检索结果-南通市图书馆

Improving Channel Estimation in a NOMA Modulation Environment Based on Ensemble Learning

Computer Modeling in Engineering & Sciences 2024年第8期140卷 1315-1337页

作者： lassaad k.smirani Leila Jamel Latifah Almuqren Elearning Deanship and Distance Education Umm Al-Qura UniversityP.O.Box 715MekkahSaudi Arabia Department of Information Systems College of Computer and Information SciencesPrincess Nourah bint Abdulrahman UniversityP.O.Box 84428Riyadh11671Saudi Arabia

This study presents a layered generalization ensemble model for next generation radio mobiles,focusing on supervised channel estimation *** estimation typically involves the insertion of pilot symbols with a well-balanced rhythm and suitable *** model,called Stacked Generalization for Channel Estimation(SGCE),aims to enhance channel estimation performance by eliminating pilot insertion and improving *** SGCE model incorporates six machine learning methods:random forest(RF),gradient boosting machine(GB),light gradient boosting machine(LGBM),support vector regression(SVR),extremely randomized tree(ERT),and extreme gradient boosting(XGB).By generating meta-data from five models(RF,GB,LGBM,SVR,and ERT),we ensure accurate channel coefficient predictions using the XGB *** validate themodeling performance,we employ the leave-one-out cross-validation(LOOCV)approach,where each observation serves as the validation set while the remaining observations act as the training *** performances’results demonstrate higher mean andmedian accuracy compared to the *** achieves an average accuracy of 98.4%,precision of 98.1%,and the highest F1-score of 98.5%,accurately predicting channel ***,our proposedmethod outperforms prior traditional and intelligent techniques in terms of throughput and bit error ***’s superior performance highlights its efficacy in optimizing channel *** can effectively predict channel coefficients and contribute to enhancing the overall efficiency of radio mobile *** extensive experimentation and evaluation,we demonstrate that SGCE improved performance in channel estimation,surpassing previous ***,SGCE’s capabilities have significant implications for optimizing channel estimation in modern communication systems.

关键词： Stacked generalization ensemble learning Non-Orthogonal Multiple Access(NOMA) channel estimation 5G

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：