این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۸، شماره ۲، صفحات ۲۵-۴۰
عنوان فارسی طراحی مدل بسط پایه‌ای برای تخمین کانال‌های دوگانه‌گزین تنک به کمک فراگیری واژه‌نامه
چکیده فارسی مقاله در این مقاله تخمین کانال دوگانه‌گزین تنک در سیستم‌ OFDM با استفاده از نظریۀ حسگری فشرده(CS)  بررسی شده است. این نظریه کمک می‌کند تا در تخمین کانال برای دست‌یابی به میانگین مربعات خطای ثابت، نسبت سمبل‌ راهنمای مورد نیاز را کاهش و به‌طور معادل راندمان طیفی را افزایش داد. این موضوع در کانال‌های دوگانه‌گزین، اهمیت زیادی دارد. در کانال‌های دوگانه‌گزین، در مدل‌کردن کانال به تعداد متغیر بیشتر و درنتیجه، تعداد سمبل راهنمای بیشتر نیاز است. مدل بسط پایه‌ای (BEM) قبلاً در تخمین و همسان‌سازی کانال‌های دوگانه‌گزین استفاده ‌شده است. برای بهره‌گیری بیشتر از مزایای حسگری فشرده، پیشنهاد می‌شود در طراحی BEM برای استفاده در تخمین کانال‌های دوگانه‌گزین تنک، به بهبود تنکی ضرایب این بسط توجه شود. برای این منظور، در این مقاله پیشنهاد می‌شود ‏از الگوریتم K-SVD استفاده ‌شود که از محبوب‌ترین روش‌های فراگیری واژه‌نامه است. در این مقاله با ساختار خوشه‌ای برای سمبل‌های راهنما، از تداخل بین - زیرحاملی اجتناب شده است. همچنین،‌ ضرایب مربوط به تداخل بین - زیرحاملی تخمین زده می‌شوند تا در همسان‌سازی استفاده شوند. نتایج شبیه‌سازی بهبود عملکرد ازنظر میانگین مربع خطای نرمالیزه‌شده و میزان خطای بیت سیستم در حضور تخمین‌گر مبتنی بر حسگری فشرده با پایه‌های پیشنهادی نسبت به تخمین‌گر متناظر مبتنی بر پایه‌های DFT-DPSS را نشان می‌دهند. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی ‌Basis Expansion Model Design for Sparse Doubly Selective Channel Estimation Using Dictionay Learning
چکیده انگلیسی مقاله In this paper, sparse double selective channel estimation using compressed sensing (CS) theory for OFDM systems is investigated. This theory helps to reduce the required pilot ratio and equivalently increases the spectral efficiency to achieve a constant mean square error. This is of great importance especially for double selective channels in which the required number of unknowns to be estimated and also the required number of pilot symbols are high. To take the advantage of compressed sensing, it is proposed that the sparsity enhancement of the coefficients of basis expansion model (BEM) should be considered in BEM design. It is also proposed to use K-SVD algorithm that is one of the most popular dictionary learning algorithms. Moreover, in this paper clustered pilot symbols are used to avoid inter-carrier interference. It is noteworthy that the channel coefficients representing inter-carrier interference are also estimated to be used in equalization. Numerical experiments have shown that the compressed sensing estimator employing the proposed basis, outperforms the one employing DFT-DPSS in terms of NMSE and system BER.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیه محمودی |
دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان – اصفهان - ایران
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

محمدجواد امیدی | mohammad javad
دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان – اصفهان - ایران
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

فروغ السادات طباطبا | طباطبا
دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان – اصفهان - ایران
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

نشانی اینترنتی http://isee.ui.ac.ir/article_21740_04fe2116f87e011be884bc277689b926.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-437579.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات