ورود
مقالات فارسیISIکنفرانسهاژورنالها

الگوریتم تطبیقی بر پایه حسگری فشرده جهت بهبود تخمین کانال سیستم های M-MIMO

محل انتشار: فصلنامه روش های هوشمند در صنعت برق، دوره: 16، شماره: 61
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 61

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1873242

شناسه ملی سند علمی:

JR_JIPET-16-61_002

تاریخ نمایه سازی: 11 دی 1402

چکیده مقاله:

برای غلبه بر مشکل تخمین کانال در سامانه های چندورودی-چندخروجی انبوه (M-MIMO)، در این مقاله یک طرح تخمین کانال لینک فروسو در ارتباط دوطرفه فرکانسی (FDD) مبتنی بر حسگری فشرده ساختارمند (SCS)، برای کاهش داده آموزشی مورد نیاز پیشنهاد گردیده که توسط آن تنکی مکانی ذاتی کانال­های حوزه تاخیر سامانه های چندورودی-چندخروجی انبوه، تقویت می­شوند. به همین منظور در ابتدا پس از طرح موضوع روش­های مختلف تخمین کانال و بررسی چالش های موجود، با پیشنهاد یک الگوریتم بر پایه الگوریتم حریصانه جستجوی تطابق متعامد (OMP)، به تخمین کانال پرداخته شده است. در این الگوریتم از همبستگی مکانی بین پاسخ ضربه کانال آنتن­های مختلف فرستنده برای دقت تخمین­ کانال استفاده می­شود. این همبستگی در زمان تاخیر یکسان مسیرهای تاخیردار تعریف شده است. این الگوریتم تنکی کانال را به­صورت تطبیقی به­دست می­آورد که نافی فرض ایده­آل کارهای پیشین مبنی بر در دست داشتن تنکی کانال است. در این­ صورت این الگوریتم در مواقعی که میزان دقیق تنک بودن کانال مشخص نباشد، کانال را با دقت خوبی تخمین می­زند. در نهایت به ارائه شبیه­سازی­­ها که توانایی این روش را در کاهش داده آموزشی مورد نیاز نشان می­دهد، پرداخته شده است. شبیه­سازی­ها نشان می­دهند که تخمین کانال پیشنهادی به­طور قابل اعتمادی سطح تنکی کانال و مجموعه پشتیبان را نسبت به روش­های مشابه به­دست می­آورد.

کلیدواژه ها:

نویسندگان

محمدعلی عابدی

دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

افروز حق بین

دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

فربد رزازی

دانشکده مهندسی مکانیک، برق و کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

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 :
  • M.K. Ozdemir, H. Arslan, "Channel estimation for wireless OFDM systems", ...
  • N.D. Lahbib, M. Cherif, M. Hizem, R. Bouallegue, "Massive MIMO ...
  • S. Jacobsson, G. Durisi, M. Coldrey, T. Goldstein, C. Studer, ...
  • N. Nouri, M. J. Azizipour, K. Mohamed-Pour, "A compressed CSI ...
  • L. Jingzhi, W. Kai, L. Haibo, "Distributed compressed sensing of ...
  • A. Waseem, A.N. Malik, A. Sardar, M. Arshad, H. Anis, ...
  • W. Zeng, Y. He, B. Li, S. Wang, "Sparsity learning-based ...
  • A. Akbarpour-Kasgari, M. Ardebilipour, "Massive MIMO-OFDM channel estimation via distributed ...
  • Y. Mei, Z. Gao, "CS-based CSIT estimation for downlink pilot ...
  • Y. Huang, Y. He, Q. Luo, L. Shi, Y. Wu, ...
  • R. Yin, X. Zhou, A. Wang, C. Zhong, C. Wu, ...
  • S. Oymak, A. Jalali, M. Fazel, Y. C. Eldar, B. ...
  • M.F. Duarte, Y.C. Eldar, "Structured compressed sensing: From theory to ...
  • W. Xu, Y. Zhao, "Reducing MMV-based OMP channel estimation for ...
  • E.J. Candès, T. Tao, "Decoding by linear programming", IEEE Trans. ...
  • J.A. Tropp, A.C. Gilbert, "Signal recovery from random measurements via ...
  • H. Xie, F. Gao, S. Jin, "An overview of low-rank ...
  • N.D. Lahbib, M. Cherif, M. Hizem, R. Bouallegue, "Channel estimation ...
  • D. Zhao, T. Han, "Low-Complexity compressed sensing downlink channel estimation ...
  • B. Wang, L. Li, "Sparsity adaptive channel estimation algorithm based ...
  • N.D. Lahbib, M. Cherif, M. Hizem, R. Bouallegue, "Channel estimation ...
  • L. Chen, A. Liu, X. Yuan, "Structured turbo compressed sensing ...
  • X. Kuai, L. Chen, X. Yuan, A. Liu, "Structured turbo ...
  • A. Liu, F. Zhu, V.K.N. Lau, "Closed-loop autonomous pilot and ...
  • Y. Huang, Y. He, W. He, L. Shi, T. Cheng, ...
  • Z. Gao, L. Dai, Z. Lu, C. Yuen, Z. Wang, ...
  • C. Qi, L. Wu, "Uplink channel estimation for massive MIMO ...
  • H. Minn, N. Al-Dhahir, Y. Li, "Optimal training signals for ...
  • C.C. Tseng, J.Y. Wu, T.S. Lee, "Enhanced compressive downlink CSI ...
  • X. Rao, V.K.N. Lau, "Compressive sensing with prior support quality ...
  • L. Dai, Z. Wang, "Spectrally efficient time-frequency training OFDM for ...
  • F. Wan, W.P. Zhu, M.N.S. Swamy, "Semi-blind most significant tap ...
  • C.R. Berger, Z. Wang, J. Huang, S. Zhou, "Application of ...
  • C. Qi, Y. Huang, S. Jin, L. Wu, "Sparse channel ...
  • X. Gao, L. Dai, Y. Hu, Y. Zhang, Z. Wang, ...
  • S. Lyu, X. Guan, "Low-complexity MMSE signal detection algorithm based ...
  • W. Jinming, X. Dexin, B. Baodong, "A new method for ...
  • D.L. Donoho, M. Elad, "Optimally sparse representation in general dictionaries ...
    • نمایش کامل مراجع