Derin öğrenme kullanarak LIS destekli kablosuz iletişim sistemlerinin optimizasyonu

Bu tezde, spektral verimliliği ve enerji verimliliğini artırmaya yönelik, 6G teknolojisindeki gelişmeler ile iki yönlü LIS ışın yönlendirmeli iletici konusunda kapsamlı bir derin öğrenme tabanlı önerisiyle sunulan, yeni nesil bilgisayar iletişimi ve akıllı kablosuz ağ sistemleri. Önerilen metot, ortamın CSI'sını kullanarak, optimum yansıma ışın oluşturma vektörünü tahmin etmek için çok fonksiyonlu algılayıcı olarak çoklu algılayıcı (MLP) kullanan seyrek bir öğrenme tabanlı spektral ışın oluşturma algoritmasıdır. Bu şekilde, sistem yinelemeye tabii olmadan kanal geometisinde dinamik uyum sağlayarak, gerçek zaman uygulamalarında yeterli performans sağlar. Çeşitli çıkış yüksekliğindeki model performansı, dört karşılaştırmalı veri setine dayanarak oluşturulan veri kümesi: DeepMIMO, MIMO Radar Sinyal Veri Seti, Gerçek Zamanlı MIMO IoT Anten Seçimi Veri Seti ve WiFi CSI Locali- zation Veri Seti. Sonuçlar, Adam veri setiyle ilgili olarak çeşitli veri setlerinde %25'e kadar yapılan bit hata oranını (BER) en aza indirme açısından daha iyi performans gösterdiklerini doğrulamaktadır. Ek olarak, elde doğrulama hızı, DeepMIMO veri kümesinde, 8,37 bit/sn/Hz'de RMSPROP'tan 8,50 bit/sn/Hz'ye Adam altında artmıştır. Bu kazanımlar ve uygun maliyet, spektral verimliliği artırmış ve azaltılmış aktif eleman, kısıtlı eğitim gücü ve sınırlı eğitim verisi gibi gerçekçi sınırlamalar altında cihaz performansının daha da iyileştirilmesine yol açan iyileştirilmiş desteklenebilirlik.