ترجمه فارسی مقاله نمایه سازی پرتو و مدل سازی شکل دهی پرتو برای شبکه های mmWave NextG

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Beam Profiling and Beamforming Modeling for mmWave NextG Networks
عنوان مقاله به فارسی نمایه سازی پرتو و مدل سازی شکل دهی پرتو برای شبکه های mmWave NextG
نویسندگان Efat Samir Fathalla, Sahar Zargarzadeh, Chunsheng Xin, Hongyi Wu, Peng Jiang, Joao F. Santos, Jacek Kibilda, Aloizio Pereira da
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,پردازش سیگنال ,
توضیحات Submitted 23 August, 2024; originally announced August 2024. , Comments: In Proceedings of IEEE International Conference on Computer Communications and Networks (ICCCN), 2023
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: در مجموعه مقالات کنفرانس بین المللی IEEE در ارتباطات و شبکه های رایانه ای (ICCCN) ، 2023
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper presents an experimental study on mmWave beam profiling on a mmWave testbed, and develops a machine learning model for beamforming based on the experiment data. The datasets we have obtained from the beam profiling and the machine learning model for beamforming are valuable for a broad set of network design problems, such as network topology optimization, user equipment association, power allocation, and beam scheduling, in complex and dynamic mmWave networks. We have used two commercial-grade mmWave testbeds with operational frequencies on the 27 Ghz and 71 GHz, respectively, for beam profiling. The obtained datasets were used to train the machine learning model to estimate the received downlink signal power, and data rate at the receivers (user equipment with different geographical locations in the range of a transmitter (base station). The results have shown high prediction accuracy with low mean square error (loss), indicating the model's ability to estimate the received signal power or data rate at each individual receiver covered by a beam. The dataset and the machine learning-based beamforming model can assist researchers in optimizing various network design problems for mmWave networks.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک مطالعه تجربی در مورد پروفایل پرتو MMWAVE در یک محفظه MMWAVE ارائه شده است و یک مدل یادگیری ماشین را برای پرتوهای بر اساس داده های آزمایش تهیه می کند.مجموعه داده هایی که ما از پروفایل پرتو و مدل یادگیری ماشین برای پرتو به دست آورده ایم برای مجموعه گسترده ای از مشکلات طراحی شبکه ، مانند بهینه سازی توپولوژی شبکه ، انجمن تجهیزات کاربر ، تخصیص برق و برنامه ریزی پرتو ، در شبکه های MMWAVE پیچیده و پویا ارزشمند است.بشرما به ترتیب از دو بسته آزمایش MMWave با فرکانس های عملیاتی در 27 گیگاهرتز و 71 گیگاهرتز برای پروفایل پرتو استفاده کرده ایم.از مجموعه داده های به دست آمده برای آموزش مدل یادگیری ماشین برای برآورد قدرت سیگنال downlink دریافت شده و میزان داده ها در گیرنده ها استفاده شد (تجهیزات کاربر با مکان های مختلف جغرافیایی در محدوده فرستنده (ایستگاه پایه). نتایج دقت پیش بینی بالایی را نشان داده اندبا میانگین خطای مربع (از دست دادن) ، نشان دهنده توانایی مدل برای برآورد قدرت سیگنال دریافت شده یا نرخ داده در هر گیرنده جداگانه توسط یک پرتو و مدل پرتوهای مبتنی بر یادگیری ماشین می تواند به محققان در بهینه سازی مشکلات مختلف طراحی شبکه کمک کند.برای شبکه های MMWave.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.