Deep learning beamspace channel estimation in millimeter-wave massive MIMO systems
Başlık çevirisi mevcut değil.
- Tez No: 826022
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Milimetre dalga0 muazzam MIMO0, lider 5G teknolojisidir0 çünkü birçok kullanıcıyı barındırabilir. Bir lens anten dizisi kullanan devasa MIMO0, RF zincirlerini ve güç0 tüketimini azaltır0. Yine de, çok sayıda 0 anten ve azalan sayıda RF0 zinciri, düşük karmaşıklığa0 sahip kanalın tahmin edilmesini zorlaştırarak sistemi kesin kanal durumu bilgisine güvenmeye zorlar. Hüzme alanı kanallarının seyrek olduğu gerçeğinden yararlanılarak, huzme alanı kanalının tahmini, seyrek sinyal geri kazanımında 0 bir meydan okuma olarak görülebilir. Bunu yapabildiklerinin kanıtı olarak, AMP0, LAMP0 ağı ve IGM-LAMP0 ağının savunucuları, üçünün de makul işleme karmaşıklığı ile çok yüksek seviyelerde kanal tahmin doğruluğu elde ettiğini belirtiyor. Ancak, çoklu yol modeli göz önüne alındığında, şu anda bilinen hiçbir yaklaşım, yeterli bir tahmin ve karmaşıklık çarpımları miktarı üretemedi. Bu nedenle, ışın uzayı kanal tahmini adı verilen bir tekniğe dayanan, Geliştirilmiş Gaussian0 Mixture0 LAMP (IGM-LAMP0) adlı yeni bir algoritma öneriyoruz. Simülasyon bulguları, önerilen IGM-LAMP0 yaklaşımının, teorik kanalı ve Derin öğrenme0 modellerini kullanarak, düşük karmaşıklığa0 sahip çok yollu bir modelde daha kesin olan bir kanal tahmini üretebileceğini göstermektedir.
Özet (Çeviri)
Millimetre-wave0 massive MIMO0 is the leading 5G technology0 because it can accommodate many users. Massive MIMO0 using a lens antenna array reduces RF chains and power0 consumption0. Yet, the large number of0 antennas and diminishing number of RF0 chains make it difficult to predict the channel with low complexity0, forcing the system to rely on exact channel state information. Taking use of the fact that beamspace channels are sparse, one may see the estimation of the beamspace channel as a0 challenge in sparse signal recovery0. As evidence that they were able to do so, proponents of the AMP0, LAMP0 network, and IGM-LAMP0 network point out that all three have achieved very high levels of channel estimation accuracy with reasonable processing complexity. But, when considering the multiple routes model, no currently known approaches were able to generate a sufficient estimation and amount of complexity multiplications. Thus, we propose a new algorithm, called the Improved Gaussian0 Mixture0 LAMP (IGM-LAMP0), which is based on a technique called beamspace channel estimation. Simulation findings demonstrate that the proposed IGM-LAMP0 approach, by employing the theoretical channel and Deep learning0 models, can generate a channel estimate that is more precise in a many routes model with low complexity0.
Benzer Tezler
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- Parçacık sürü optimizasyonu, hedef öncelikli algoritma ve derin öğrenme ile fotonik yapılarda tersine tasarım
Inverse design of photonic structures with particle swarm optimization, objective-first algorithm and deep learning
İPEK ANIL ATALAY
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA KURT
- Resource management of space, frequency and power in 5G networks using machine learning
5. nesil ağlarda uzay, frekans ve gücün makine öğrenmesi ile kaynak yönetimi
ELÇİNUR YALÇIN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CENK TOKER
- Atlantoodontoid eklemde osteoartrit varlığı ve şiddetinin yapay zeka ile konik ışınlı bilgisayarlı tomografi kesitleri üzerinden değerlendirilmesi
Artificial intelligence assisted assessment of atlanto-odontoid joint osteoarthritis on CBCT images
HİLAL YALIN ÖZDEMİR
Diş Hekimliği Uzmanlık
Türkçe
2026
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. ALİ ALTINDAĞ
- GPU üzerinde yazılım tabanlı anten gerçeklenmesi
Realization of software-defined antenna on GPU
ABDULLAH BAKIRTAŞ
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER