طراحی مدل بسط پایه ای برای تخمین کانال های دوگانه گزین تنک به کمک فراگیری واژه نامه

در این مقاله تخمین کانال دوگانه گزین تنک در سیستم OFDM با استفاده از نظریه حسگری فشرده(CS)  بررسی شده است. این نظریه کمک می کند تا در تخمین کانال برای دست یابی به میانگین مربعات خطای ثابت، نسبت سمبل راهنمای مورد نیاز را کاهش و به طور معادل راندمان طیفی را افزایش داد. این موضوع در کانال های دوگانه گزین، اهمیت زیادی دارد. در کانال های دوگانه گزین، در مدل کردن کانال به تعداد متغیر بیشتر و درنتیجه، تعداد سمبل راهنمای بیشتر نیاز است. مدل بسط پایه ای (BEM) قبلا در تخمین و همسان سازی کانال های دوگانه گزین استفاده شده است. برای بهره گیری بیشتر از مزایای حسگری فشرده، پیشنهاد می شود در طراحی BEM برای استفاده در تخمین کانال های دوگانه گزین تنک، به بهبود تنکی ضرایب این بسط توجه شود. برای این منظور، در این مقاله پیشنهاد می شود از الگوریتم K-SVD استفاده شود که از محبوب ترین روش های فراگیری واژه نامه است. در این مقاله با ساختار خوشه ای برای سمبل های راهنما، از تداخل بین - زیرحاملی اجتناب شده است. همچنین، ضرایب مربوط به تداخل بین - زیرحاملی تخمین زده می شوند تا در همسان سازی استفاده شوند. نتایج شبیه سازی بهبود عملکرد ازنظر میانگین مربع خطای نرمالیزه شده و میزان خطای بیت سیستم در حضور تخمین گر مبتنی بر حسگری فشرده با پایه های پیشنهادی نسبت به تخمین گر متناظر مبتنی بر پایه های DFT-DPSS را نشان می دهند. 

Keywords:

الگوریتم K-SVD , پایه های تنک کننده , تخمین کانال تنک , حسگری فشرده ( compressed sensing) , سیستم OFDM (orthogonal frequency division modulation) , کانال دوگانه گزین (doubly selective channel)