Geri Dön

Fast and low complexity algorithms for compressed training based massive MIMO

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 604317
  2. Yazar: ENDER ERKAYA
  3. Danışmanlar: PROF. DR. ALPER TUNGA ERDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Kör denkleştirmede dışbükey bir maliyet fonksiyonu olarak l∞ normun gücü, çıktının l∞ -normunu minimize etmenin, kombine kanal-denkleştirici dürtü yanıtı icin seyrek bir çözüm seçmesinden kaynaklanır. Şıkıştırılmış Öğrenme Uyarlamalı Den- kleştirme yaklaşımı, l∞ normu ve kare maliyet fonksiyonlarını kullanarak, sıkıştırılmış algılama yaklaşımını ISI kanaldenkleştirme problemine bağlar. [Yilmaz and Erdogan, 2017], Masif MIMO sistemleri icin, öğrenme sembollerinin log2(K) civarında sıkıştırılabileceğini kanıtlar, ki burada K kullanıcı sayısıdır. Bu tezde, Sıkıştırılmış Öğrenme Tabanli Masif MIMO için hızlı ve düşük karmaşıklıklı çözümler incelenmiştir. Bu amacla, l∞ -normun proksimal operatörünün dogrudan türetilmesi sunuldu ve kırpma özelligi gösterildi. Daha sonra, l∞ -norm ile duzenlenmiş kare maliyet fonksiyonlu optimizasyon problemleri için proksimal algoritmalar araştırılır. Spesifik olarak, Sıkıştırılmış Öğrenme Tabanli Masif MIMO Gürültüsüz Optimizasyon Problemi icin ADMM yontemi sunulur. Ayrica, Sıkıştırılmış Ögrenme Tabanli Masif MIMO Gürültülü Ayar icin hızlandırılmış bir projeksiyon tabanlı algoritma onerilmistir. Ileriki araştrmalar için, K normun proksimal operatörü turetilmiştir. Ayrica, K-norm ile l∞ -norm ve l1 -normun proksimal operatörleri arasındakı ilişki analiz edilir.

Özet (Çeviri)

The power of l∞-norm as a convex cost function in blind equalization arises from the property that minimizing l∞ -norm of the output selects the sparse solution for the combined channel-equalizer impulse response. Compressed Training Adaptive Equalization approach proposed in [Yilmaz and Erdogan, 2016] combines the power of l∞ -norm with the supervised channel equalization technique in order to reduce the required training length. [Yilmaz and Erdogan, 2019] proves that for Massive MIMO systems, the training symbols can be compressed about log2(K), where K is the number of users. This thesis investigates fast and low complexity solutions for Compressed Training Based Massive MIMO. For the purpose, the direct derivation of the proximal operator for l∞-norm is presented firstly and its clipping property is shown. The proximal methods are investigated for the solutions of l∞-norm regularized least-square problems. Specifically, Alternating Direction Method of Multipliers is proposed for the solution of Compressed Training Based Massive MIMO Noiseless Setting. Besides, an accelerated alternating projection based algorithm is proposed for solution of the Noisy Setting of Compressed Training Based Massive MIMO. Moreover, for further applications, the proximal operator of the K-norm is derived and its relation with l∞-norm and l1-norm is analyzed.

Benzer Tezler

  1. Tez No

    166659

    Transmisson of 2-B images for turbo codes

    Turbo kodlu 2-B görüntülerin iletilmesi

    KENAN BÜYÜKATAK

    Doktora

    İngilizce

    İngilizce

    2005

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ.DR. SEDEF KENT

  2. Tez No

    46287

    Entropi kodlama ile Ekg veri sıkıştırması

    ECG Data compression by entropy coding

    ABDURRAHMAN AKTENER

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. MEHMET KORÜREK

  3. Tez No

    75535

    İşlenmemiş ve işlenmiş sar dataları üzerinde DCT ve vektör kuantlama ile sıkıştırma algoritmalarının incelenmesi

    Başlık çevirisi yok

    İ.METE AŞÇIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Bilim Dalı

    PROF. DR. BİNGÜL YAZGAN

  4. Tez No

    392926

    Nesneye dayalı yazılımları servis odaklı modüllere ayrıştırma için öğrenme tabanlı bir yöntem

    A learning-based method for extracting service-oriented modules in object-oriented software

    URAL ERDEMİR

    Doktora

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. FEZA BUZLUCA

  5. Tez No

    724246

    Improve of wireless system using low density Parity check codes based on min-sum decoder

    Min-sum dekodere dayalı düşük yoğunluk Parity kontrol kodları kullanarak kablosuz bir sistemin iyileştirilmesi

    BUTHEENA KADHIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiÇankırı Karatekin Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH KORKMAZ

Geri Dön