تخمین کانال OFDM با استفاده از یادگیری عمیق

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 215

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECMECONF20_044

تاریخ نمایه سازی: 21 شهریور 1403

چکیده مقاله:

یکی از مشکلات اساسی در سیستم های مخابرات بی سیم تغییرات کانال با فرکانس و زمان است که تخمین داده های ارسالی را مشکل تر از معمول می سازد. برای حل این مشکل باید اثر کانال در حد مطلوب تخمین زده شود تا بتوان سیگنال را در گیرنده با کیفیت مناسب آشکارسازی کرد. در این مقاله، یک مدل یادگیری عمیق برای تخمین کانال در سیستم های OFDM پیشنهاد شده است. ابتدا از روش LS برای تخمین نقاط پیلوت استفاده شده و سپس به کمک یک شبکه کمکی، خطای تخمین کاهش می یابد. در نهایت، با استفاده از یک مدل یادگیری عمیق با معماری پیشنهادی، ماتریس کانال به صورت دقیق تری تخمین زده می شود. شبکه پیشنهادی، علاوه بر کاهش تعداد پارامترها، پیچیدگی محاسباتی و زمان اجرای شبکه را به طور قابل توجهی کاهش داده و در عین حال، دقت تخمین قابل قبولی را ارائه می دهد. نتایج شبیه سازی نشان می دهد که مدل پیشنهادی با وجود کاهش تعداد پارامترها، عملکردی مشابه با روش های پیشرفته تری مانند ReEsNet ارائه می دهد.

کلیدواژه ها:

تخمین کانال ، سیستم های مخابراتی بی سیم ، کانال مخابراتی ، یادگیری عمیق

نویسندگان

حسن وجدانی

دانشجوی کارشناسی ارشد مهندسی مخابرات سیستم، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز

مهرزاد بیغش

عضو هیات علمی، دانشکده مهندسی برق و کامپیوتر ، دانشگاه شیراز

اقبال منصوری

عضو هیات علمی، دانشکده مهندسی برق و کامپیوتر ، دانشگاه شیراز