Aşağı ve Yukarı Yönlü NOMA Haberleşme Sistemleri için CNN Yardımlı Alternatif Sezici Tasarımı

Authors : Ahmet EMİR, Ferdi KARA, Hakan KAYA

Pages : 341-349

Doi:10.21205/deufmd.2022247030

View : 20 | Download : 11

Publication Date : 2022-01-17

Article Type : Research Paper

Abstract :Haberleşme sistemlerinde kanal sönümlemelerine karşı işareti iletmek ve alıcıda almak için fiziksel seviyede geliştirilen yöntemler işlem karmaşıklığına sebep olmaktadır. Son yıllarda işlem karmaşıklığını azaltmak için alternatif olarak Derin öğrenme (deep learning-DL) ağlarına başvurulmaktadır. Gelecek nesil haberleşme sistemleri için öncü olacağı düşünülen dikgen olmayan çoklu erişim (non-orthogonal multiple access-NOMA) kullanıcıları aynı kaynak bloğunda güç ekseninde paylaştırarak yüksek spektral verim sağlar. Fakat sinyal sezimi için kullanılan ardışık girişim engelleyici (successive interference cancellation-SIC) işlem karmaşıklığına sebep olmaktadır. Bu çalışmada aşağı yönlü (downlink) ve yukarı yönlü (uplink) NOMA haberleşme sistemlerinde alıcıya ulaşan işaretin alternatif olarak DL ile sezimi amaçlanmıştır. DL ağı olarak evrişimli sinir ağı (convolutional neural network-CNN) kullanılmıştır. CNN yardımlı sezici ve maksimum olabilirlikli (maximum likehood-ML)-SIC sezicisi hata başarımları karşılaştırılmıştır. Aşağı ve yukarı yönlü NOMA haberleşme sistemlerinde yakın ve uzak kullanıcı bitlerinin CNN ağıyla ortak kestirilebilmesi ve bazı durumlarda bit hata oranı grafiklerinin DL sezicilerde SIC-ML sezicilerden daha iyi bulunması önemli bir avantajdır. Ayrıca NOMA sistemlerinde CNN ağının sezici olarak kullanılabilmesi, sınıflandırıcıların kablosuz haberleşme sistemlerinde gücünü ortaya koymaktadır.
Keywords : CNN, DL, ML, BPSK, Ortak Kestirim