دانلود ترجمه مقاله انتخاب آنتن برای MIMO بر اساس تشخیص الگو

1. مقدمه 2. پیشینه 3. انتخاب آنتن بر اساس تشخیص الگو 4. نتایج شبیه سازی 5. نتیجه گیری

چکیده – این مقاله، یک طرح انتقال چندورودی چندخروجی (MIMO) جدید بر اساس تشخیص الگو را ارائه داده که MIMO مبتنی بر PR-TAS نامیده می شود. از آنجایی که الگوریتم های TAS متداول نیاز به جستجوی همه زیرمجموعه آنتن های قانونی محتمل دارند، ممکن است حجم محاسباتی زیادی را اشغال نمایند. به منظور اجتناب از این مساله، ما در این مقاله، چند روش تشخیص الگو برای الگوریتم TAS را به کار گرفته ایم. به منظور واضح تر شدن موضوع، دو الگوریتم PR با عنوان الگوریتم K نزدیکترین همسایگی (KNN) و الگوریتم ماشین بردار پشتیبان (SVM) برای رسیدن به TAS با حداقل پیچیدگی و بیشترین کارایی، معرفی شده و مجددا طراحی شده اند. علاوه بر این، به منظور بهبود عملکرد SVM، ما یک استخراج ویژگی ماتریس کانال جدید را برای TAS پیشنهاد داده ایم. نتایج شبیه سازی ها نیز نشان می دهند که الگوریتم های PR-TAS مبتنی بر KNN و SVM، قادر به تبادل انعطاف پذیری بین پیچیدگی و نرخ خطای بیت (BER) هستند و ویژگی جدید می تواند عملکرد BER را در مقایسه با روش استخراج ویژگی متداول، به طور کارآمدی بهبود بخشد. مقدمه: در سال های اخیر، تکنولوژی چندورودی چندخروجی (MIMO) به عنوان یک فناوری نویدبخش برای سیستم های سلولار شناخته شده و این موضوع به دلیل ظرفیت سیستمی بالا و عملکرد نرخ خطای بیت (BER) جذاب آن می باشد [1-3].

Abstract: This paper proposes a novel Multiple-Input Multiple-Output (MIMO) transmission scheme based on Pattern Recognition (PR), which is termed as the PR aided Transmission Antenna Selection MIMO (PR-TAS aided MIMO). As the conventional TAS algorithms need to search all possible legitimate antenna subsets, they may impose some redundant calculations. In order to avoid this problem, we employ some pattern recognition methods to carry out the TAS algorithm in this paper. To be specific, two PR algorithms, namely the K-Nearest Neighbor (KNN) algorithm and the Support Vector Machine (SVM) algorithm, are introduced and redesigned to obtain a TAS with lower complexity but higher efficiency. Moreover, in order to improve the performance of the SVM, we propose a new feature extraction of channel matrix for the TAS. Our simulation results show that the proposed KNN and SVM based PR-TAS algorithms are capable of striking a flexible tradeoff between the complexity and the Bit Error Rate (BER), and the new feature can effectively improve the BER performance compared with the conventional feature extraction method. Introduction: In recent years, the Multiple-Input Multiple-Output (MIMO) technology has been regarded as a promising technology for the cellular systems because of its high system capacity and attractive Bit Error Rate (BER) performance [[1], [2], [3]].