12897

تخمين زاويه ورود در سيستم هاي چند ورودي - چند خروجي انبوه با استفاده از يادگيري ماشين

1401

دكتر شاهرخ فرهمند

زاويه ورود (DoA) ، يك پارامتر محوري در پردازش سيگنال آرايه‌اي است و نقشي مهم در كاربردهاي مختلف، از ارتباطات بي سيم گرفته تا سيستم هاي رادار و سونار ايفا مي كند. زاويه ورود، زاويه اي را نشان مي دهد كه در آن جبهه موج الكترومغناطيسي يا سيگنال به آرايه آنتن برخورد مي كند. تخمين DoA دقيق، تمايز فضايي منابع را ممكن مي‌سازد و بهبودهايي را در كاهش تداخل و مكان‌يابي هدف ارائه مي‌دهد. روش‌هاي كلاسيك براي تخمين DoA معمولاً از تكنيك‌هايي مانند شكل‌دهي پرتو، طبقه‌بندي سيگنال چندگانه و تخمين پارامترهاي سيگنال از طريق تكنيك‌هاي تغيير ناپذير چرخشي استفاده مي‌كنند. اين روش‌ها در سناريوهاي مختلف مؤثر بوده‌اند، اما آنها تنها با فرض شرايط ايده‌آل عملكرد مناسبي از خود نشان مي‌دهند كه نياز به دانش قبلي از تعداد منابع و يك محيط ثابت با ويژگي هاي خاص دارد. پيچيدگي محاسباتي و حساسيت به نويز و اثرات چند مسيري از ديگر اشكالات است. به اين ترتيب، نياز مبرمي به كشف رويكردهاي جديد وجود دارد كه از پتانسيل فناوري‌هاي نوين براي افزايش دقت تخمين DoA استفاده مي‌كنند. يادگيري ماشين (ML) در بهبود كيفيت تخمين DoA بسيار كارآمد است و پتانسيل رفع بسياري از محدوديت هاي مرتبط با روش هاي كلاسيك را دارد . تخمين DoA مبتني بر ML، در سيستم‌هاي چند ورودي-چندخروجي انبوه ، استحكام و دقت را بهبود مي‌بخشد. با استفاده از تكنيك‌هاي طبقه‌بندي چند برچسبي، مدل‌هاي يادگيري ماشين مي‌توانند به طور همزمان DoAهاي منابع متعدد را تخمين بزنندو در سناريوهاي پويا،چند منبع را ،بدون فرض قبلي در مورد تعداد منبع يا مشخصه‌هاي آماري سيگنال‌هايشان، تشخيص دهند. يادگيري ماشين ما را قادر مي‌سازد تا در محيط هاي پيچيده، غير ثابت و نويزي به طور موثر به تخمين DoAبپردازيم ، در نتيجه مرزهاي جديدي را در ارتباطات بي سيم و رادار باز مي كند.

11/22/2023 12:00:00 AM

81335

1402/09/29

DoA estimation in massive multiple input multiple output systems using machine learning

زاويه ورود , يادگيري ماشين , سيستم‌هاي چند ورودي-چندخروجي انبوه

Direction of arrival , Machine learning , Massive multiple input multiple output