ارائه روشی موثر برای تخمین کانال در سیستم OFDM با استفاده از شبکه عصبی
محل انتشار: کنفرانس بین المللی مهندسی برق
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,376
- 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:
ICELE01_303
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
امروزه به واسطه فناوری های متنوع و پر طرفدار بی سیم، کانال های رادیویی بسیار پر کاربرد شده اند. از طرف دیگر به واسطه ویژگی کانال های رادیویی، این نوع کانال ها تحت تاثیر محیط، دچار تغییرات و دگرگونی هایی می شوند. از جمله ی این تغییرات وجود چند مسیرگی می باشد، به طوری که با عبور یک پالس از این نوع کانال ها، در طرف گیرنده پالس های متعددی دریافت می شود که از لحاظ دامنه و تاخیر انتشار متفاوت هستند. در مقابل داشتن این نوع کانال ها، استفاده از مدولاسیون OFDM در سیستم هایی با چنین کانال هایی باعث بهبود عملکرد بسیار بهتر و نتیجه بخش تر می شود یکی از موضوعات مهم در سیستم های مبتنی بر OFDM رائه روش یا روش هایی موثر برای تخمین کانال است. هدف از تخمین کانال،بدست آوردن اطلاعات اولیه در سمت گیرنده می باشد. معمولا روش های مختلف تخمین کانال را با پارامتر نرخ خطای بیت (BER) ارزیابی می کنند. از روش های زیادی برای تخمین کانال می توان استفاده کرد. استفاده از شبکه عصبی از جمله مواردی است که در این زمینه به کمک ما آمده است. در این مقاله در مدولاسیون OFDM سه روش مختلف تخمین کانال، شامل LS، MMSE و شبکه عصبی اعمال شده است. در نهایت با مشاهده ی نتایج شبیه سازی و محاسبه پارامتر BER، می توان به برتری روش شبکه عصبی نسبت به الگوریتم LS به ازای SNR های مختلف پی برد. البته برتری الگوریتم MMSE بدیهی است و می دانیم مهمترین اشکال این روش حجم محاسبات بسیار زیاد آن است.
کلیدواژه ها:
نویسندگان
مینو مصاحبی محمدی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی یادگار امام خمینی (ره) واحد شهرری،تهران، ایران
سعید قاضی مغربی
عضو هیئت علمی تمام وقت دانشگاه آزاد اسلامی یادگار امام خمینی (ره) واحد شهرری، تهران ، ایران
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 :