基于人工神经网络的DF中继选择方案中最优阈值预测
信号处理
2018-07-13 v1 机器学习
神经与进化计算
网络与互联网体系结构
摘要
在无线通信中，协作通信（CC）技术相比传统的单输入单输出（SISO）技术有望带来性能增益。因此，CC技术是5G网络的候选技术之一。在作为CC技术之一的译码转发（DF）中继方案中，中继处阈值的确定对系统性能和功耗起着关键作用。本文在文献中首次提出基于人工神经网络（ANNs）预测协作通信中最优中继选择方案的最优阈值。平均链路质量和中继数量已被用作利用人工神经网络（ANNs）：多层感知机（MLP）和径向基函数（RBF）网络预测最优阈值的输入。当两种网络在隐藏层使用相同数量的神经元时，MLP网络在最优阈值预测上比RBF网络具有更好的性能。此外，利用ANNs获得的最优阈值通过利用推导出的系统闭式表达式数值求得的最优阈值进行了验证。结果表明，由于在最优中继选择方案上由ANNs获得的最优阈值降低了错误传播发生的概率，从而提供了最小误码率（BER）。同时，对于相同的BER性能目标，最优阈值的预测可节省2dB的功耗，这在绿色通信方面是巨大的增益。
引用
@article{arxiv.1801.05984,
title = {Prediction of the Optimal Threshold Value in DF Relay Selection Schemes Based on Artificial Neural Networks},
author = {Ferdi Kara and Hakan Kaya and Okan Erkaymaz and Ertan Ozturk},
journal= {arXiv preprint arXiv:1801.05984},
year = {2018}
}
备注
6 pages,IEEE INnovations in Intelligent SysTems and Applications (INISTA), 2016 International Symposium on