چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008473 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
344 کیلو بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یادگیری عمیق برای تخمین کانال و تشخیص سیگنال در سیستم های OFDM
عنوان انگليسي
Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems
نویسنده/ناشر/نام مجله
IEEE Communications Letters
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 5 صفحه انگلیسی به صورت پی دی اف و 12 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در این مقاله روش جدیدی مبتنی بر یادگیری عمیق برای تخمین کانال و تشخیص سیگنال در سیستم های مالتی پلکسینگ تقسیم فرکانس متعامد (OFDM) با جستجو در همبستگی زمان و فرکانس کانال های محوشدگی بیسیم ارائه شده است. به طور خاص، شبکه ی تخمین کانال (CENet) به عنوان جایگزینی برای روش درونیابی متداول معرفی شده است. سپس براساس خروجی CENet، شبکه بازیابی مشروط کانال (CCRNet) برای بازیابی سیگنال ارسالی طراحی شده است. نتاج شبیه سازی نشان میدهد که CENet و CCRNet کارآیی بهتری نسبت به روش های تشخیص و تخمین متداول از خود نشان میدهند. علاوه براین هر دوی این شبکه ها نسبت به تغییر پارامترها مقاوم بوده که آنها را برای کاربردهای عملی مناسب میکند.
1- مقدمه
مالتی پلکسینگ تقسیم فرکانس متعامد (OFDM) یکی از طرحهای مدولاسیون پرکاربرد در سیستم های بیسیم مدرن است. کارآیی سیستم های OFDM تا حد زیادی وابسته به روش های تشخیص سیگنال و تخمین کانال است. به همین دلیل تلاش های تحقیقاتی بیشماری برای طراحی روش های مؤثر در تخمین کانال و تشخیص سیگنال انجام شده است، به مقاله های [1]، [2] و مراجع آنها رجوع شود...
تشخیص سیگنال تخمین کانال یادگیری عمیق بازیابی سیگنال مشروط کانال
:کلمات کلیدی
Abstract
In this paper, we propose a novel deep learning based approach for joint channel estimation and signal detection in orthogonal frequency division multiplexing (OFDM) systems by exploring the time and frequency correlation of wireless fading channels. Specifically, a Channel Estimation Network (CENet) is designed to replace the conventional interpolation procedure in pilot-aided estimation scheme. Then, based on the outcome of the CENet, a Channel Conditioned Recovery Network (CCRNet) is designed to recover the transmit signal. Experimental results demonstrate that CENet and CCRNet achieve superior performance compared with conventional estimation and detection methods. In addition, both networks are shown to be robust to the variation of parameter chances, which makes them appealing for practical implementation.
Keywords:
Signal Detection Channel Estimation Deep Learning Channel Conditioned Signal Recovery
سایر منابع مهندسی برق در زمینه سیستم مخابراتی OFDM