Deep learning aided parametric channel covariance matrix estimation for millimeter wave hybrid massive mimo
Milimetre dalga hibrit kitlesel mimo için derin öğrenme destekli parametrik kanal kovaryans matrisi kestirimi
- Tez No: 695679
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
5G sistemlerde artan iletim hızı ihtiyaçlarını karşılamak için, önceden kullanılanlara kıyasla çok yüksek frekanslarda bulunan milimetre-dalga (mmWave) bantları kullanılmaktadır. Bu frekans bantlarında dalga zayıflaması yüksek olduğundan, çok-girdili-çok-çıktılı (MIMO) sistemlerde uzaysal korelasyonu yüksek kanallar meydana gelmektedir. İstenen başarımların elde edilebilmesi için ise kanal korrelasyonlarının sistem tarafından bilinmesi gereklidir. Bu tezde seyrek kanallar için kanal korrelasyon bilgisini içeren kanal kovaryans matrisinin (CCM) parametrik olarak kestirimi için yapay sinir ağları destekli bir yöntem önerilmiştir. Önerilen yapay sinir ağları destekli yöntem, hem hesaplama karmaşıklığı açısından hem de kestirim hatası açısından referans yöntemlere kıyasla tatmin edici başarım sergilemiştir.
Özet (Çeviri)
Millimeter-wave (mmWave) channels, which occupy frequency ranges much higher than those being used in previous wireless communications systems, are utilized to meet the increased throughput requirements that come with 5G communications. The high levels of attenuation experienced by electromagnetic waves in these frequencies causes MIMO channels to have high spatial correlation. To attain desirable error performances, systems require knowledge about the channel correlations. In this thesis, a deep neural network aided method is proposed for the parametric estimation of the channel covariance matrix (CCM), which contains information regarding the channel correlations. When compared to some methods found in the literature, the proposed method yields satisfactory peformance in terms of both computational complexity and channel estimation errors.
Benzer Tezler
- Deep learning aided data detectionfor future wireless communication systems
Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti
MERVE TURHAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Generative adversarial networks in computer vision applications
Bilgisayarli görü uygulamalarinda çekişmeli üretici ağlar
SEMİH ÖRNEK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Derin öğrenme ile içerik tabanlı siber tehdit tespiti
Content-based cyber threat detection with deep learning
EMRE KOÇYİĞİT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Yüz biyometrik sistemlerinde sahteciliklerin tespiti
Spoofings detection in facial biometric systems
UĞUR TURHAL
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VASİF NABİYEV
- Parametrik tasarım ile derin öğrenme destekli tasarım çalışmaları için 3 boyutlu veri kümesi oluşturma ve düzenleme
Creating and editing a 3D dataset with parametric design for deep learning aided design studies
GÜLÇİN URAL
Yüksek Lisans
Türkçe
2024
Endüstri Ürünleri TasarımıGazi ÜniversitesiEndüstriyel Tasarım Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN RIZA BÖRKLÜ