامد علی زاده قاضی جهانی
استادیار گروه مهندسی برق دانشگاه شهید مدنی آذربایجان