9149

تخمين كانال و آشكارسازي داده بر اساس ماشين بردار پشتيبان براي سيستم هاي چند ورودي و چند خروجي انبوه با مبدل آنالوگ به ديجيتال تك بيتي

كارشناسي

مهندسي برق - مخابرات

1403

شاهرخ فرهمند

1403/06/21

مهندسي برق

SVM-Based Channel Estimation and Data Detection for One-Bit Massive MIMO Systems

در سيستم هاي مخابراتي چند ورودي و چند خروجي انبوه يكي از چالش هاي مهم، هزينه مربوط به مبدل هاي آنالوگ به ديجيتال است. اين هزينه شامل توان مصرفي، مساحت اشغال شده در مدار و قيمت مي‌باشد. يك راه حل براي كم كردن اين هزينه ها، استفاده از مبدل هاي آنالوگ به ديجيتال با وضوح كم است. اما به دليل اثرات غير خطي شديدي كه اين مبدل ها ايجاد مي‌كنند، آشكارسازي داده و تخمين كانال با چالش جدي مواجه مي‌شود. در اين پروژه، مبدل هاي آنالوگ به ديجيتال در گيرنده فراسو، تك بيتي در نظر گرفته شده اند و با استفاده از تكنيك ماشين بردار پشتيبان كه نوعي يادگيري با نظارت است، آشكارسازي داده هاي كاربران و تخمين كانال با دقت بالا و به صورت مقاوم انجام مي‌شود. ابتدا فرض مي‌شود كه كانال هاي مربوط به آنتن هاي گيرنده از هم مستقل خطي هستند. همچنين كانال به صورت محوشدگي بلوكي در نظر گرفته مي‌شود و پهناي باند پيام كمتر از پهناي باند همدوسي كانال است در نتيجه كانال داراي محوشدگي تخت است. مسئله تخمين كانال با سمبل هاي آزمايشي به صورت مسئله اي مشابه ماشين بردار پشتيبان طرح مي‌گردد. سپس مسئله آشكارسازي با تكنيك ماشين بردار پشتيبان مطرح مي‌شود. هر چقدر خطاي تخمين كانال كمتر باشد، عملكرد روش آشكارسازي ارائه شده به روش بيشينه درست نمايي با اطلاعات كامل كانال نزديكتر خواهد بود. در نهايت روش تخمين كانال و آشكارسازي داده به صورت مشترك بر پايه ماشين بردار پشتيبان ارائه مي‌شود. در اين روش سمبل هاي داده و سمبل هاي آزمايشي هر دو در تخمين كانال مورد استفاده قرار مي‌گيرند. نشان داده مي‌شود كه اين روش، تخمين بهتري از كانال بدست مي‌آورد و در نتيجه، آشكارسازي داده ها با خطاي كمتري انجام مي‌شود. در مقايسه عملكرد اين روش با روش هاي پيشين، به خصوص روش nML، نتيجه مي‌شود كه عملكرد روش بر پايه ماشين بردار پشتيبان بهتر است.

تخمين كانال , آشكارسازي داده , چند ورودي و چند خروجي انبوه , مبدل آنالوگ به ديجيتال يك بيتي , ماشين بردار پشتيبان