• عنوان

    تخمين زاويه ورود اهداف به يك آرايه با استفاده از يادگيري عميق

  • نويسنده اصلي

    نقدي سده، محمدجواد

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي برق
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    زاويه‌يابي منابع پيرامون يك آرايه، از جمله مهم‌ترين مباحث در حوزه پردازش آرايه‌اي سيگنال به حساب مي‌آيد و تحقيقات فراواني را به همراه داشته است. علت اين امر را مي‌توان كاربرد گسترده تخمين زاويه ورود در زمينه‌هايي مانند رادار، سونار، مخابرات بي‌سيم، پزشكي و ... دانست. در سال‌هاي اخير پژوهشگران تلاش‌هايي را در راستاي بهبود الگوريتم‌هاي زاويه‌يابي انجام داده‌اند كه منجر به افزايش دقت تخمين زاويه ورود و بهبود تفكيك‌پذيري زاويه‌اي اهداف شده است. از طرفي استفاده از آرايه تنك اين امكان را فراهم مي‌سازد كه ضمن كاهش هزينه‌هاي سيستم، اهداف بيشتري با تعداد گيرنده كمتر نسبت به آرايه يكنواخت آشكارسازي شوند. بنابراين اهميت موضوع نحوه چينش حسگرهاي يك آرايه، بيشتر از پيش نمايان مي‌گردد. در ادبيات پردازش آرايه‌اي سيگنال، به تعداد اهدافي كه بدون ابهام شناسايي مي‌شوند، درجه آزادي آرايه گفته مي‌شود. امروزه با رشد و تكامل فناوري‌هاي ارتباطاتي و پيشرفت علم الكترونيك در ساخت سخت‌افزارهاي قدرتمند، دسترسي به حجم زياد داده و پردازش سريع آن‌ها امكان‌پذير شده است. از اين رو استفاده از يادگيري عميق در زاويه‌يابي، موفقيت‌هاي چشمگيري را به همراه داشته است. يادگيري عميق شاخه‌اي از يادگيري ماشين است كه براي هوشمندسازي و يادگيري ماشين‌ها از ابزار شبكه عصبي بهره مي‌برد. روش‌هاي مبتني بر يادگيري عميق از عملكرد و جامعيت بهتري نسبت به روش‌هاي متداول تخمين زاويه ورود برخوردار است. بنابراين يادگيري عميق زمينه بكر و مناسبي را براي بهبود عملكرد تخمين زاويه ورود و درنظرگرفتن شرايط سخت‌گيرانه‌تر مانند سيگنال به نويز پايين و چندمسيرگي فراهم كرده است. در اين پايان نامه، ضمن بررسي و ارزيابي روش‌هاي ارائه شده براي زاويه‌يابي در يك آرايه با استفاده از يادگيري عميق و مقايسه با روش‌هاي زاويه‌يابي كلاسيك، با درنظرگرفتن چندين چينش تنك مختلف، شبكه عصبي كانولوشني گسترش مي‌يابد. هم‌چنين اثر عدم كاليبراسيون آرايه و پارامترهايي مانند تعداد لايه‌ بر عملكرد شبكه عصبي كانولوشني مورد مطالعه قرار گرفته و پيشنهاد بكارگيري يك تابع هزينه كارآمدتر در حوزه زاويه‌يابي مبتني بر يادگيري عميق جهت بهبود آموزش شبكه مطرح مي‌گردد. در نهايت يك چارچوب رياضي جديد براي چينش آرايه و دستيابي به درجه آزادي بالا به شكل سريع ارائه مي‌گردد.
  • شماره ركورد
    222973
  • گرايش رشته تحصيلي
    مخابرات سيستم
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان