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)