Técnicas de Deep Learning enfocadas a la estimación adaptativa de canales en redes de quinta generación

En comunicaciones móviles, la estimación de canal es uno de los principales procesos para optimizar la comunicación entre el transmisor y el receptor. Conocer la respuesta del canal es un desafío porque existen múltiples fenómenos como atenuación, pérdidas multi-trayecto, ruido y retardos que afectan a las señales transmitidas. Métodos basados en la inserción de pilotos como Mínimos Cuadrados (LS) y Mínimo Error Cuadrático Medio (MMSE) son comúnmente usados para estimar el canal. Sin embargo, tienen inconvenientes relacionados con su desempeño y complejidad en escenarios variables. En este documento, se propone que diferentes modelos de Aprendizaje Profundo (DL) asistan a la estimación de canales con ayuda de señales piloto para un sistema de comunicaciones 5G que es afectado por el efecto Doppler debido al nivel de movilidad. A través del modelado en simulación, incluyendo condiciones Con Línea de Vista Directa (LoS) y Sín Línea de Vista Directa (NLoS) en un modelo Línea de Retardo en Pulsación (TDL), se mide el desempeño de los modelos con las métricas de Tasa de Error de Bit (BER), Magnitud del Vector Error (EVM), tiempo de estimación y Error Cuadrático Medio (MSE). Los resultados demuestran que los modelos DL superan a los estimadores de interpolación lineal y práctico con una Relación Señal a Ruido (SNR) entre 0 dB y 20 dB. Además, las técnicas propuestas de estimación tienen adaptabilidad ante las diferentes condiciones del canal.

• Autores: Chacón Alonso , Andrés Felipe; Fuentes Ramírez, Miguel Angél
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/42367
• Acceso en línea: http://hdl.handle.net/11349/42367
• Palabra clave: 5G; Señales piloto; Comunicaciones móviles; Estimación de canal; Aprendizaje profundo; Ingeniería Electrónica -- Tesis y disertaciones académicas; Estimación de canal en comunicaciones móviles; Aprendizaje profundo en sistemas 5G; Optimización de señales en presencia de efecto Doppler; Simulación de modelos de canal con TDL; 5G; Pilot signals; Mobile communications; Channel estimation; Deep learning
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional