Investigación sobre el algoritmo de inteligencia computacional en la estimación de canales LTE

Debido a que el tráfico de datos está creciendo a un ritmo rápido gracias a los avances en el Internet de las Cosas, el modelado preciso y la anticipación exacta del Long-Term Evolution (LTE) es fundamental para una variedad de aplicaciones como el streaming de vídeo, el consumo efectivo de ancho de banda, y la gestión de la energía. En esta investigación, proponemos un modelo basado en un Algoritmo de Inteligencia Computacional (IC) que puede mejorar la Estimación del Canal basado en la señal recibida. Se consideran dos algoritmos. A diferencia de los trabajos anteriores que se centraban únicamente en el diseño de modelos para estimar el canal utilizando los algoritmos tradicionales de Error Cuadrático Medio (MMSE) y de Mínimos Cuadrados (LS), nosotros utilizamos 1) GA (Algoritmo Genético) y 2) PSO (Algoritmo de Optimización de Enjambre de Partículas) para trabajar con datos de prueba de conducción discreta y continua de Long-Term Evolution (LTE). Nos fijamos en LTE en la banda de 5,8 GHz en particular. Al reducir el error cuadrático medio de LS y la complejidad de MMSE, el modelo de diseño intenta mejorar la estimación del canal. Los pilotos se colocan al azar y se envían con los datos para recopilar información sobre el canal, lo que ayuda al receptor a descodificar y estimar el canal mediante LS, MMSE, Taguchi GA y PSO. Se ha estimado la tasa de error de bits (BER), la relación señal/ruido y el error cuadrático medio de un modelo basado en IC. En comparación con los algoritmos MMSE y LS, el modelo BER propuesto alcanza la ganancia objetivo de 2,4 dB y 5,4 dB.

• Autores: Pathan, Siraj; Kumar Singh, Sanjay; Pathak, Sunil; Tamboli, Mujib
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2022
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/26593
• Acceso en línea: http://hdl.handle.net/20.500.12749/26593; https://doi.org/10.29375/25392115.4308
• Palabra clave: Algoritmo Genético; Inteligencia de Enjambre de Partículas; Canal de Evolución a Largo Plazo; Error Cuadrático Medio Mínimo; Mínimos Cuadrados; Genetic Algorithm; Particle swarm intelligence; Long Term Evolution; Minimum Mean Square Error; Least Square
• License: http://purl.org/coar/access_right/c_abf2