TY - JOUR ID - 170607 TI - تخمین کانال و آشکارسازی سیگنال در سیستم‌های مبتنی بر OFDM با رویکرد یادگیری ماشین JO - علوم رایانش و فناوری اطلاعات JA - JCSIT LA - fa SN - 2676-5438 AU - صباحی بیدگلی, فاطمه AU - ربیعی, امیر‌مسعود AD - دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران Y1 - 2022 PY - 2022 VL - 20 IS - 2 SP - EP - KW - OFDM KW - تخمین کانال KW - یادگیری ماشین DO - N2 - در سال‌های اخیر، با گسترش روزافزون شبکه‌های مخابرات داده میزان تقاضا برای استفاده از طیف فرکانسی بی‌سیم نیز افزایش یافته است. با توجه به محدودیت طیف فرکانسی، پاسخ‌گویی به این حجم از تقاضا، نیازمند افزایش بهره‌وری طیفی است. یکی از روش‌های بهبود بهره‌وری طیفی، استفاده از فناوریOFDM  برای رسیدن به ظرفیت بیشتر و بالا بردن نرخ ارسال و دریافت داده است‌. چالش اساسی در کانال‌های بی‌سیم، ماهیت فرکانس‌گزینی  و تغییرپذیری این کانال‌ها با زمان است. این مسأله غالباً باعث می‌شود که تخمین کانال، فرآیندی پیچیده و همراه با خطا باشد که خود منجر به افزایش احتمال خطا در آَشکارسازی داده‌ها می‌شود. در نتیجه، تخمین کارآمد ضرایب کانال در سیستم‌های مخابرات بی‌سیم، همواره مورد توجه پژوهش‌گران این حوزه بوده است. در این مقاله، نخست تعدادی از روش‌های شناخته‌شده‌ی تخمین کانال‌های بی‌سیم را معرفی می‌کنیم. سپس با بیان برخی مشکلات این روش‌ها‌، روش‌های جدیدی را برای تخمین کانال مورد بررسی قرار می‌دهیم که بر مبنای یادگیری ماشین  کار می‌کنند. در ادامه روش پیشنهادی خود را ارائه می‌دهیم که این روش می‌تواند چند نمونه از نقص‌های رو‌ش‌های قبلی را برطرف کند، در پایان روش پیشنهادی را با برخی از روش‌های موجود در ادبیات مسأله، میزان پیچیدگی الگوریتم و نرخ خطای بیت آشکارسازی سمبل‌ها مقایسه نموده و کارایی آن‌ها را در سناریو‌های مختلف بررسی می‌کنیم.‌  UR - http://jcsit.ir/article_170607.html L1 - ER -