Journal of Iranian Association of Electrical and Electronics Engineers

fa تخصیص منابع هوشمند در سیستم‌های مخابراتی بی‌سیم مبتنی بر شبکه‌های عصبی عمیق Intelligent Resource Allocation in Wireless Communication Systems Based on deep Neural Networks مخابرات Communication پژوهشي Research شبکه‌ موبایل نسل پنجم (5G) با هدف ارائه نرخ داده بالاتر، مصرف انرژی کمتر و تأخیر بسیار کوتاه طراحی شده است. با افزایش تقاضا برای خدمات سلولی و محدودیت منابع موجود برای ارائه آن، مدیریت کارآمد ترافیک و عملیات شبکه به چالش توزیع منابع، تبدیل شده است. تخصیص منابع (RA) در سیستم‌های مخابراتی بی‌سیم، فرآیندی هوشمندانه با هدف برآوردن نیازهای کاربران نهایی است. در مقابل رویکردهای سنتی که در آنها استراتژی بهینه برای RA بر اساس مدل‌های تحلیلی و با استفاده از مجموعه‌ای از مفروضات تعیین می‌شود، روش مبتنی بر شبکه‌های عصبی عمیق می‌تواند با اتکا به توانایی تطبیق‌پذیری آن با محیط، به طور مستقیم از داده‌های واقعی کانال برای دستیابی به استراتژی مطلوب استفاده کند و عملکردی برتر ارائه دهد. در این مقاله، طرحی هوشمند مبتنی بر شبکه‌های عصبی عمیق برای RA در شبکه‌های 5G ارائه می‌شود که شامل مخابره سلولی کاربر (CUE) با ایستگاه پایه و ارتباط D2D بین کاربران است. در این مقاله، با در نظر گرفتن مدل سیستم غیرایده‌آل، تخصیص منابع با اهداف حداکثر بهره‌وری طیفی (Max SE)، حداکثر کارایی انرژی (Max EE) و حداقل توان انتقالی Min PW)) با در نظر گرفتن محدودیت‌های تداخل، کیفیت خدمات (QoS) و حداقل توان انتقالی، ارائه می‌گردد. این مدل سیستم در مقایسه با مدل‌های ایده‌آل و بدون نویز در مطالعات گذشته، به مدل سیستم واقعی نزدیک‌تر است. در سیستم مدل غیرایده‌آل، نقیصه‌های سخت‌افزاری در گره‌های فرستنده و گیرنده (DUE و UE) در نظر گرفته شده و همچنین پس از پردازش داده‌های ورودی در شبکه عصبی عمیق (DNN)، جهت رفع خطاهای موجود در داده‌های ورودی به دلیل خطا در تخمین اطلاعات کانال، از شبکه خودرمزنگار خودکار حذف نویز (DAE) استفاده می‌شود. نتایج شبیه‌سازی نشان‌دهندۀ دستیابی به نتایج بهتر برای Max SE، Max EE و Min PW با حذف نویزهای ناخواسته کانال برای این مدل سیستم است.   5G networks are designed to provide higher data rates, lower energy consumption and very short latency. Resource allocation (RA) in wireless communication systems is an intelligent process to allocate the limited resources available in different blocks of these systems in order to meet the needs of end users. In contrast to traditional approaches in which the optimal strategy for RA is determined based on analytical models and using a set of assumptions, the method based on deep neural networks can rely on its ability to adapt to the environment directly from real channel data to achieve use the optimal strategy and provide superior performance in practice. In this paper, an intelligent scheme based on deep neural networks is presented for RA in 5G networks, which includes user-to-base station (CUE) cellular communication and D2D communication between users. In this plan, by considering the non-ideal system model, we achieve the dedicated resources (Maximum Production Efficiency (Max SE), Energy Efficiency (Max EE) and Minimum Transmission Power Min PW)) with interference constraints, QoS and minimum transmission power. Uses non-ideal.   سیستم‌های مخابراتی بی‌سیم, تخصیص منابع, شبکه‌های عصبی عمیق, شبکه‌ی خودرمزنگار حذف نویز Wireless communication systems (WCS), resource allocation (RA), deep neural networks (DNN), denoising auto encryption network (DAE). 19 28 http://jiaeee.com/browse.php?a_code=A-10-2362-6&slc_lang=fa&sid=1 Hadis Hayatolgheybi حدیث حیوت‌الغیبی hayatolgheybhadis@yahoo.com 100319475328460013358 100319475328460013358 No Department of Electrical and Computer Engineering, Qom University of Technology دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی قم Ali Kuhestani علی کوهستانی kuhestani@qut.ac.ir 100319475328460013359 100319475328460013359 Yes Department of Electrical and Computer Engineering, Qom University of Technology دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی قم Mohammadreza Keshavarzi محمدرضا کشاورزی mrkeshavarzi@itrc.ac.ir 100319475328460013360 100319475328460013360 No ICT Research Institute, Iran Telecommunication Research Center (ITRC) پژوهشکده فناوری ارتباطات، پژوهشگاه ارتباطات و فناوری اطلاعات