Resumen

La multiplexación por división de frecuencia ortogonal (OFDM, por sus siglas en inglés) se aplica extensamente en la bajada de Internet de las Cosas de banda estrecha (NB-IoT). Sin embargo, la alta relación de potencia pico a promedio (PAPR) de los sistemas OFDM conlleva a una disminución en la eficiencia del transmisor. Por lo tanto, los investigadores propusieron esquemas de reducción de PAPR basados en redes neuronales artificiales (ANN). Sin embargo, estos esquemas tienen las desventajas de una alta complejidad o no pueden superar los defectos de los esquemas tradicionales. En este artículo, se propone un nuevo esquema de reducción de PAPR basado en redes neuronales (NN) para sistemas OFDM. Este esquema establece un módulo de reducción de PAPR basado en NN, el cual es entrenado utilizando los datos de bajo PAPR obtenidos por el método simplificado de recorte y filtrado (SCF). Para superar el defecto del pobre rend

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Multiplexación por división de frecuencia; OFDM; Internet de las cosas; Reducción de la relación de potencia pico a promedio; Redes neuronales; Rendimiento de tasa de error de bit
• Keywords:Frequency division multiplexing; OFDM; Internet of Things; PAPR reduction; Neural networks; BER performance