With rapid increase in demand for h

With rapid increase in demand for higher data rates, multiple-input multiple-output (MIMO) wireless
communication systems are getting increased research attention because of their high capacity achieving
capability. However, the practical implementation of MIMO systems rely on the computational complexity
incurred in detection of the transmitted information symbols. The minimum bit error rate performance
(BER) can be achieved by using maximum likelihood (ML) search based detection, but it is
computationally impractical when number of transmit antennas increases. In this paper, we present a
low-complexity hybrid algorithm (HA) to solve the symbol vector detection problem in large-MIMO systems.
The proposed algorithm is inspired from the two well known bio-inspired optimization algorithms
namely, particle swarm optimization (PSO) algorithm and ant colony optimization (ACO) algorithm. In the
proposed algorithm, we devise a new probabilistic search approach which combines the distance based
search of ants in ACO algorithm and the velocity based search of particles in PSO algorithm. The motivation
behind using the hybrid of ACO and PSO is to avoid premature convergence to a local solution and
to improve the convergence rate. Simulation results show that the proposed algorithm outperforms the
popular minimum mean squared error (MMSE) algorithm and the existing ACO algorithms in terms of
BER performance while achieve a near ML performance which makes the algorithm suitable for reliable
detection in large-MIMO systems. Furthermore, a faster convergence to achieve a target BER is observed
which results in reduction in computational efforts.

ผลลัพธ์ (ไทย) 1:

มีเพิ่มขึ้นอย่างรวดเร็วในความต้องการสูงข้อมูลราคา ไร้สายหลายหลายรับเข้า (MIMO)ระบบการสื่อสารได้รับความสนใจการวิจัยเพิ่มขึ้นเนื่องจากการบรรลุความจุสูงความสามารถในการ อย่างไรก็ตาม ผลของระบบ MIMO พึ่งความซับซ้อนเชิงคำนวณเกิดขึ้นในการตรวจสอบสัญลักษณ์ข้อมูลนำส่ง ประสิทธิภาพอัตราผิดพลาดบิตต่ำสุด(BER) สามารถทำได้โดยตรวจสอบตามค้นหาความเป็นไปได้สูงสุด (มล) แต่ก็computationally ได้เมื่อจำนวนส่งเสาอากาศเพิ่มขึ้น ในเอกสารนี้ เรานำเสนอเป็นความซับซ้อนต่ำผสมอัลกอริทึม (HA) เพื่อแก้ปัญหาการตรวจหาเวกเตอร์สัญลักษณ์ในระบบ MIMO ขนาดใหญ่อัลกอริทึมเสนอเป็นแรงบันดาลใจจากอัลกอริทึมเพิ่มประสิทธิภาพแรงบันดาลใจจากชีวภาพรู้จักสองคือ อนุภาคฝูงเพิ่มประสิทธิภาพ (PSO) อัลกอริทึมและอัลกอริทึมเพิ่มประสิทธิภาพ (ACO) ฝูงมด ในอัลกอริทึมที่นำเสนอ เราประดิษฐ์ probabilistic ค้นหาวิธีใหม่ซึ่งรวมระยะทางที่ใช้ของมดใน ACO อัลกอริทึมการค้นหาและการค้นหาตามความเร็วของอนุภาคในอัลกอริทึม PSO แรงจูงใจหลังใช้ ไฮบริ ACO และ PSO จะหลีกเลี่ยงการบรรจบกันก่อนกำหนดเพื่อแก้ไขปัญหาท้องถิ่น และการปรับปรุงอัตราการลู่เข้า ผลการทดลองแสดงว่า อัลกอริทึมเสนอ outperformsค่าเฉลี่ยต่ำสุดยอดลอการิทึมข้อผิดพลาด (MMSE) อัลกอริทึมและอัลกอริทึม ACO อยู่ในรูปของประสิทธิภาพ BER ในขณะบรรลุประสิทธิภาพ ML ใกล้ซึ่งทำให้อัลกอริทึมเหมาะสมเชื่อถือได้ตรวจสอบในระบบ MIMO ขนาดใหญ่ นอกจากนี้ สังเกตบรรจบกันเร็วขึ้นเพื่อให้บรรลุเป้าหมาย BERซึ่งผลลัพธ์ในการลดความพยายามคำนวณ

ผลลัพธ์ (ไทย) 2:

