تخمین کانال در سیستمهای MIMO-OFDM زیرآب با استفاده از شبکه عصبی FF-DNN
محل انتشار: فصلنامه دریا فنون، دوره: 11، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 347
فایل این مقاله در 12 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:
JR_IJMT-11-3_002
تاریخ نمایه سازی: 11 آذر 1403
چکیده مقاله:
کانال آکوستیکی زیرآب به دلیل ماهیت فیزیکی آن به عنوان یکی از چالش برانگیزترین کانال های مخابراتی شناخته می شود. در این راستا، استفاده از مدولاسیون تسهیم فرکانسی متعامد (OFDM) و سامانه های چند ورودی - چند خروجی (MIMO) از روش های موثر برای غلبه بر اثرات کانال و افزایش ظرفیت کانال زیرآب هستند. بدین ترتیب، عملکرد این سامانه های مخابراتی و دستیابی به مزایای ذکر شده به میزان قابل توجهی به تخمین ضرایب و حصول اطلاعات حالت کانال وابسته است. باتوجه به اینکه در اکثر پژوهش ها کانال بین فرستنده - گیرنده تنک فرض می شود، درحالی که در کاربردهای عملی این گونه نیست؛ در این مقاله دو مدل شبکه عصبی عمیق پیشخور (FF-DNN)، Net_۱ و Net_۲، برای تخمین ضرایب کانال مخابراتی چند - ضریب (Multi-Tap) در کانال های زیرآب مورداستفاده قرار گرفته اند. فرایند بدین صورت است که در ابتدا تخمین حداقل مربعات (LS) کانال بدست می آید و سپس به عنوان ورودی به این دو مدل شبکه عصبی اعمال میگردد، مدل مورد آموزش و یادگیری قرار می گیرد، و در خروجی تخمین حداقل میانگین مربعات خطا (MMSE) از ضرایب کانال مورد انتظار است. نتایج بدست آمده از شبیه سازی نشان می دهد که استفاده از این دو مدل شبکه عصبی عمیق با تعداد لایه های نهان متفاوت با غلبه بر تخمین LS بر اساس معیارهای مقایس های MSE و BER، دارای عملکرد مناسبی در مقایسه با تخمین MMSE می باشد و افزایش کیفیت تخمین ضرایب را به همراه دارد. به عنوان مثال، بر اساس معیار BER، مدل های ارائه شده به ازا مقدار خطا برابر با ۲-۱۰ به ترتیب ۳ و ۵.۵ دسی بل بهبود را به همراه داشته اند.
کلیدواژه ها:
نویسندگان
سید طالب ساداتی لمردی
کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
علی رمضانی ورکانی
استادیار، دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)، نوشهر، ایران
کمال محامدپور
استاد، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
