کنفرانس مهندسی برق ایران

صفحه اصلی / سی و سومین کنفرانس بین المللی مهندسی برق

بهبود بازدهی انرژی در اینترنت اشیاء باند باریک با وفقی‌سازی لینک به کمک یادگیری عمیق

نویسندگان :

سمانه امیریان¹ محمدعلی سبقتی²

1- دانشگاه صدا و سیما 2- دانشگاه صدا و سیما

کلمات کلیدی :

ابنترنت اشیای باند باریک،شبکه‌های عصبی،وفقی‌سازی لینک،یادگیری عمیق

چکیده :

- اينترنت اشيا باند باريك (NB-IoT) به منظور ارائه‌ي بستر اينترنت اشياء گسترده و كم‌مصرف معرفي شده است. NB-IoT علاوه بر خدمت‌رسانی در نسل فعلی شبکه موبایل، به عنوان یک راهکار مناسب برای نسل‌های پنجم و فراتر از آن نیز مد نظر است. به همین دلیل ملزوماتی شامل پوشش تعداد زیادی از گره‌ها، مصرف بهینه‌ی انرژی و نرخ داده‌ی مناسب باید توسط این استاندارد تأمین شود. افزایش بازدهی انرژی، هدفی ترکیبی است که بین دو خواسته کاهش مصرف انرژی و افزایش نرخ انتقال مصالحه برقرار می‌کند. یکی از راهکارهای مناسب جهت افزایش بازدهی انرژی، وفقی‌سازی لینک است. رویکرد وفقی‌سازی لینک با استفاده از شبکه‌های عصبی عمیق در تعدادی از استانداردهای مخابراتی پیشنهاد شده است. در این مقاله، وفقی‌سازی لینک NB-IoT به کمک شبکه های عصبی عمیق با هدف بهبود بازدهی انرژی انجام شده است. همچنین قیدی برای نرخ خطای بلوک (BLER) لحاظ شده است تا این خطا بیشتر از یک حدآستانه مجاز نشود. بدین منظور یک معماری مرکّب از شبکه عصبی کانولوشنال (CNN) و شبکه LSTM پیشنهاد شده است که نشانگر مدولاسیون-کدینگ و تعداد واحدهای منبع را مطابق با وضعیت کانال محوشونده انتخاب می کند. روش پیشنهادی با روش مبتنی بر بازخورد حلقه های داخلی و خارجی شبیه سازی و مقایسه شده است. نتایج شبیه سازی‌ها نشان می دهد میانگین بازدهی انرژی در روش پیشنهادی تقریباً سه برابر روش رقیب است، در حالیکه میانگین منابع مصرفی افزایش نمی‌یابد و حتی برای انتقال هزار بسته، منابع مصرفی آن کمتر از روش رقیب می‌شود.