طراحی مدل بسط پایه‌ای برای تخمین کانال‌های دوگانه‌گزین تنک به کمک فراگیری واژه‌نامه

در این مقاله تخمین کانال دوگانه‌گزین تنک در سیستم‌ OFDM با استفاده از نظریۀ حسگری فشرده(CS)  بررسی شده است. این نظریه کمک می‌کند تا در تخمین کانال برای دست‌یابی به میانگین مربعات خطای ثابت، نسبت سمبل‌ راهنمای مورد نیاز را کاهش و به‌طور معادل راندمان طیفی را افزایش داد. این موضوع در کانال‌های دوگانه‌گزین، اهمیت زیادی دارد. در کانال‌های دوگانه‌گزین، در مدل‌کردن کانال به تعداد متغیر بیشتر و درنتیجه، تعداد سمبل راهنمای بیشتر نیاز است. مدل بسط پایه‌ای (BEM) قبلاً در تخمین و همسان‌سازی کانال‌های دوگانه‌گزین استفاده ‌شده است. برای بهره‌گیری بیشتر از مزایای حسگری فشرده، پیشنهاد می‌شود در طراحی BEM برای استفاده در تخمین کانال‌های دوگانه‌گزین تنک، به بهبود تنکی ضرایب این بسط توجه شود. برای این منظور، در این مقاله پیشنهاد می‌شود ‏از الگوریتم K-SVD استفاده ‌شود که از محبوب‌ترین روش‌های فراگیری واژه‌نامه است. در این مقاله با ساختار خوشه‌ای برای سمبل‌های راهنما، از تداخل بین - زیرحاملی اجتناب شده است. همچنین،‌ ضرایب مربوط به تداخل بین - زیرحاملی تخمین زده می‌شوند تا در همسان‌سازی استفاده شوند. نتایج شبیه‌سازی بهبود عملکرد ازنظر میانگین مربع خطای نرمالیزه‌شده و میزان خطای بیت سیستم در حضور تخمین‌گر مبتنی بر حسگری فشرده با پایه‌های پیشنهادی نسبت به تخمین‌گر متناظر مبتنی بر پایه‌های DFT-DPSS را نشان می‌دهند.