Channel estimation in OFDM system using neural network combined with artificial bee colony algorithm
Yapay arı kolonisi algoritması ile birleştirilmiş yapay sinir ağı kullanarak OFDM sisteminde kanal kestirimi
- Tez No: 517222
- Danışmanlar: PROF. DR. NECMİ TAŞPINAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: OFDM, Kanal Kestirimi, Sinir A˘gı, Yapay Arı Kolonisi, OFDM, Channel Estimation, Neural Network, Artificial Bee Colony
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Dikgen Frekans Bölmeli ço˘gullama (OFDM: Orthogonal Frequency Division Multiplexing), ço˘gu modern kablosuz haberle¸sme sistemleri için modülasyon tekni˘gi olarak kullanılmaktadır. OFDM, hücresel haberle¸sme standardı LTE / LTE-A'ya adapte edilmi¸stir. Ayrıca WiMAX, Wi-Fi ve daha fazlası dahil olmak üzere di˘ger standartlar tarafından da tercih edilmi¸stir. Bu çalı¸smada, OFDM sisteminde kanal kestirimi için, çok katmanlı algılayıcı tabanlı yapay sinir a˘gı, yapay arı kolonisi (ABC: Artificial bee colony) optimizasyon algoritması ile e˘gitilmi¸stir. Önerilen algoritmanın (ABC-NN) sonuçları, en küçük kareler (LS: Least Squares) ve en küçük ortalama karesel hata (MMSE) gibi geleneksel kanal kestiriciler ve ayrıca geleneksel geri yayılım yapay sinir a˘gı ( BPNN: back propagation neural network) ile kıyaslanmı¸stır. Bu çalı¸smada, ABC-NN'nin performansını de˘gerlendirmek için ortalama karesel hata (MSE: mean square error) ve bit hata oranı (BER: bit error rate) kullanılmı¸stır. Simülasyon sonuçları, ABC-NN'ye dayalı kanal kestiriminin, kanal istatistikleri ve gürültü bilgisine ihtiyaç duymaksızın, LS algoritması ve BP-NN'ye nazaran daha iyi performans sergiledi˘gini göstermektedir. MMSE algoritması, OFDM kanal kestirimi için ABC-NN'den daha iyi performans göstermesine ra˘gmen, ABC-NN daha az karma¸sıktır ve kanal durum önbilgisine ihtiyaç duymamaktadır.
Özet (Çeviri)
For many modern wireless and telecommunications systems, Orthogonal Frequency Division Multiplexing (OFDM) is being used as a modulation technique. OFDM has been adopted for the cellular telecommunications standard LTE / LTE-A, also it has been chosen by other standards including WiMAX, Wi-Fi and many more. In this study, a multi-layered perceptron based neural network has been trained with artificial bee colony (ABC) optimization algorithm for channel estimation of an OFDM system. The results of the algorithm (ABC-NN) are compared with conventional channel estimators such as Least Square (LS) and Minimum Mean Square Error (MMSE) and also with conventional back propagation neural network (BPNN). In this work, mean square error (MSE) and bit error rate (BER) have been used to evaluate the performance of ABC-NN. The simulation results show that channel estimation based on ABC-NN gives better performance as compared to LS algorithm and BP-NN without the need of channel statistics and noise information. Although MMSE algorithm performs better than ABC-NN for channel estimation of OFDM, ABC-NN is less complex and does not require prior channel state information.
Benzer Tezler
- Çok girişli çok çıkışlı dikgen frekans bölmeli çoğullama sistemlerinde yapay zeka teknikleri ile kanal kestirimi
Channel estimation in multiple input multiple output orthogonal frequency division multiplexing systems by artificial techniques
MUHAMMET NURİ SEYMAN
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Dikgen Frekans Bölmeli Çoğullama-Serpiştirme Bölmeli Çoklu Erişim (OFDM-IDMA) sistemlerinde yapay zeka teknikleri ile kanal kestirimi
Channel estimation using artificial intelligence techniques in Orthogonal Frequency Division Multiplexing-Interleave Division Multiple Access (OFDM-IDMA) systems
ŞAKİR ŞİMŞİR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Artificial neural network based sparse channel estimation for OFDM systems
OFDM sistemler için yapay sinir ağı tabanlı seyrek kanal kestirimi
ABDUR REHMAN BIN TAHIR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HABİB ŞENOL
YRD. DOÇ. DR. ATİLLA ÖZMEN
- Neural network based channel estimation for time-varying OFDM systems
Zamanla değişen OFDM sistemlerde yapay sinir ağı tabanlı kanal kestirimi
EMRE MOLLAHÜSEYİNOĞLU
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN
DOÇ. DR. HABİB ŞENOL
- Deep-learning for communication systems: New channel estimation, equalization, and secure transmission solutions
Haberleşme sistemleri için derin öğrenme: Yeni kanal kestirimi, denkleştirme ve güvenli iletim çözümleri
MÜCAHİT GÜMÜŞ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA METE DUMAN