چکیده

در این مقاله روش جدیدی مبتنی بر یادگیری عمیق برای تخمین کانال و تشخیص سیگنال در سیستم­ های مالتی­ پلکسینگ تقسیم فرکانس متعامد (OFDM) با جستجو در همبستگی زمان و فرکانس کانال­ های محوشدگی بی­سیم ارائه شده ­است. به ­طور خاص، شبکه­ ی تخمین کانال (CENet) به­ عنوان جایگزینی برای روش درون­یابی متداول معرفی شده ­است. سپس براساس خروجی CENet، شبکه بازیابی مشروط کانال (CCRNet) برای بازیابی سیگنال ارسالی طراحی شده ­است. نتاج شبیه­ سازی نشان می­دهد که CENet و CCRNet کارآیی بهتری نسبت به روش­ های تشخیص و تخمین متداول از خود نشان می­دهند. علاوه ­براین هر دوی این شبکه­ ها نسبت به تغییر پارامترها مقاوم بوده که آن­ها را برای کاربردهای عملی مناسب می­کند.

1- مقدمه

مالتی­ پلکسینگ تقسیم فرکانس متعامد (OFDM) یکی از طرح­های مدولاسیون پرکاربرد در سیستم­ های بی­سیم مدرن است. کارآیی سیستم ­های OFDM تا حد زیادی وابسته به روش ­های تشخیص سیگنال و تخمین کانال است. به­ همین دلیل تلاش ­های تحقیقاتی بی­شماری برای طراحی روش ­های مؤثر در تخمین کانال و تشخیص سیگنال انجام شده­ است، به مقاله ­های [1]، [2] و مراجع آن­ها رجوع شود...