Показати скорочену інформацію

dc.contributor.authorВасильківський, М. В.uk
dc.contributor.authorСтальченко, О. В.uk
dc.contributor.authorЯкубівська, Н. В.uk
dc.date.accessioned2024-03-27T10:13:57Z
dc.date.available2024-03-27T10:13:57Z
dc.date.issued2023
dc.identifier.citationВасильківський М. В. Коригування продуктивності систем mimo з використанням ші [Електронний ресурс] / М. В. Васильківський, О. В. Стальченко, Н. В. Якубівська // Матеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2023/paper/view/18620.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/41301
dc.description.abstractДосліджено технології покращення продуктивності системи MIMO у бездротових системах, забезпечення стабільного та ефективного зв'язку, зниження впливу шуму та інтерференції, а також оптимізації використання ресурсів з метою досягнення кращої якості передачі даних. Розглянуто особливості прогнозування моделей каналів за допомогою ШНМ для встановлення передбачуваних характеристик каналів, що дає можливість адаптувати передані сигнали та розподіляти ресурси відповідно. Здійснено групування моделей каналів для впорядкування каналів за схожими характеристиками, що дозволяє ефективно керувати ресурсами. При цьому, можна використовувати різні налаштування та алгоритми для кожної групи каналів, що сприяє оптимальному використанню доступних ресурсів та забезпеченню найкращої якості зв'язку для кожної групи.uk
dc.description.abstractThe technologies for improving the performance of the MIMO system in wireless systems, ensuring stable and efficient communication, reducing the impact of noise and interference, as well as optimizing the use of resources to achieve better data transmission quality are investigated. The features of predicting channel models using ANNs to establish the predictable characteristics of channels are considered, which makes it possible to adapt the transmitted signals and allocate resources accordingly. The grouping of channel models is carried out to organize channels by similar characteristics, which allows for efficient resource management. At the same time, different settings and algorithms can be used for each group of channels, which contributes to the optimal use of available resources and ensures the best communication quality for each group.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2023/paper/view/18620
dc.subjectпродуктивність системи MIMOuk
dc.subjectзниження впливу шуму та інтерференціїuk
dc.subjectоптимізація використання ресурсівuk
dc.subjectштучна нейронна мережаuk
dc.subjectMIMO system performanceuk
dc.subjectnoise and interference reductionuk
dc.subjectresource optimizationuk
dc.subjectartificial neuralnetworkuk
dc.titleКоригування продуктивності систем mimo з використанням шіuk
dc.typeThesis
dc.identifier.udc621.391
dc.relation.referencesH. He, C.-K. Wen, S. Jin, G.Y. Li, Deep learning-based channel estimation for beamspace mmWave massive MIMO systems. IEEE Wirel. Commun. Lett. 7(5), 852855 (2018)
dc.relation.referencesH. Tang, J. Wang, L. He, Off-grid sparse Bayesian learning based channel estimation for mmWave massive MIMO uplink. IEEE Wireless Commun. Lett. 8(1), 4548 (2019)


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію