محمدعلی سبقتی - استادیار گروه ارتباطات وفناوری اطلاعات، دانشکده فنی و مهندسی رسانه، دانشگاه صداوسیما، تهران
حسن زارعیان - استادیار گروه ارتباطات وفناوری اطلاعات، دانشکده فنی و مهندسی رسانه، دانشگاه صداوسیما، تهران

یکی از چالش های مخابرات بی سیم، تغییرات کانال است که موجب می شود سیستم های مخابراتی معمولاً برای بدترین وضعیت طراحی شوند. بدین ترتیب بهره وری استفاده از منابع کاهش می یابد. یکی از راهکارهای افزایش بهره وری، وفقی سازی لینک به معنای انتخاب مشخصات و پارامترهای لینک متناسب با شرایط کانال است. در واقع رویارویی با تغییرات شدید و سریع کانال های امروزی، سیستم های پویاتری را می طلبد. در این مقاله، وفقی سازی ترکیب مدولاسیون کدینگ ( MCS ) مدنظر است، به نحوی که حداکثر بازدهی طیفی ممکن را با قید حفظ نرخ خطای بیت کمتر از یک حد قابل قبول تأمین کند. این مسأله در واقع یک بهینه سازی است که باید به طور خودکار و مستمر حل شود. در این راستا باید مصالحه هایی میان معیارهای متزاحم مانند نرخ بیت یا بازدهی طیفی و نرخ خطا صورت گیرد. این پژوهش، راه حل جدیدی بر اساس نوعی از شبکه های عصبی بازگشتی ( RNN ) ارائه کرده است. ویژگی این شبکه ها به کارگیری حافظه است. شبکه طبقه بندی پیشنهادی، تخمینی از پاسخ فرکانسی کانال و SNR را دریافت می کند و MCS مناسب را انتخاب می نماید. به کمک این شبکه، یک لینک با MCS وفقی شبیه سازی و آزموده شده است. نتایج آزمایش ها نشان می دهد روش پیشنهادی مصالحه میان معیارهای بازدهی طیفی و نرخ خطا را هوشمندانه تر از روش های قدیمی انجام می دهد.

ترکیب مدولاسیون کدینگ ( MCS )، وفقی سازی لینک، شبکه های عصبی بازگشتی، مدولاسیون تقسیم فرکانسی متعامد ( OFDM )