آشکارساز نزدیک به بهینه با پیچیدگی کم مبتنی بر الگوریتم آموزش-یادگیری برای سیستم چندآنتنه انبوه

با وجود مزایای فناوری چندآنتنه انبوه، الگوریتم های آشکارساز سنتی چندآنتنه برای سیستم ها با آنتن های مقیاس بزرگ مناسب نیستند و به کارگیری این فناوری مستلزم افزایش چشمگیر هزینه های محاسباتی می باشد. در این مقاله، یک گیرنده با پیچیدگی کم با استفاده از الگوریتم فراابتکاری آموزش-یادگیری (TLBO) برای سیستم چندآنتنه انبوه طراحی می گردد. الگوریتم TLBO به عنوان یکی از روش های پیشرفته هوش جمعی، برای مسئله بهینه سازی عددی با مقیاس بزرگ بسیار کاربردی است؛ بنابراین، ما ازاین روش برای جستجوی بردار راه حل بهینه در الفبای مدولاسیون استفاده می کنیم. به جهت اثبات صحت و کارایی آشکارساز پیشنهادی شبیه سازی سیستم با ابعاد متفاوتی از ۶۴×۶۴ تا ۱۰۲۴×۱۰۲۴ انجام گردید. آشکارساز TLBO پیشنهادی در مدت زمان محدود، به میزان خطای بیت نزدیک به۱۰^(-۵) در نسبت متوسط سیگنال به نویز دریافتی ۱۲ دسی بل دست می یابد که تقریبا برابر با عملکرد خطای بیت آشکارساز بهینه، درست نمایی بیشینه، است. در نتیجه آشکارساز پیشنهادی برای به کارگیری در سیستم های چندآنتنه انبوه بسیار کارا می باشد.

کلیدواژه ها:

الگوریتم آشکار سازی ، ارتباطات بی سیم نسل ۵ ، بهینه سازی مبتنی بر آموزش-یادگیری ، سیستم چند ورودی چند خروجی انبوه