ЗАСТОСУВАННЯ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ ОЦІНЮВАННЯ ЧАСТОТНОЇ ХАРАКТЕРИСТИКИ БАГАТОПРОМЕНЕВОГО КАНАЛУ В СИСТЕМАХ ЗВ’ЯЗКУ З ТЕХНОЛОГІЄЮ OFDM
Ключові слова
Анотація
В умовах розвитку сучасних технологій ключова роль відведена обміну інформацією. Цифрові системи зв’язку є основою інформаційних технологій. Щоби забезпечити потреби сучасної людини вимоги до систем зв’язку постійно збільшуються. Великі інформаційні потоки потребують забезпечення високих швидкостей передачі даних. При цьому важливою задачею є зменшення кількості помилок, які виникають під час передачі даних. В OFDM системах це досягається шляхом підвищення точності оцінювання частотної характеристики каналу зв’язку. В роботі застосовано нейронну мережу прямого поширення для оцінювання значень частотної характеристики каналу зв’язку в OFDM системах. Нейронна мережа проектувалася для умов, коли пілотні сигнали в структурі OFDM символів розміщені по комбінованій схемі. За таких умов нейронна мережа які вхідну інформацію отримує зашумлені значення частотної характеристики на пілотних підносійних. ЇЇ завдання полягає у фільтрації цих значень від шуму та інтерполяції значень частотної характеристики на підносійні з даними. Спроектована нейронна мережа містить 32 вхідних нейрони, 128 вихідних нейронів і 2 прихованих шари по 8 нейронів. Структура цієї нейронної мережі проектувалась з таким підходом, що вектор частотної характеристики оцінюється послідовно частинами по 128 відліків з подальшим їх об’єднанням. Нейронна мережа навчалася на каналах зв’язку із заданими кореляційними властивостями шляхом застосування методу зворотного поширення помилки. Аналіз ефективності роботи мережі проводився шляхом статистичного моделювання на модельному прикладі в системі автоматизованого проектування Matlab. Результати оцінювання значень частотної характеристики за допомогою нейронної мережі порівняно з результатами, що дають відомі методи. Аналіз ефективності роботи нейронної мережі показав, що вона здатна забезпечувати виграш до 2 дБ у порівнянні з методом двоетапного оцінювання частотної характеристики на заданому модельному прикладі. Нейронна мережа поступається в точності оцінювання методу мінімуму середньоквадратичної помилки, однак має меншу складність реалізації у порівнянні з ним.
