Resumen

Se presenta un nuevo método de estimación de canal para un sistema de comunicación multitono discreto (DMT) basado en el método de máquina vectorial de relevancia (RVM) de aprendizaje bayesiano disperso. El marco bayesiano se utiliza para obtener soluciones dispersas para tareas de regresión con modelos lineales. Al explotar un marco de aprendizaje bayesiano probabilístico, el aprendizaje bayesiano disperso proporciona modelos precisos para la estimación y, en consecuencia, la ecualización. Consideramos la ecualización en el dominio de la frecuencia (FEQ) utilizando la estimación de canal propuesta tanto en el transmisor (preecualización) como en el receptor (posecualización) y comparamos las curvas de rendimiento de la tasa de error de bit (BER) resultante para ambos enfoques y varias técnicas de estimación de canal. Los resultados de la simulación muestran que el método basado en RVM propuesto es superior a la técnica tradicional de mínimos cuadrados.

• Materias:Ingeniería electrónica Redes Inalámbricas Codificación de video Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Video Coding Signal processing computer-assisted Data processing
• Palabras claves:nuevo método de estimación de canales, técnica tradicional de mínimos cuadrados, diversas técnicas de estimación de canales, marco de trabajo bayesiano, tasa de error binario, ecualización en el dominio de la frecuencia, máquina vectorial de relevancia, rvm, método, resultados de simulación
• Keywords:new channel estimation method, traditional least squares technique, various channel estimation techniques, bayesian frame work, bit error rate, frequency domain equalization, relevance vector machine, rvm, method, simulation results