ด้วยการเพิ่มขึ้นอย่างรวดเร็วในความต้องการสำหรับอัตราการส่งข้อมูลที่สูงขึ้นหลายอินพุตหลายเอาท์พุท (MIMO) ไร้สายระบบการสื่อสารจะได้รับความสนใจการวิจัยเพิ่มขึ้นเนื่องจากความจุสูงของพวกเขาประสบความสำเร็จในความสามารถ อย่างไรก็ตามการดำเนินการในทางปฏิบัติของระบบ MIMO พึ่งพาคอมพิวเตอร์ที่ซับซ้อนที่เกิดขึ้นในการตรวจสอบในสัญลักษณ์ที่ส่งข้อมูล ผลการดำเนินงานอัตราความผิดพลาดบิตขั้นต่ำ(เบอร์) สามารถทำได้โดยใช้ความน่าจะเป็นสูงสุด (ML) การตรวจสอบค้นหาตาม แต่มันก็ทำไม่ได้คอมพิวเตอร์เมื่อจำนวนการเพิ่มขึ้นของการส่งเสาอากาศ ในบทความนี้เรานำเสนอขั้นตอนวิธีการต่ำซับซ้อนไฮบริด (HA) เพื่อแก้ปัญหาเวกเตอร์สัญลักษณ์ปัญหาการตรวจสอบในระบบการขนาดใหญ่ MIMO. อัลกอริทึมที่นำเสนอเป็นแรงบันดาลใจจากทั้งสองรู้จักกันดีในขั้นตอนวิธีการเพิ่มประสิทธิภาพชีวภาพแรงบันดาลใจคือการเพิ่มประสิทธิภาพจับกลุ่มอนุภาค (PSO ) ขั้นตอนวิธีการและการเพิ่มประสิทธิภาพอาณานิคมมด (ACO) อัลกอริทึม ในขั้นตอนวิธีการที่นำเสนอเราประดิษฐ์วิธีการค้นหาความน่าจะเป็นใหม่ซึ่งรวมระยะตามการค้นหาของมดในขั้นตอนวิธีACO ค้นหาและความเร็วของอนุภาคตามขั้นตอนวิธี PSO แรงจูงใจที่อยู่เบื้องหลังการใช้ไฮบริดของ ACO และ PSO คือการหลีกเลี่ยงการบรรจบกันก่อนวัยอันควรที่จะเป็นทางออกที่ท้องถิ่นและการปรับปรุงอัตราการคอนเวอร์เจนซ์ ผลการจำลองแสดงให้เห็นว่าอัลกอริทึมที่นำเสนอมีประสิทธิภาพดีกว่าขั้นต่ำที่นิยมหมายถึงข้อผิดพลาดกำลังสอง (MMSE) ขั้นตอนวิธีการและขั้นตอนวิธีการที่มีอยู่ใน ACO ในแง่ของผลการดำเนินงานในขณะBER บรรลุผลการดำเนินงานที่อยู่ใกล้ ML ซึ่งจะทำให้ขั้นตอนวิธีการที่เหมาะสมสำหรับความน่าเชื่อถือการตรวจสอบในระบบขนาดใหญ่MIMO นอกจากนี้การบรรจบกันได้เร็วขึ้นเพื่อให้บรรลุเป้าหมาย BER เป็นที่สังเกตซึ่งจะส่งผลในการลดความพยายามในการคำนวณ

ผลลัพธ์ (ไทย) 3:

ด้วยการเพิ่มความต้องการสำหรับข้อมูลที่สูงกว่าอัตรา หลายตัวแปร MIMO ) ระบบสื่อสารไร้สาย
ได้รับเพิ่มขึ้นวิจัยความสนใจเพราะของความจุสูงบรรลุ
ความสามารถ อย่างไรก็ตาม การใช้ประโยชน์ของระบบ MIMO อาศัยความซับซ้อนในการคำนวณ
ที่เกิดขึ้นในการส่งผ่านข้อมูลสัญลักษณ์ขั้นต่ำอัตราความผิดพลาดบิตประสิทธิภาพ
( เบอร์ ) สามารถทำได้โดยการใช้ความน่าจะเป็นสูงสุด ( ml ) ค้นหาตรวจจับตาม แต่มัน
computationally ยากมาก เมื่อจำนวนส่งเพิ่มเสาอากาศ ในกระดาษนี้เราเสนอ
ต่ำความซับซ้อนขั้นตอนวิธีลูกผสม ( ฮา ) เพื่อแก้ไขปัญหาในระบบ MIMO เวกเตอร์สัญลักษณ์การตรวจสอบขนาดใหญ่ .
วิธีที่เสนอแรงบันดาลใจจากสองที่รู้จักกันดีขั้นตอนวิธีการเพิ่มประสิทธิภาพทางชีวภาพแรงบันดาลใจ
คือการหาฝูงอนุภาค ( PSO ) ขั้นตอนวิธีและอาณานิคมมด ( ACO ) ขั้นตอนวิธี ใน
เสนอขั้นตอนวิธีการค้นหาแบบใหม่ที่เราสร้างขึ้นซึ่งรวมระยะทางที่ใช้ในการค้นหาของมด
ACO และความเร็วตามขั้นตอนวิธีการค้นหาของอนุภาคในระบบ .แรงจูงใจ
หลังใช้ไฮบริดของ ACO PSO เป็นและเพื่อหลีกเลี่ยงการบรรจบกันก่อน เพื่อแก้ปัญหาท้องถิ่นและ
เพื่อปรับปรุงอัตราการลู่เข้า . ผลการจำลองแบบแสดงให้เห็นว่าวิธีที่เสนอมีประสิทธิภาพดีกว่า
หมายถึงความผิดพลาดกำลังสองน้อยที่สุดที่ได้รับความนิยม ( ข้อมูล ) และขั้นตอนวิธีขั้นตอนวิธีที่มีอยู่ในแง่ของ aco
เบอร์ประสิทธิภาพในขณะที่บรรลุใกล้ ml ประสิทธิภาพซึ่งทำให้ขั้นตอนวิธีนี้เหมาะสําหรับที่เชื่อถือได้
ตรวจจับในระบบ MIMO ที่มีขนาดใหญ่ นอกจากนี้ บรรจบกันได้เร็วขึ้นเพื่อให้บรรลุเป้าหมายเบอร์เป็นที่สังเกต
ซึ่งผลในการลดความพยายามในการคำนวณ