حمید نورعلی زاده - استادیار، گروه مهندسی برق، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران

تخمین کانال های چند ورودی-چند خروجی(MIMO) با محوشدگی ناکاگامی-m نیاز به تدوین تخمین گرهایی دارد که بایستی بر اساس مدل محوشدگی کسب شوند. این کار نیاز به تهیه تابع چگالی احتمال (pdf) بردار تصادفی ناکاگامی با عناصر همبسته دارد که به دلیل پیچیدگی های ریاضی تاکنون انجام نشده است. در این مقاله، از ارتباط بین دو تابع چگالی احتمال ناکاگامی و رایس استفاده شده و به منظور تخمین کانال MIMO با محوشدگی ناکاگامی از دو تخمین گر ML و GMMSE استفاده شده است. با استفاده از ارتباط بین دو pdf، ماتریس کوواریانس عناصر ماتریس کانال ناکاگامی به دست آمده و در تخمین گر GMMSE از آن استفاده شده است. تخمین گرهای کلاسیک قادر به استفاده از آمارگان همبستگی کانال نبوده و لذا در این کار تخمین گر ML تنها به منظور مقایسه با تخمین گر GMMSE و به عنوان مرجع استفاده می شود. با تحلیل نظری و ارزیابی مبتنی بر شبیه سازی در این کار نشان داده می شود که کارآیی تخمین گر GMMSE در کانال ناکاگامی با هر دو رشته ی آموزشی بهینه و متعامد بهبود می یابد. این بهبودی با رشته ی آموزشی بهینه بیشتر از رشته ی متعامد است.

MIMO، محوشدگی ناکاگامی، محوشدگی رایس، تخمین گر ML، تخمین گر GMMSE