دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / دومین کنفرانس ملی فناوری های نوین در انرژی و مواد

بهبود فرآیند کدینگ و دیکدینگ درشبکه های بیسیم نسل جدید (6G-5G) با هدف کاهش توان گیرنده به کمک یادگیری ماشین

نویسندگان :

نیلوفر حاجی محمّدی¹ سیّد احمد علمایی² غلامرضا محمّدخانی³ امیر امیرآبادی زواره مفرد⁴

1- تهران جنوب 2- تهران جنوب 3- سازمان پژوهش های علمی و صنعتی ایران 4- تهران جنوب

کلمات کلیدی :

کاهش توان گیرنده،شبکه های بیسیم،کدینگ،نسل جدید،دیکدینگ،یادگیری ماشین

چکیده :

دستیابی به قابلیت اطمینان بالا و ظرفیت ارتباطی بی سیم سبب تحقیقات گسترده در ارتباطات 5Gو6G شده است.با این حال،سیستم های ارتباطی فعلی،به طور قابل ملاحظه ای بهبود های عملکرد را محدود کردند و منجر به محدودیت هایی می شوند.اخیرا تکنیک های یادگیری ماشین،به عنوان ابزاری امیدوار کننده برای مدیریت سیستم های پیچیده شناخته شده و پتانسیل آنها برای ارتباطات بی سیم نشان داده شده است.بحث های قبلی در رابطه با موضوع به طور عمده روی تخمین کانال و کدهای LDCP تمرکز می کنند. این تحقیق تکمیل و گسترش کارهای پیشین می باشد. بهبود فرآیند کدینگ و دیکدینگ در 5G به کمک یادگیری ماشین بررسی می شود. در این تحقیق از ابزار های یادگیری ماشین مانند Deep Learning و SVM و ... .استفاده خواهیم کرد اگرچه پیشاپیش حدس می زنیم عمده کار با یادگیری ماشین خواهد بود.هدف مان بهبود فرایند کدینگ و دیکدینگ کانال سیستم مورد نظر می باشد و هدف اختصاصی رفع چالش ها و مشکلات در فرآیند کدینک و دیکدینگ در سیستم های مخابراتی بیسیم نسل آینده وبهره مندی از طیف متنوعی از ابزارهای یادگیری ماشین و ویژگی‌های آماری به جهت برآوردن هدف کلی است.به دست آوردن نتایج متنوع تر و بهتر به کمک به کارگیری ابزار ها و ویژگی ها (این بهبود می تواند کیفی باشد، یا اکتساب همان نتیجه با روش های آسان تر)

لیست مقالات

لیست مقالات بایگانی شده

Investigation of the Effect of Trypsin Enzyme on the Detection of Carbaryl Pesticide

Nahid Raoufi - Mahnaz Torabparvar - Mohammadhossein Manouchehrinejad - Shayan Zaker Shobeiri - Matin Iimani - Moahammad mahdi Ghorbani vaghei - Ali Gilasi