جستجوی غیرخطی نقطه ی بهینه ی ظرفیت با استفاده از الگوریتم ژنتیک در کانال های PLC با تکنیک الموتی در حوزه ی فرکانس- زمان
Publish place: Third National Conference and First International Conference on Applied Research in Electrical, Mechanical and Mechatronics Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 477
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0407
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
کد الموتی، کد بلوکی فضا- زمان است که برای بهبود ارتباطات بی سیم ارائه شده است. در طی زمان با کد گذاری های متفاوت از جمله کد گذاری فضا- زمان و کد گذاری فضا- فرکانس سعی بر بهبود تکنیک الموتی شده است. از طرفی مخابرات یا PLC، تکنولوژی استفاده از خطوط قدرت به منظور مخابره ی اطلاعات است. در تحقیقات قبلی به منظور بهبود قابلیت شبکه های PLC یک طرح دایورسیتی MRC یا ترکیب با بهره ی بیشینه برای یک شبکه ی انتقال قدرت OFDM مطرح شده است و یک طرح جفت بندی بهینه ی زیرحامل های نیز برای بیشینه سازی بهره ی MRC ارائه شده است. زمانی که داده ها با استفاده از روش پیشنهادی که حاصل ترکیب تکنیک الموتی در حوزه ی فرکانس- زمان با طرح جفت بندی بهینه زیرحامل ها است، از یک کانال PLC عبور می کنند، ظرفیت کانال مخابراتی افزایش می یابد. در این مقاله ابتدا محاسبه ی ظرفیت کلی نرمالیزه به صورت بهینه برای روش پیشنهادی انجام می شود. سپس برای یافتن تعداد زیرحامل هایی که بدون جفت بندی و به صورت منفرد برای انتقال سمبل ها به کار می روند و باعث حاصل شدن ظرفیت کلی نرمالیزه ی بهینه می شوند، از روش جستجوی خطی استفاده می شود. در ادامه با استفاده از الگوریتم ژنتیک و انجام جستجوی غیرخطی نیز، به نقطه ی بهینه ی موردنظر و شایستگی آن که در اینجا همان تعداد زیرحامل های منفرد و ظرفیت کامل نرمالیزه ی بهینه ی مربوطه است، دست می یابیم. الگوریتم ژنتیک جزو الگوریتم های تکاملی است. زمانی که برای یافتن تعداد زیرحامل های منفرد که ظرفیت کلی نرمالیزه ی بهینه را حاصل می کند از الگوریتم ژنتیک استفده می شود، نتایج حاصل از این جستجوی غیرخطی با نتایج حاصل از جستجوی خطی یکسان می شود.
Keywords:
Authors
سارا صراف مارالانیان
دانشجوی کارشناسی ارشد رشته ی مهندسی کامپیوتر گرایش هوش مصنوعی موسسه آموزش عالی نبی اکرم (ص) تبریز
بهزاد مظفری تازه کند
دانشیار دانشگاه تبریز
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 :