تخمین کانال های چند ورودی -چند خروجی مبتنی بر رشته های آموزشی بهینه با محوشدگی ناکاگامی-m
- سال انتشار: 1402
- محل انتشار: چهارمین کنفرانس ملی چالشها و راهبردهای نوین در مهندسی برق و کامپیوتر ایران
- کد COI اختصاصی: INCEE04_033
- زبان مقاله: فارسی
- تعداد مشاهده: 141
نویسندگان
استادیار، گروه مهندسی برق، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران
چکیده
تخمین کانال های چند ورودی-چند خروجی(MIMO) با محوشدگی ناکاگامی-m نیاز به تدوین تخمین گرهایی دارد که بایستی بر اساس مدل محوشدگی کسب شوند. این کار نیاز به تهیه تابع چگالی احتمال (pdf) بردار تصادفی ناکاگامی با عناصر همبسته دارد که به دلیل پیچیدگی های ریاضی تاکنون انجام نشده است. در این مقاله، از ارتباط بین دو تابع چگالی احتمال ناکاگامی و رایس استفاده شده و به منظور تخمین کانال MIMO با محوشدگی ناکاگامی از دو تخمین گر ML و GMMSE استفاده شده است. با استفاده از ارتباط بین دو pdf، ماتریس کوواریانس عناصر ماتریس کانال ناکاگامی به دست آمده و در تخمین گر GMMSE از آن استفاده شده است. تخمین گرهای کلاسیک قادر به استفاده از آمارگان همبستگی کانال نبوده و لذا در این کار تخمین گر ML تنها به منظور مقایسه با تخمین گر GMMSE و به عنوان مرجع استفاده می شود. با تحلیل نظری و ارزیابی مبتنی بر شبیه سازی در این کار نشان داده می شود که کارآیی تخمین گر GMMSE در کانال ناکاگامی با هر دو رشته ی آموزشی بهینه و متعامد بهبود می یابد. این بهبودی با رشته ی آموزشی بهینه بیشتر از رشته ی متعامد است.کلیدواژه ها
MIMO، محوشدگی ناکاگامی، محوشدگی رایس، تخمین گر ML، تخمین گر GMMSEمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.