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
- 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:
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:
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