,

مقاله تخمین کانال پهن‌باند تراهرتز در میدان نزدیک و دور با ترنسفورمر بازگشتی برای سیستم‌های UM-MIMO

تومان249,950

ادغام ارتباطات تراهرتز و سیستم‌های ورودی-خروجی فوق‌انبوه (UM-MIMO) در شبکه‌های 6G، به دلیل توانایی آن‌ها در دستیابی به نرخ داده بی‌سابقه، کاهش تراکم طیف و بهبود عملکرد کلی شبکه، مورد توجه قرار گرفته ا…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000336 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

تخمین کانال پهن‌باند تراهرتز در میدان نزدیک و دور با ترنسفورمر بازگشتی برای سیستم‌های UM-MIMO

Recurrent Transformer-Based Near- and Far-Field THz Wideband Channel Estimation for UM-MIMO

نویسندگان: Dmitry Artemasov, Alexander Shmatok, Kirill Andreev, Alexey Frolov, Manjesh K. Hanawal, Nikola Zlatanov

شناسه منبع: arxiv / 2605.12578v1

دسته: eess.SP,cs.IT,cs.LG

چکیده (فارسی)

ادغام ارتباطات تراهرتز و سیستم‌های ورودی-خروجی فوق‌انبوه (UM-MIMO) در شبکه‌های 6G، به دلیل توانایی آن‌ها در دستیابی به نرخ داده بی‌سابقه، کاهش تراکم طیف و بهبود عملکرد کلی شبکه، مورد توجه قرار گرفته است. با این حال، دیافراگم‌های بزرگتر آنتن و فرکانس‌های حامل بالاتر در این سیستم‌ها، فاصله ریلی را افزایش می‌دهند و باعث می‌شوند کاربران هم نواحی میدان نزدیک و هم نواحی میدان دور متعارف را پوشش دهند. بنابراین، پیش‌کدگذاری فضایی دقیق نیازمند تخمین دقیق کانال در ایستگاه پایه است – وظیفه‌ای که به دلیل همزیستی هیبریدی اثرات میدان نزدیک و دور و تعداد محدود زنجیره‌های دیجیتال موجود در معماری‌های شکل‌دهی پرتو هیبریدی، چالش‌برانگیزتر می‌شود. در این مقاله، ما یک مدل ترنسفورمر بلوکی تکرارشونده را برای حل این چالش پیشنهاد می‌کنیم. ما نشان می‌دهیم که یک بلوک ترنسفورمر مجهز به حافظه حالت را می‌توان یک بار آموزش داد و سپس به طور تکراری برای تخمین کانال میدان هیبریدی به کار برد. علاوه بر این، مدل را به گونه‌ای آموزش می‌دهیم که به کانال‌های بی‌سیم با فواصل مختلف پراکنده‌کننده، تعداد متفاوت مسیرهای انتشار و عملکرد پهن‌باند تعمیم یابد. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی در سناریوهای باند باریک و پهن‌باند، به ترتیب، بهبود عملکردی حدود 5 دسی‌بل و 7.5 دسی‌بل در خطای میانگین مربعات نرمال‌شده (NMSE) نسبت به راه‌حل‌های پیشرفته کسب می‌کند.

Abstract (English)

The integration of terahertz communications and ultra-massive multiple-input multiple-output (UM-MIMO) systems in 6G networks is motivated by their ability to enable unprecedented data rates, mitigate spectrum congestion, and enhance overall network performance. However, the enlarged antenna apertures and higher carrier frequencies in these systems increase the Rayleigh distance, causing users to span both the near-field and conventional far-field regions. Accurate spatial precoding thus requires exact channel estimation at the base station – a task made more challenging by the hybrid coexistence of near- and far-field effects and the limited number of digital chains available in hybrid beamforming architectures. In this paper, we propose a block recurrent transformer model to address this challenge. We demonstrate that a single transformer block equipped with state memory can be trained once and then iteratively applied for hybrid-field channel estimation. Furthermore, we train the model such that it generalizes to wireless channels with varying scatterer distances, different numbers of propagation paths, and wideband operation. Simulation results show that the proposed method achieves performance gains of approximately 5 dB and 7.5 dB in normalized mean squared error (NMSE) over state-of-the-art solutions in narrowband and wideband scenarios, respectively.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله تخمین کانال پهن‌باند تراهرتز در میدان نزدیک و دور با ترنسفورمر بازگشتی برای سیستم‌های UM-MIMO”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا