30730

انتخاب تطبيقي مدولاسيون و كدگذاري كانال با استفاده از يادگيري تقويتي عميق

كارشناسي ارشد

برق - مخابرات سيستم

1400

1402/11/30

حسين سليماني

برق

با توجه به پيشرفت فناوري و توسعه ارتباطات ، افزايش نرخ ارسال اطلاعات در شبكه هاي مخابراتي مورد توجه است . در فرستده و گيرنده يك سيستم مخابراتي ، مي توان پارامترهاي بلوك هاي موجود را به‌صورت منطبق بر شرايط محيط و كانال مخابراتي در نظر گرفت كه موجب افزايش گذردهي در ارتباطات مي شود. از جملة اين روش‌ها مي‌توان به انتخاب تطبيقي مرتبة مدولاسيون و نرخ كدگذاري كانال (ACM ) اشاره كرد. ACM يك روش مناسب و كارآمد به‌منظور افزايش گذردهي سيستم در كنار عملكرد مناسب در مقابل نويز كانال مي‌باشد. ACM ابتدا شرايط كانال را تخيمن مي زند و با استفده از اطلاعات منسوخ‌شده‌ي شرايط كانال(CSI ) ، مرتبه مدولاسيون و نرخ كدگذاري كانال (ModCod) مناسب را انتخاب مي كند. به‌منظور تخمين CSI فعلي از نمونة منسوخ‌شده‌ي آن مي توان از روش فيلتر وينر و مدل اتورگرسيو براي تخمين ضرايب AR استفاده كرد كه در شرايطي قابل قبول است كه كانال مخابراتي داراي تغييرات خطي و به صورت هموار باشد، كه اين شرايط در محيط هاي مخابراتي برقرار نمي باشد. از روش‌هاي مرسوم براي انتخاب ModCod مناسب، استفاده از lookup-table بر اساس SNRهاي مختلف سيگنال دريافتي به‌صورت اندازه‌گيري از نمونه paylod مي‌باشد. در اين پايان‌نامه به‌منظور در نظرگرفتن شرايط محيط مخابراتي، يك رويكرد انتخاب تطبيقي مرتبه مدولاسيون و نرخ كدگذاري كانال مبتني بر يادگيري تقويتي عميق (DRL ) مطرح مي‌شود كه با توجه به پيچيدگي آن مي تواند عملكرد مناسب براي گذردهي اطلاعات در برابر تغييرات غيرخطي كانال و تاخير مسير بازخورد داشته باشد.

1403/01/29

Deep Reinforcement Learning Based Adaptive Modulation and coding

1/1/1900 12:00:00 AM

Considering the parameters of a telecommunication block in accordance with the channel conditions can lead to an increase in data rate and capacity in telecommunication networks. Among these methods, we can mention the adaptive selection of channel coding rate and modulation order (ACM). ACM is a powerful method to increase the bandwidth and spectral efficiency of the system and uses obsolete channel state information (CSI). One of the available methods for choosing the appropriate modulation and coding is to use a linear or non-linear autoregressive moving average model (ARMA) in order to predict the current CSI from its outdated sample. This method provides a good answer if the mode of channel changes or if it is nonlinear, it is smooth enough that these conditions are not necessarily established in telecommunication environments. Another method is to use a lookup table based on different SNRs received as a measurement from the transmitted sample signal. In this paper, considering the nonlinear changes of the channel, an ACM approach based on deep reinforcement learning (DRL) is proposed. Although DRL is more complicated than the proposed methods, the simulation results show much better performance with nonlinear channel conditions and feedback path delay.

انتخاب تطبيقي مرتبه مدولاسيون , ، انتخاب تطبيقي نرخ كدگذاري كانال , يادگيري تقويتي عميق

, Deep Reinforcement Learning , Adaptive Modulation and coding , outdated

Mohammad Qanbarian

Dr. Hossein Soleimani