افزایش ظرفیت کانال های PLC با استفاده از تکنیک الموتی در حوزه ی فرکانس- زمان
Publish place: International Congress on Engineering Innovation
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 531
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEICONF01_123
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
امروزه سعی بر این است که اتصال به اینترنت از طریق اتصال به خروجی های برق به آسانی میسر شود. مخابرات خطوط قدرت با PLC، تکنولوژی استفاده از خطوط قدرت به منظور مخابره ی اطلاعات است. شبکه های PLC (شبکه های انتقال قدرت) یک بستر آماده برای انتقال اطلاعات هستند. 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 ها نیز برای بیشینه سازی بهره ی MRC ارایه شده است. دراین مقاله تکنیک الموتی با این طرح داریوسیتی MRC و طرح جفت بندی بهینه ی زیرحامل ها ترکیب شده و به جای کدگذاری فضا- فرکانس یا فضا- زمان از کدگذاری فرکانس- زمان استفاده می شود. کد الموتی، کد بلوکی فضا- زمان است که برای بهبود ارتباطات بی سیم ارایه شده است. روش پیشنهادی در این مقاله، حاصل ترکیب دو بخش جفت بندی زیرحامل ها بر اساس SNR های مربوطه و اعمال تکنیک الموتی در حوزه ی فرکانس- زمان است. روش جفت بندی زیرحامل ها بدین صورت است که بعد از مرتب سازی SNR های مربوط به زیرحامل ها، زیرحامل با SNR بالاتر از زیرحامل با SNR پایین تر جفت می شود. بعد از جفت بندی زیرحامل ها، تکنیک الموتی در دوبازه ی زمانی متوالی، در دو جایگاه فرکانسی اعمال می شود که در این صورت هم مفهوم فرکانس و هم مفهوم زمان را خواهیم داشت. با استفاده از روش پیشنهادی، ظرفیت کانال مخابراتی افزایش می یابد و نرخ خطای بیت یا BER نسبت به حاتی که داده ها به صورت معمولی و بدون اعمال این روش از کانال PLC عبور می کنند. کاهش می یابد.
Keywords:
Authors
سارا صراف مارالانیان
دانشجوی کارشناسی ارشد رشته ی مهندسی کامپیوتر گرایش هوش مصنوعی موسسه آموزش عالی نبی اکرم (ص)
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 :