بررسی دقیق آشکارساز MME بر مبنای ماتریس کوواریانس برای طیف سنجی کاملا پنهان و غیر همکارانه به منظور بهبود لینک مخابراتی OFDM
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 485
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIAE-18-3_009
تاریخ نمایه سازی: 2 شهریور 1400
چکیده مقاله:
حسگری طیفی یکی از مولفه های دسترسی فرصت طلبانه به منابع فرکانسی را فراهم میآورد. این حسگرها بایستی در زمانی اندک با دقت بالا، سنجش طیف محیطی را انجام دهند. استفاده از روشها و الگوریتمهایی که قابلیت پیادهسازی عملی را داشته باشند، حائز اهمیت است؛ بنابراین باید پیچیدگی محاسبات تاحدامکان کاهش یابد. عملکرد آشکارسازی به دلیل مسائلی همچون اثر سایه، محوشدگی و چندمسیرگی با مشکل مواجه می شود؛ لذا برای غلبه بر این مشکلات و در دسترس نبودن اطلاعات سیگنال های دریافتی کاربران اولیه و سطح قدرت و نویز سیگنال های دریافتی، روش هایی مانند به کارگیری چندین آنتن در حسگر طیفی، مقاوم سازی روش های طیف سنجی در برابر نویز نامعین، استفاده می شود. در این مقاله به بررسی سنجه های متفاوت تصمیم گیری و تعیین آستانه مناسب با استخراج مقادیر ویژه ماتریس کوواریانس پرداخته شده است. همچنین با محاسبه چند لحظه زمانی از آشکارساز حداکثر به حداقل مقادیر ویژه ماتریس کوواریانس MME توسط توزیع پیشنهادی GEV استاندارد، شبیه سازیها صورت گرفته و نتایج آن با توزیع Tracy-Widom مقایسه شده است. نتایج حاصل از شبیهسازیها با تعداد محدود ۴ آنتن حاکی از احتمال آشکارسازی سیگنال در SNR با میزان -۳۰dB میباشد که در مقایسه با توزیع Tracy-Widom افزایش دقت ۳dB را داشته است. به منظور بررسی کارایی این روش برای اجرای سخت افزاری، نتایج حاصل از الگوریتم پیشنهادی توسط یک پردازنده آرایه ای FPGA به همراه پردازنده با معماری ARMشرکت XILINX که سیستم های نهفته در تراشه SOC نام برده می شود، بررسی و پیاده سازی شده است.
کلیدواژه ها:
نویسندگان
محمدعلی عطایی
Faculty of Information and Communication Technology, Imam Hossein University
حمیدرضا خدادادی
Faculty of Information and Communication Technology, Imam Hossein University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :