پديد آورنده :
پروين مهدوي
عنوان :
تخمين نسبت سيگنال به نويز در شبكه هاي بين خودرويي موج ميلي متري با استفاده از روش هاي يادگيري ماشين
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
شبكه هاي مخابراتي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
دوازده، 53ص.: مصور، جدول، نمودار
توصيفگر ها :
امواج ميليمتري , شبكههاي بين خودرويي , يادگيري ماشين , نسبت سيگنال به نويز
استاد داور :
احسان يزديان، فروغ سادات طباطبا
تاريخ ورود اطلاعات :
1401/09/29
رشته تحصيلي :
مهندسي برق مخابرات
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1401/09/29
چكيده فارسي :
باتوجه‌به افزايش تراكم ترافيك روزانه خودروها در جهان، افزايش ازدحام، تصادفات و آلودگي، بهبود ايمني و كارايي تردد وسايل نقليه يكي از چالش‌هاي اصلي زندگي مدرن است. يكي از اميدواركننده‌ترين رويكردها براي دستيابي به اين امر، هوشمند كردن وسايل نقليه با كمك قابليت‌هاي مختلف سنجش، ارتباطات و محاسبات به‌منظور ايجاد هماهنگي بين وسايل نقليه از طريق شبكههاي بين خودرويي است كه براي بهبود ايمني جاده‌ها و كاهش ترافيك و آلودگي مفيد است. شبكههاي بين خودرويي به‌عنوان يك رويكرد اميدواركننده براي سيستم حمل‌ونقل هوشمند مطرح‌اند. اين شبكه‌ها هيچ زيرساخت ثابتـي ندارنـد و در عوض بـه خود وسايـل نقلـيه متـكي هستنـد تا عملكـرد شبـكه را فراهـم كننـد. باتوجه‌به ضرورت ارسال سريع داده‌ها و همچنين حجيم بودن داده‌هاي ارسالي باتوجه‌به تعداد زياد سنسورها، فناوري امواج ميليمتري به‌عنوان يكي از بهينه‌ترين روش‌ها مطرح است. اين امواج باتوجه‌به طول موج‌كوتاه خود نسبت به موانع بسيار حساس هستند و نيازمند روش‌هايي براي بهبود هستند. هدف از اين پايان‌نامه بررسي و معرفي روش‌هاي بهينه موجود براي كاهش معايب استفاده از اين امواج است كه در ابتدا روش‌هاي موجود را بررسي و معرفي كرده و در انتها سه مدل يادگيري ماشين در جهت پيش‌بيني رفتار اين امواج معرفي مي‌شود كه در آن به پيش‌بيني نسبت سيگنال به نويز در دو سناريو مسير بزرگراهي و شهري به‌صورت مجزا مي‌پردازد. سپس اين سه مدل با هم مقايسه شده و در نهايت بهترين آن ها كه مدل شبكه عصبي است براي تخمين نسبت سيگنال به نويز در اين شبكه ها معرفي مي گردد.
چكيده انگليسي :
Due to the increase in the daily traffic density of cars in the world, the increase in congestion, accidents and pollution, improving the safety and efficiency of vehicle traffic is one of the main challenges of modern life. One of the most promising approaches to achieve this is to make vehicles intelligent with the help of various sensing, communication and computing capabilities in order to establish coordination between vehicles through inter-vehicle networks, which is useful for improving road safety and reducing traffic and pollution. Inter-vehicle networks are proposed as a promising approach for intelligent transportation system. These networks have no fixed infrastructure and instead rely on the vehicles themselves to provide network functionality. Due to the necessity of fast data transmission and also the large amount of data sent due to the large number of sensors, millimeter wave technology is considered as one of the most optimal methods. Due to their short wavelength, these waves are very sensitive to obstacles and need methods for improvement. The purpose of this thesis is to investigate and introduce the optimal methods available to reduce the disadvantages of using these waves, which first examines and introduces the existing methods, and at the end, three machine learning models are introduced to predict the behavior of these waves, in which the prediction of the signal ratio It deals with noise in two scenarios of highway and city route separately. Then these three models are compared and finally the best one which is the neural network model is introduced to predict the signal to noise ratio in these networks.
استاد راهنما :
مهدي مهدوي
استاد داور :
احسان يزديان، فروغ سادات طباطبا
