Use of artificial intelligence techniques to improvethe performance of massive MIMO and beamforming according to channel estimation
Başlık çevirisi mevcut değil.
- Tez No: 777136
- Danışmanlar: PROF. DR. HASAN HÜSEYİN BALIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Geleneksel algoritmaların çözemediği birçok sorun yapay zeka tarafından çözülmüştür ve alıcının belirli öğelerinin öğrenilmesiyle bazı faydalar elde edilirken, en uygun strateji, radyo iletişiminde de etkin bir şekilde kullanılan tüm alıcının birlikte öğrenilmesidir. Bunu yapmak için, frekans alanı sinyal akışından kodlanmış bitlere 5G uyumlu bir şekilde alıcı boru hattını uygulayan tamamen derin bir evrişimli sinir ağı öneriyoruz. Hem deneysel verileri hem de kodu kullanarak evrişimli sinir ağının girdilerini oldukça doğru bir şekilde üreterek, kanal tahminlerini mümkün kılıyoruz. Ayrıca derin evrişimli sinir ağı tarafından üretilen yumuşak bitler, 5G sistemlerinde kullanılan kanal kodlaması ile uyumludur. Rx-NN performansının, 3GPP'ye özgü kanal modellerini kullanan geleneksel tekniklerden daha iyi olduğunu gösterdik. Ayrıca, iyileştirilmiş performansın, muhtemelen Rx-NN'nin, tespit doğruluğunu artırmak için yerel sembol dağılımıyla birlikte belirsiz veri sembolleri elde etmek için bilinen takımyıldız konumlarından yararlanmayı öğrenme yeteneğinden ve kullanarak uçtan uca öğrenme kazanımlarını araştırmaktan kaynaklandığını gösteriyoruz. OFDM kullanan bir frekans ve zaman seçici sönümleme kanalı, bu, alıcıda tamamlanmamış bir kanal olduğunda AWGN kanallarında görünen modülasyon geliştirmeleri yoluyladır. Öğrenilen alıcı-vericinin etkili olduğuna inanıyoruz çünkü pilot sinyali ihtiyacını ortadan kaldırabilir ve demodülasyon sinyalleri ile ilişkili yükü ortadan kaldırabilir.
Özet (Çeviri)
Many problems that traditional algorithms cannot address have been solved by artificial intelligence, and while some benefits have been achieved by learning certain elements of the receiver, the optimal strategy is joint learning of the entire receiver, which has also been effectively used in radio communications. In order to do this, we propose a completely deep convolutional neural network that implements the receiver pipeline from the frequency domain signal stream to the encoded bits in a 5G compatible manner. By generating the inputs of the convolutional neural network in a highly accurate manner using both experimental data and code, we enable channel estimates. In addition, the soft bits produced by the deep convolutional neural network are compatible with the channel coding used in 5G systems. We show that the performance of Rx-NN is better than traditional techniques using 3GPP specific channel models. We further show that the improved performance is probably due to the ability of Rx-NN to learn to exploit known constellation locations to obtain obscure data symbols along with local symbol distribution to enhance detection accuracy, and by investigating end-to-end learning gains using a frequency and time- selective fading channel using OFDM, this is through modulation improvements that appear on AWGN channels when there is an incomplete channel in the receiver. We believe that the learned transceiver is effective because it can eliminate the need for pilots signal and remove the burden associated with demodulation signals.
Benzer Tezler
- Index modulation based designs, error performance and physical layer security analyses for unmanned aerial vehicle networks
İnsansız hava aracı ağları için indis modülasyonu tabanlı tasarımlar, hata performansı ve fiziksel katman güvenlik analizleri
AYŞE BETÜL BÜYÜKŞAR
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
Başlık çevirisi yok
TARIK ÇAKAR
Doktora
Türkçe
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- COVID-19 mutasyonlarının tespitinde yapay zeka tabanlı algoritmaların kullanılması
Use of artificial intelligence-based algorithms in detecting COVID-19 mutations
MEHMET BURUKANLI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Organizasyonel gelişim için otomatik konuşma tanıma sistemi önerisi
An automatic speech recognition system proposal for organizational development
DAVUT EMRE TAŞAR
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KUTAN KORUYAN