چکیده:
در این مقاله، برآورد کانال و آشکارسازی دادهها تحت کانال غیرخطی متغیر با زمان مورد بررسی قرار میگیرد. مدل غیرخطی کانال متغیر با زمان که مورد توجه است به مدل سوئیچینگ فضاوحالت (SSSM) معروف و ترکیبی از مدل مخفی مارکف (HMM) و مدل خطی فضا و حالت (LSSM) میباشد. در این مقاله بر اساس رهیافت بیشینهسازی امید ریاضی (EM)، یک روش تکرارشونده جدید بهمنظور آشکارسازی همزمان داده و کانال ارائه شده است. شبیهسازی مونتکارلو نشان میدهد که نرخ خطای بیت طرح پیشنهادشده نزدیک به نرخ خطای بیت الگوریتم ویتربی با داشتن اطلاعات کامل از حالت کانال میباشد.
خلاصه ماشینی:
شایان ذکر است کانال غیرخطی در نظر گرفتهشده در این مقاله شامل دو کانال خطی بوده بهنحویکه دادههای ارسالی روی این دو کانال منتقلشده و با توجه به جابهجایی گیرنده بین این دو کانال خطی، حالت سوئیچ کانال از بین این دو کانال خطی انتخاب شده و بر اساس آن دادههای دریافتی مشخص میشوند، لذا از دید گیرنده، کانال غیرخطی بوده و برای آشکارسازی دادههای ارسالی، وضعیت سیستم مخابراتی با استفاده از مدل سوئیچینگ فضا و حالت (SSSM) [7] مدل میشود.
در این مقاله بر اساس الگوریتمEM ، یک روش جدید بهمنظور آشکارسازی همزمان کانال و داده برای دادههای منتقلشده روی کانال غیرخطی ارائه شده است، در روش پیشنهادی از فیلتر کالمن توسعه یافته (EKF) [16] و فیلتر ذرهای (PF) [17] جهت برآورد کانال استفاده نشده است.
همانطور که در شکل (3) نشان داده شده است با فرض معلوم بودن حالت سوئیچ ابتدائی کانال ، روشهای متداول آشکارسازی همچون روش fixed step size PSP [7] و Viterbi+Kalman Filter [8] عملکرد بهتری از روش پیشنهاد شده دارند و این بهعلت تبدیل کانال غیرخطی به کانال خطی در شرایط مفروض میباشد.
البته اگر حالت سوئیچ ابتدائی کانال برای این روشها نامعلوم باشد (برای روش پیشنهادشده نیازی به معلوم بودن حالت سوئیچ ابتدائی کانال نمیباشد)، همانطور که در شکل (4) مشاهده می شود روشهای متداول آشکارسازی همچون روش fixed step size PSP [7] و Viterbi+Kalman Filter [8] و Adaptive PSP [7] قادر به آشکارسازی دادههای ارسالی نمیباشند، درحالیکه روش پیشنهاد شده دارای نرخ خطای بیت نزدیک به الگوریتم ویتربی با اطلاعات کامل از حالت کانال میباشد.