الگوریتم تطبیقی بر پایه حسگری فشرده جهت بهبود تخمین کانال سیستم های M-MIMO
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 82
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIPET-16-61_002
تاریخ نمایه سازی: 11 دی 1402
Abstract:
برای غلبه بر مشکل تخمین کانال در سامانه های چندورودی-چندخروجی انبوه (M-MIMO)، در این مقاله یک طرح تخمین کانال لینک فروسو در ارتباط دوطرفه فرکانسی (FDD) مبتنی بر حسگری فشرده ساختارمند (SCS)، برای کاهش داده آموزشی مورد نیاز پیشنهاد گردیده که توسط آن تنکی مکانی ذاتی کانالهای حوزه تاخیر سامانه های چندورودی-چندخروجی انبوه، تقویت میشوند. به همین منظور در ابتدا پس از طرح موضوع روشهای مختلف تخمین کانال و بررسی چالش های موجود، با پیشنهاد یک الگوریتم بر پایه الگوریتم حریصانه جستجوی تطابق متعامد (OMP)، به تخمین کانال پرداخته شده است. در این الگوریتم از همبستگی مکانی بین پاسخ ضربه کانال آنتنهای مختلف فرستنده برای دقت تخمین کانال استفاده میشود. این همبستگی در زمان تاخیر یکسان مسیرهای تاخیردار تعریف شده است. این الگوریتم تنکی کانال را بهصورت تطبیقی بهدست میآورد که نافی فرض ایدهآل کارهای پیشین مبنی بر در دست داشتن تنکی کانال است. در این صورت این الگوریتم در مواقعی که میزان دقیق تنک بودن کانال مشخص نباشد، کانال را با دقت خوبی تخمین میزند. در نهایت به ارائه شبیهسازیها که توانایی این روش را در کاهش داده آموزشی مورد نیاز نشان میدهد، پرداخته شده است. شبیهسازیها نشان میدهند که تخمین کانال پیشنهادی بهطور قابل اعتمادی سطح تنکی کانال و مجموعه پشتیبان را نسبت به روشهای مشابه بهدست میآورد.
Keywords:
Authors
محمدعلی عابدی
دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
افروز حق بین
دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
فربد رزازی
دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :