تخمین کانال و همسان سازی داده ها در سیستم های MIMO-OFDM مبتنی بر تبدیل موجک توسط الگوریتم انالیز مولفه های مستقل

نوع مقاله:
مقاله پژوهشی/اصیل (ترویجی)
چکیده:
در سیستم های مخابراتی، تخمین مشخصات کانال و همسان سازی داده ها در کانال های بی سیم متغیر با زمان، به جهت انتقال صحیح و دقیق داده و به منظور اشکار سازی بهتر سیگنال های دریافتی در گیرنده ضروری می باشد. دست یابی به یک روش تخمین کانال که بتواند در هر لحظه تغییرات کانال را با سرعت و دقت بالا و حجم کمی از محاسبات دنبال کند از اهمیت ویژه ای برخوردار است. روش های متعددی برای طراحی الگوریتم های تخمین کانال وجود دارد. در این مقاله، قصد داریم پس از بررسی سیستم های OFDM مبتنی بر تبدیل فوریه و تبدیل موجک و سیستم های MIMO، به تخمین و همسان سازی کانال در ترکیب این سیستم ها بپردازیم. تخمین کور کانال در سیستم های MIMO-OFDM یک حوزه ی مطالعاتی جدید برای محققان است که مشابه ساختار جداسازی کور منابع می باشد. الگوریتم های مختلف آنالیز مولفه های مستقل یکی از روش ها برای تخمین کور کانال است. الگوریتم آنالیز مولفه های مستقل نسبت به سایر روش ها پیچیدگی محاسباتی کمتر و همچنین ارزش نرخ خطای بیت کمتری دارند. نتایج شبیه سازی توسط این روش، مقدار نرخ خطای بیت کمتر و عملکرد بهتری را برای سیستم MIMO-OFDM مبتنی بر تبدیل موجک نسبت به تبدیل فوریه برای تخمین کانال این سیستم ها در کانال های رایلی نشان می دهد.
زبان:
فارسی
صفحات:
6 تا 10
لینک کوتاه:
magiran.com/p1840472 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!