حذف نویز از سیگنال های مخابراتی با استفاده از شبکه های عصبی پیچشی (CNN)

با گسترش روزافزون سامانه های مخابراتی و انتقال اطلاعات، چالش حذف نویز از سیگنال ها به عنوان یکی از مسائل کلیدی در بهبود کیفیت دریافت و دقت انتقال داده ها مطرح شده است. در سال های اخیر، روش های مبتنی بر یادگیری عمیق به ویژه شبکه های عصبی پیچشی (CNN) به دلیل قابلیت فوق العاده در استخراج ویژگی های پیچیده از داده های خام، توجه بسیاری از پژوهشگران را به خود جلب کرده اند. در این پژوهش، رویکردی نوین مبتنی بر CNN جهت حذف نویز از سیگنال های مخابراتی ارائه می شود. ساختار پیشنهادی شامل معماری خاصی از CNN با لایه های همگرایی چندگانه و مکانیزم بازسازی سیگنال تمیز است که با مجموعه داده های واقعی و مصنوعی مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که مدل پیشنهادی نه تنها در مقایسه با روش های کلاسیک همچون فیلتر وینر و تبدیل موجک عملکرد بهتری دارد، بلکه نسبت به مدل های یادگیری عمیق پایه نیز دقت بالاتری در بازسازی سیگنال ارائه می دهد.

کلیدواژه ها:

حذف نویز ، شبکه عصبی پیچشی ، یادگیری عمیق ، سیگنال مخابراتی ، بازسازی سیگنال