بهبود عملکرد در کانال MIMO با معادل سازی گیرنده درست ‌نمایی بیشینه (ML) در متلب

بهبود عملکرد در کانال MIMO با متلب

در این بخش پروژه بهبود عملکرد در کانال MIMO با استفاده از معادل سازی گیرنده درست ‌نمایی بیشینه را با نرم افزار MATLAB به همراه کامنت گذاری کدها و فیلم نحوه اجرا آماده کردیم که مرجع آن یک مقاله کوتاه انگلیسی است که به همراه پروژه ارائه خواهد شد. در ادامه به معرفی این پروژه الکترونیک و مهندسی مخابرات پرداخته و فیلم و تصاویر خروجی آن قرار داده شده است.

معرفی پروژه

در پروژه حاضر معادل سازی گیرنده درست ‌نمایی بیشینه (Maximum Likelihood – ML) به منظور بهبود عملکرد در کانال های چند ورودی چند خروجی (multiple-input and multiple-output – MIMO) از نوع Rayleigh fading مورد استفاده قرار می گیرد.

معادل سازی MMSE و درست ‌نمایی بیشینه

طبق تصاویر و خروجی های مربوط به این پروژه، در ساختار های گیرنده می بینیم که معادل سازی MMSE با حذف تداخل متوالی با درجه مطلوب، مناسبت ترین کارایی را نشان می دهد. ما در این پروژه به یک ساختار گیرنده دیگر به نام رمزگشایی درست ‌نمایی بیشینه (Maximum Likelihood) می پردازیم که کارایی بهتری را ارائه می کند. فرض می کنیم که این کانال یک کانال چند مسیره حذف یکنواخت و مدولاسیون BPSK یا Binary Phase Shift Keying می باشد.

نتایج به دست آمده

نتایج معادل سازی درست ‌نمایی بیشینه برای سیستم MIMO دو در دو (2*2 MIMO) به ما در دستیابی به عملکرد بهتر کمک می کند تا یک هماهنگی نزدیکتر و مناسب تری با ترکیب حداکثر نسبت (Maximal Ratio Combining – MRC) با دو آنتن دریافت و یک آنتن ارسال داشته باشیم. در صورتی که ما یک منظومه درجه بالاتر همچون مدولاسیون 64 QAM را مورد استفاده قرار دهیم، احتمال دارد تا محاسبه معادل سازی درست ‌نمایی بیشینه پیچیده تر باشد با 64 QAM و دو جریان فضایی ما می بایستد کمترین مقدار ترکیب های را بیابیم. در این طرح ها احتمال دارد که به کارایی طرح هایی نظیر رمزگشایی کروی نیازمند باشیم که این امر نیز نیازمند کاهش پیچیدگی می باشد.

تصاویر خروجی پروژه بهبود عملکرد در کانال MIMO