Channel Estimation for Physical Layer Network Coding Systems

این SpringerBrief استراتژی‌های تخمین کانال را برای سیستم‌های کدگذاری شبکه فیزیکی بعدی (PLNC) ارائه می‌کند. همراه با مروری بر معماری‌های PLNC، این خلاصه چالش‌های جدیدی را که توسط ساختار ویژه انتقال‌های دو هاپ دو طرفه ایجاد می‌شود، بررسی می‌کند که با سیستم‌های نقطه‌به‌نقطه سنتی و سیستم‌های رله‌ای یک‌طرفه متفاوت است. نویسندگان استراتژی‌های تخمین کانال را بر روی سناریوهای محو شدن معمولی، از جمله محو شدن مسطح فرکانس، محو شدن انتخابی فرکانس و محو شدن انتخابی زمان، و همچنین جهت‌های تحقیقاتی آینده مورد بحث قرار می‌دهند. فصل‌ها عملکرد استراتژی تخمین کانال و ساختار بهینه دنباله‌های آموزشی را برای هر سناریو بررسی می‌کنند. علاوه بر تجزیه و تحلیل استراتژی‌های تخمین کانال، این کتاب همچنین به ضرورت بازبینی دیگر مسائل پردازش سیگنال برای سیستم PLNC اشاره می‌کند. تخمین کانال سیستم های کدگذاری شبکه لایه فیزیکی یک منبع ارزشمند برای محققان و متخصصان شاغل در ارتباطات و شبکه های بی سیم است. دانشجویان سطح پیشرفته که در رشته علوم کامپیوتر و مهندسی برق تحصیل می کنند نیز مطالب را مفید خواهند یافت.

This SpringerBrief presents channel estimation strategies for the physical later network coding (PLNC) systems. Along with a review of PLNC architectures, this brief examines new challenges brought by the special structure of bi-directional two-hop transmissions that are different from the traditional point-to-point systems and unidirectional relay systems. The authors discuss the channel estimation strategies over typical fading scenarios, including frequency flat fading, frequency selective fading and time selective fading, as well as future research directions. Chapters explore the performance of the channel estimation strategy and optimal structure of training sequences for each scenario. Besides the analysis of channel estimation strategies, the book also points out the necessity of revisiting other signal processing issues for the PLNC system. Channel Estimation of Physical Layer Network Coding Systems is a valuable resource for researchers and professionals working in wireless communications and networks. Advanced-level students studying computer science and electrical engineering will also find the content helpful.