یک روش هوشمند برای تخمین کانال Ofdm با استفاده از الگوریتم جستجوی گرانشی

مزایای فراوان فناوری مالتی‌پلکس فرکانسی متعامد (ofdm) و انعطاف‌پذیری بالای آن باعث شده که در بسیاری از استانداردهای مخابراتی بی‌سیم مورد استفاده قرار گیرد. یکی از موارد موثر در افزایش کارایی سیستم‌های بی‌سیم، تخمین دقیق اطلاعات حالت کانال می‌باشد. تا کنون تکنیک‌های متنوعی برای تخمین کانال ارائه شده است. یک دسته از این تکنیک‌ها با استفاده از سیگنال دریافتی و اطلاعات آماری سیگنال‌های ارسالی و دریافتی سعی در تخمین کانال دارند که پیچیدگی بالا و عملکرد نسبتاً ضعیفی دارند. دسته دیگر با ارسال سمبل‌های پایلوت، در قبال صرف منابع با روش‌های ساده تخمین بهتری از کانال ارائه می‌دهند. در سال‌های اخیر، تکنیک‌های مبتنی بر الگوریتم‌های هوشمند مانند الگوریتم ژنتیک (ga) و بهینه‌سازی ازدحام ذرات (pso) مورد توجه قرار گرفته‌اند. این روش‌ها قادرند با سربار پایلوت بسیار کم، تابع انتقال کانال مربوط را با استفاده از سیگنال‌های دریافتی، به نحو مناسبی تخمین بزنند. محدودیت عمده این روش‌ها سرعت همگرایی نسبتاً پایین آنهاست. در این مقاله یک روش ابتکاری برای تخمین کانال با استفاده از الگوریتم جستجوی گرانشی (gsa) پیشنهاد شده که در مقایسه با روش‌های ga و pso قادر است تخمین دقیق‌تری از کانال ارائه دهد. این در حالی است که پیچیدگی محاسباتی آن در حد الگوریتم pso بوده و برای دستیابی به برازش یکسان از سرعت همگرایی بالاتری نیز نسبت به آنها برخوردار است. عملکرد روش پیشنهادی برای تخمین یک کانال دومسیره با محوشدگی سریع بر اساس دو معیار نرخ خطای بیت (ber) و میانگین مربع خطا (mse) ارزیابی شده و نتایج شبیه‌سازی موید برتری آن نسبت به روش‌های ga و pso می‌باشد.

An Intelligent Approach for OFDM Channel Estimation Using Gravitational Search Algorithm

The abundant benefits of Orthogonal FrequencyDivision Multiplexing (OFDM) and its high flexibility have resulted in its widespread applications in many telecommunication standards. One important parameter for improving wireless system’s efficiency is the accurate estimation of channel state information (CSI). In the literatures many techniques have been studied in order to estimate the CSI. Nowadays, the techniques based on intelligent algorithms such as genetic algorithm (GA) and particle swarm optimization (PSO) have attracted attention of researchers. With a very low pilot overhead, these techniques are able to estimate the channel frequency response (CFR) properly only using the received signals. Unfortunately each of these techniques suffers a common weakness: they have a slow convergence rate. In this paper, a new intelligent and different method has been presented for channel estimation using gravitational search algorithm (GSA). This method can achieve accurate channel estimation with a moderate computational complexity in comparison with GA and PSO estimators. Furthermore, with higher convergence rate our proposed method is capable of providing the same performance as GA and PSO. For a twopath fast fading channel, simulation results demonstrate the robustness of our proposed scheme according to the bit error rate (BER) and the mean square error (MSE).