<div>
	Сравнительный анализ алгоритмов вычислительного интеллекта для оценки канала LTE</div>

Сирадж Патан, Аджит Нуния , Муджиб Тамболи , Сунил Патхак

doi:10.17586/2226-1494-2022-22-1-206-216

2022 , ТОМ 22, НОМЕР 1 ( январь-февраль )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2022-22-1-206-216

УДК 621.396.946

Сравнительный анализ алгоритмов вычислительного интеллекта для оценки канала LTE

Патан С., Нуния А., Тамболи М., Патхак С.

Читать статью полностью

Язык статьи - английский

Ссылка для цитирования:

Патан С., Нуния А., Тамболи М., Патхак С. Сравнительный анализ алгоритмов вычислительного интеллекта для оценки канала LTE // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 1. С. 206–216 (на англ. яз.). doi: 10.17586/2226-1494-2022-22-1-206-216

Аннотация

Выполнение моделирования и точной оценки канала беспроводной связи в стандарте Long-Term Evolution (LTE) необходимо для работы многочисленных приложений, таких как потоковое видео, а также для эффективного использования полосы пропускания и энергии. Это связано с постоянным увеличением трафика данных и развитием интернета вещей. Существующие исследования в основном направлены на изучение моделей оценки канала с использованием традиционных алгоритмов вычисления минимальной среднеквадратичной ошибки Minimum Mean Square Error (MMSE) и наименьших квадратов Least Square (LS). Предложенная модель позволяет улучшить оценку канала в мобильных сетях стандарта LTE. Модель основана на объединении методов наименьших квадратов и наименьшей среднеквадратической ошибки с применением Тагучи-генетического алгоритма и алгоритма оптимизации роя частиц Particle Swarm Intelligence (PSO). Приведен пример сети LTE, работающей в диапазоне 5,8 ГГц. Случайные пилотные сигналы следуют вместе с данными для получения сведений о канале, помогают декодировать сигнал в приемнике и оценивать LS и MMSE за счет сочетания Тагучи-генетического алгоритма и PSO соответственно. Выполнена оценка эффективности модели по частоте битовых ошибок Bit Error Rate (BER), отношению сигнал/шум и среднеквадратической ошибки. С учетом величины BER представленная модель на основе искусственного интеллекта обеспечивает лучшие результаты по сравнению с MMSE на 2,4 дБ и с LS – на 5,4 дБ.

Ключевые слова: генетический алгоритм, GA, алгоритм оптимизации роя частиц, PSO, мобильная сеть LTE, минимальная среднеквадратическая ошибка, MMSE, метод наименьших квадратов, LS

Благодарности. Авторы благодарят Школу инженерии и технологий Университета Амити в Джайпуре, Индия, за предоставление учебных материалов и ресурсов. Также благодарны за предоставление лаборатории для проведения исследований Техническому кампусу Анджуман-и-Ислам в Калсекаре, Университет Мумбаи, Нави Мумбаи, Индия

Список литературы

1. Bobde S., Phalnikar R. Software restructuring models for object oriented programming languages using the fuzzy based clustering algorithm // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 5. С. 738–747. https://doi.org/10.17586/2226-1494-2021-21-5-738-747

2. Bothra S.K., Singhal S. Nature-inspired metaheuristic scheduling algorithms in cloud: a systematic review // Научно-технический вестник информационных технологий, механики и оптики. 2021. V. 21. № 4. С. 463–472. https://doi.org/10.17586/2226-1494-2021-21-4-463-472

3. Farrokhi F.R., Lozano A., Foschini G.J., Valenzuela R.A. Spectral efficiency of FDMA/TDMA wireless systems with transmit and receive antenna arrays // IEEE Transactions on Wireless Communications. 2002. V. 1. N 4. P. 591–599. https://doi.org/10.1109/TWC.2002.804078

