Kod Bölmeli Çoklu Erişim (CDMA) sisteminin gezgin haberleşme uygulamalarında, özellikle hücresel haberleşme sistemlerinde, gezgin kullanıcıların baz istasyonuna olan farklı uzaklıklarından dolayı, her bir kullanıcı değişik güç seviyelerinde algılanabilir. Bu durumda, yakın kullanıcının sinyali uzak olanın sinyalinde bozucu etki yapar ki, bu durum yakın-uzak problemi olarak adlandırılır. Bu durumun önlenmesi için, her bir kullanıcı sinyalinin baz istasyonunda aynı güç seviyesinde alınması sağlanır. Bu amaçla, açık döngü ya da kapalı döngü güç kontrolü yapılır. Açık döngü kontrolde baz istasyonundan gelen sinyal gücü gezgin kullanıcıda değerlendirilerek, verici gücü ayarlanır. Açık döngü kontrol pek hassas değildir. Kapalı döngü kontrolde ise baz istasyonu, kullanıcının güç seviyesini algılar ve onu gerekli seviyede tutmak için kullanıcıya güç kontrol sinyali gönderir. Güç seviyesinin algılanmasında ve kontrolünde klasik ve bulanık mantık yöntemlerinden başka yapay sinir ağları da kullanılmaktadır. Bu çalışmada, güç seviye algılamasında ve kontrolünde yapay sinir ağı (YSA) kullanarak klasik yöntemlere göre daha iyi sonuçlar elde edilen literatürdeki çalışmalar incelenerek, sonuçlar değerlendirilmiştir.
In the cellular communication applications of Code Division Multiple
Access (CDMA) system, each user signal can be received in the different
power levels in the input of the base station due to different distances
of the users. In that case, signal of the user that is closer to the
base station causes that far user communicates with errors. This
situation is called as Near-Far problem. To prevent this situation, open
or closed loop power control system is used to make each user signal
equals in the input of the base station. In the open loop control,
transmitter power is adjusted by evaluating the received base station
power at the mobile user. This type of control is not sensitive. In the
closed loop control, base station predicts the power level of the user
and sends the power control signal to the user to assure its power in
the desired level. Power prediction and power control have been
performed with various methods such as classical, fuzzy and neural
network in the literature. In this study, papers in the literature on
power prediction and control with beter results respect to classical
methods by using neural network are examined and results were evaluated.
Journal Section | Articles |
---|---|
Authors | |
Publication Date | January 15, 2010 |
Submission Date | October 23, 2017 |
Published in Issue | Year 2010 Volume: 2 Issue: 1 |
All Rights Reserved. Kırıkkale University, Faculty of Engineering and Natural Science.