تخمین کانال OFDM با استفاده از یادگیری عمیق
Publish place: The 20th National Conference of Applied Researches in Electrical Sciences, Computers and Medical Engineering
Publish Year: 1403
Type: Conference paper
Language: Persian
View: 144
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ECMECONF20_044
Index date: 11 September 2024
تخمین کانال OFDM با استفاده از یادگیری عمیق abstract
یکی از مشکلات اساسی در سیستم های مخابرات بی سیم تغییرات کانال با فرکانس و زمان است که تخمین داده های ارسالی را مشکل تر از معمول می سازد. برای حل این مشکل باید اثر کانال در حد مطلوب تخمین زده شود تا بتوان سیگنال را در گیرنده با کیفیت مناسب آشکارسازی کرد. در این مقاله، یک مدل یادگیری عمیق برای تخمین کانال در سیستم های OFDM پیشنهاد شده است. ابتدا از روش LS برای تخمین نقاط پیلوت استفاده شده و سپس به کمک یک شبکه کمکی، خطای تخمین کاهش می یابد. در نهایت، با استفاده از یک مدل یادگیری عمیق با معماری پیشنهادی، ماتریس کانال به صورت دقیق تری تخمین زده می شود. شبکه پیشنهادی، علاوه بر کاهش تعداد پارامترها، پیچیدگی محاسباتی و زمان اجرای شبکه را به طور قابل توجهی کاهش داده و در عین حال، دقت تخمین قابل قبولی را ارائه می دهد. نتایج شبیه سازی نشان می دهد که مدل پیشنهادی با وجود کاهش تعداد پارامترها، عملکردی مشابه با روش های پیشرفته تری مانند ReEsNet ارائه می دهد.
تخمین کانال OFDM با استفاده از یادگیری عمیق Keywords:
تخمین کانال OFDM با استفاده از یادگیری عمیق authors
حسن وجدانی
دانشجوی کارشناسی ارشد مهندسی مخابرات سیستم، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
مهرزاد بیغش
عضو هیات علمی، دانشکده مهندسی برق و کامپیوتر ، دانشگاه شیراز
اقبال منصوری
عضو هیات علمی، دانشکده مهندسی برق و کامپیوتر ، دانشگاه شیراز
