|
|
سومین سمپوزیوم مخابرات بی سیم نوری و موج میلیمتری غرب آسیا
|
|
|
| عنوان فارسی |
|
|
| چکیده فارسی مقاله |
|
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
A Deep Learning based Detector for FSO System Considering Imperfect CSI Scenario |
|
| چکیده انگلیسی مقاله |
In free space optical (FSO) communication system, the maximum likelihood (ML) is the optimum detector considering perfect channel state information (CSI) at receiver. However, the ML does not provide a proper performance in imperfect CSI scenario. Therefore, a deep learning based detection method is proposed in this paper. In this paper, we use deep neural network to get a mapping function of a received signal and transmitted symbol streams. Moreover, the end-to-end approach using deep learning with the conventional ML method is compared for both perfect and imperfect scenarios. Simulation results show that our method presents a better performance compared to the conventional ML method in imperfect CSI. Moreover, our proposed method reaches the same performance as the ML detector in perfect CSI. |
|
| کلیدواژه‌های انگلیسی مقاله |
Deep learning، free space optical communication، imperfect channel state information |
|
| نویسندگان مقاله |
Mohammad Ali Amirabadi - Iran University of Science and Technology
Mohammad Hossein Kahaei - Iran University of Science and Technology
S. Alireza Nezamalhosseini - Iran University of Science and Technology
|
|
| نشانی اینترنتی |
http://wasowc2020.modares.ac.ir/browse.php?a_code=A-10-51-3&slc_lang=en&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
en |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
