تخمین پروفایل کانال و نسبت سیگنال به نویز در گیرنده های بی سیم با استفاده از یادگیری عمیق

پارامترهای سیگنال بی سیم نقش مهمی در عملکرد شبکه های بی سیم و همچنین تجربه ی کاربری ما از این شبکه ها دارند. این پارامترها شامل عواملی مانند پروفایل کانال و نسبت سیگنال به نویز بوده که هر کدام از این پارامترها می توانند به طور مستقیم یا غیرمستقیم بر روی کیفیت ارتباطات بی سیم تاثیر بگذارند. دریافت بهینه این پارامترها در سیستم های ارتباطی بی سیم پیشرفته امروزی، روشی ضروری می باشد. یکی از این روش ها استفاده از یادگیری عمیق برای تخمین پروفایل کانال و نسبت سیگنال به نویز می باشد. یادگیری عمیق که شاخه ای از هوش مصنوعی است، به طور گسترده ای در تخمین پروفایل کانال و نسبت سیگنال به نویز استفاده می شود، زیرا این تکنیک ها می توانند الگوهای پیچیده موجود در داده های سیگنال را شناسایی کنند. مدل ها با یادگیری از داده های آموزشی، می توانند ویژگی های کلیدی کانال و SNR را استخراج کرده و تخمین های دقیقی ارائه دهند. در این مقاله یک روش تخمین پروفایل کانال و نسبت سیگنال به نویز برای هر دو استاندارد سیگنال های بی سیم LTE و ۵G با استفاده از یادگیری عمیق پیشنهاد و از یک شبکه ترکیبی LSTM-CNN برای آموزش استفاده شده است. با استفاده از شبکه آموزش داده شده، به نتیجه تقریبا ۹۴ درصدی بر روی داده های تست می رسیم.

کلیدواژه ها:

واژه های کلیدی: پروفایل کانال ، نسبت سیگنال به نویز ، یادگیری عمیق ، LTE ، ۵G ، LSTM-CNN