Resumen

La tecnología MIMO (Multiple-Input and Multiple-Output) es una de las últimas tecnologías para mejorar la capacidad del canal y la calidad de servicio del sistema de comunicación. Al utilizar la tecnología MIMO en la capa física, la estimación de los datos y del canal se realiza basándose en el principio de máxima probabilidad. Para ello, se utiliza el algoritmo de optimización de enjambre de partículas mutantes basado en la lógica difusa continua y discreta (FL-OLMPSO) sobre el canal con desvanecimiento de Rayleigh en tres niveles. Los datos y las poblaciones del canal se preparan durante el primer nivel del algoritmo, mientras que los parámetros del canal se estiman en el segundo nivel del algoritmo utilizando el FL-OLMPSO continuo. Tras determinar los parámetros del canal, los símbolos transmitidos se evalúan en el tercer nivel del algoritmo utilizando los parámetros del canal junto con el FL-OLMPSO discreto. Para mejorar la tasa de convergencia del algoritmo FL-OLMPSO, el factor de velocidad se actualiza utilizando la lógica difusa. En este artículo se proponen dos variantes, FL-OLMPSO total (FL-TOLMPSO) y FL-OLMPSO parcial (FL-POLMPSO) de FL-OLMPSO. Los resultados de simulación de las técnicas propuestas muestran resultados deseables en cuanto a MMCE, MMSE y BER en comparación con las técnicas convencionales de aprendizaje mutante PSO (TOLMPSO y POLMPSO).

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:fl, parámetros del canal, olmpso, algoritmo, lógica difusa discreta, aprendizaje opuesto potenciado, calidad de los servicios, resultados deseables, población del canal, tasa de convergencia
• Keywords:fl, channel parameters, olmpso, algorithm, discrete fuzzy logic, empowered opposite learning, services quality, desirable results, channel population, convergence rate