Derin Öğrenme-Tabanlı Optimum Eşik Değeri ile Cihazdan Cihaza İşbirlikli İletişim Sistemlerinin Hata Başarımının İyileştirilmesi

Makine öğrenmesi teknikleri, hesaplama hızları, başarımları ve tam bilgiye sahip olunmayan durumlarda bile sunduğu çözümler sayesinde birçok mühendislik problemleri için vazgeçilmez bir araç haline gelmiştir. Tüm mühendislik alanlarında olduğu gibi, kablosuz iletişim sistemlerinde de makine öğrenmesi algoritmaları araştırmacılar tarafından yaygın olarak kullanılmaktadır. Bu çalışmada da makine öğrenmesi sınıfı olan derin öğrenme (Deep Learning -DL), kablosuz iletişim tekniklerinden biri olan işbirlikli iletişim (cooperative communication) sistemlerine uygulanmıştır. İşbirlikli haberleşme sistemlerinde, eşik değer tabanlı Çöz-Aktar (Decode and Forward -DF) protokolü kullanan röleler için röledeki eşik değerin ne olması gerektiği sistem performansında önemli rol oynamaktadır. Bu çalışmada, işbirlikli iletişim sistemlerinin hata başarımlarının arttırılması amacıyla röledeki eşik değerin DL tekniği kullanılarak rölelere ulaşan gürültülü veriden adaptif bir şekilde belirlenmesi önerilmektedir. DL modeli kullanılarak elde edilen optimum eşik değer ifadeleri, sistemin uçtan uca bit hata olasılığı ifadesinin nümerik olarak minimize edilmesiyle elde edilen optimum değerlerle karşılaştırılmıştır. DL tekniği kullanılarak elde edilen eşik değerler, nümerik olarak hesaplanan değerler ile oldukça yakın elde edilmiştir. Sabit eşik değer kullanımı ile optimum eşik değer kullanımı karşılaştırıldığında sistemin aynı hata olasılığında iletişim yapabilmesi için optimum eşik değer kullanımı yaklaşık 3dB daha düşük işaret gürültü oranına ihtiyaç duyduğu gözlenmiştir.

Machine learning techniques have become practical tools for many engineering problems thanks to computational speeds, performances and solutions even in situations where complete knowledge is not available. Likewise, in all engineering fields, machine learning algorithms are widely used by researchers in wireless communication systems. In this study, the deep learning (DL) which is a subset of machine learning, is applied to cooperative communication systems in wireless communications. In cooperative communication systems, for relays using threshold-based DF (Decode - Forward) protocol, the threshold value at relays have dominant effect on system performance. In this study, in order to increase the error performance of cooperative communication systems, it is proposed to determine the threshold value of the relay adaptively from the noisy signals reaching to the relays by using DL technique. The optimal threshold value expressions by obtained using the DL model have been compared with the optimum values obtained by numerically minimizing the end-to-end (e2e) bit error probability expression of the system. The threshold values obtained by using the DL technique have matched well with the numerically calculated values. Compared to usage of fixed threshold, it has been observed that optimum threshold usage needs approximately 3dB lower Signal to Noise Ratio (SNR) for the same error probability target.