4. Balanis C. Antenna theory: Analysis and design. 3rd ed. New York: John Wiley & Sons, 2018. P. 900–908.

5. Durrani S., Bialkowski M.E. Effect of mutual coupling on the interference rejection capabilities of linear and circular arrays in CDMA systems // IEEE Transactions on Antennas and Propagation. 2004. V. 52. N 4. P. 1130–1134. https://doi.org/10.1109/TAP.2004.825640

6. Piazza D., Kirsch N.J., Forenza A., Heath R.W., Dandekar K.R. Design and evaluation of a reconfigurable antenna array for MIMO systems // IEEE Transactions on Antennas and Propagation. 2008. V. 56. N 3. P. 869–881. https://doi.org/10.1109/TAP.2008.916908

7. Lozano A., Tulino A.M. Capacity of multiple-transmit multiple-receive antenna architectures // IEEE Transactions on Information Theory. 2002. V. 48. N 12. P. 3117–3127. https://doi.org/10.1109/TIT.2002.805084

8. Oyman Ö., Nabar R.U., Bölcskei H., Paulraj A.J. Tight lower bounds on the ergodic capacity of Rayleigh fading MIMO channels // Proc. of the Conference Record / IEEE Global Telecommunications Conference. V. 2. 2002. P. 1172–1176. https://doi.org/10.1109/GLOCOM.2002.1188380

9. Du J., Li Y. Optimization of antenna configuration for MIMO systems // IEEE Transactions on Communications. 2005. V. 53. N 9. P. 1451–1454. https://doi.org/10.1109/TCOMM.2005.855002

10. Waheed U.A., Kishore D.V. Uplink spatial fading correlation of MIMO channel // IEEE Vehicular Technology Conference. 2003. V. 58. N 1. P. 94–98. https://doi.org/10.1109/VETECF.2003.1284985

11. Tsai J.-A., Woerner B.D. The fading correlation function of a circular antenna array in mobile radio environment // Proc. of the IEEE Global Telecommunications Conference. V. 5. 2001. P. 3232–3236. https://doi.org/10.1109/GLOCOM.2001.966023

12. Li X., Nie Z.-P. Spatial fading correlation of circular antenna arrays with Laplacian PAS in MIMO channels // Proc. of the IEEE Antennas and Propagation Society International Symposium. V. 4. 2004. P. 3697–3700. https://doi.org/10.1109/APS.2004.1330149

13. Recioui A., Bentarzi H. Genetic algorithm based MIMO capacity enhancement in spatially correlated channels including mutual coupling // Wireless Personal Communications. 2012. V. 63. N 3. P. 689–701. https://doi.org/10.1007/s11277-010-0159-5

14. Recioui A., Azrar A. Use of genetic algorithms in linear and planar array synthesis based on Schelkunoff method // Microwave and Optical Technology Letters. 2007. V. 49. N 7. P. 1619–1623. https://doi.org/10.1002/mop.22510

15. Montgomery D. C. Design and Analysis of Experiments. New York: Wiley, 1991. P. 28–39.

16. Ross P.J. Taguchi techniques for quality engineering. McGraw-Hill. 2013. P. 43–52.

17. Weng W.C., Yang F., Elsherbeni A.Z. Linear antenna array synthesis using Taguchi’s method: A novel optimization technique in electromagnetics // IEEE Transactions on Antennas and Propagation. 2007. V. 55. N 3. P. 723–730. https://doi.org/10.1109/TAP.2007.891548

18. Wu Y. Taguchi Methods for Robust Design. ASME Press, 2012.

19. Gen M., Cheng R. Genetic algorithms and engineering design. Wiley, 2000. P. 29–37.

20. Khlifi A., Bouallegue R., Performance analysis of LS and LMMSE channel estimation techniques for LTE downlink systems // International Journal of Wireless & Mobile Networks (IJWMN). 2011. V. 3. N 5. P. 141–149. https://doi.org/10.5121/ijwmn.2011.3511

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License