Name: Robuste zeitinvariante Filterung für die Optimierung von drahtlosen Relais (en Alemán)
Price: 68.25 USD
Availability: InStock
Author: Nichal, Arjun
ISBN: 9786209475757

portada Robuste zeitinvariante Filterung für die Optimierung von drahtlosen Relais (en Alemán)

Robuste zeitinvariante Filterung für die Optimierung von drahtlosen Relais (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Nichal, Arjun

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

ISBN13

9786209475757

Robuste zeitinvariante Filterung für die Optimierung von drahtlosen Relais (en Alemán)

Nichal, Arjun (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 24 a 31 días háb.

$ 113.74$ 68.25

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 68.25

Llega entre el 27 Jul y el 07 Ago a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Robuste zeitinvariante Filterung für die Optimierung von drahtlosen Relais (en Alemán)"

Dieses Buch stellt den Entwurf, die Implementierung und die Leistungsbewertung eines adaptiven gemeinsamen SCAMP-Filters und eines Optimierungsschemas für Relaisgewichte für ein drahtloses kooperatives Amplify-and-Forward (AF)-Relais-Netzwerk vor, das über frequenzselektive Fading-Kanäle arbeitet. Konventionelle NF-Systeme leiden unter verstärktem Rauschen und Intersymbol-Interferenz (ISI) aufgrund von kaskadierten Multi-Tap-Kanaleffekten. Um diese Einschränkungen zu beheben, wird in dieser Arbeit ein gemeinsamer adaptiver Filteransatz verwendet, der gleichzeitig den Quellenvorcodierungsfilter und das Relaisverstärkungsgewicht optimiert, um den mittleren quadratischen Fehler (MSE) von Ende zu Ende zu minimieren und die erreichbare Datenrate zu erhöhen. Das gemeinsame Optimierungsproblem wird mit der projizierten Subgradientenmethode (PSGM) gelöst, die Robustheit gegenüber nichtlinearen Einschränkungen wie Sparsamkeit bietet und gleichzeitig eine geringe Rechenkomplexität aufweist. Der Algorithmus wurde in einer MATLAB-Simulationsumgebung implementiert und unter einem zeitvariablen auto-regressiven (AR(1)) Fading-Modell getestet. Wichtige Leistungskennzahlen wie MSE-Konvergenz, Filtereigenschaften, erreichbare Rate und Robustheit gegenüber Parameteränderungen werden analysiert.