بهبود فرآيند كدينگ و ديكدينگ درشبكه هاي بيسيم نسل جديد (6G-5G) با هدف كاهش توان گيرنده به كمك يادگيري ماشين

دستيابي به قابليت اطمينان بالا و ظرفيت ارتباطي بي سيم سبب تحقيقات گسترده در ارتباطات 5Gو6G شده است.با اين حال،سيستم هاي ارتباطي فعلي،به طور قابل ملاحظه اي بهبود هاي عملكرد را محدود كردند و منجر به محدوديت هايي مي شوند.اخيرا تكنيك هاي يادگيري ماشين،به عنوان ابزاري اميدوار كننده براي مديريت سيستم هاي پيچيده شناخته شده و پتانسيل آنها براي ارتباطات بي سيم نشان داده شده است.بحث هاي قبلي در رابطه با موضوع به طور عمده روي تخمين كانال و كدهاي LDCP تمركز مي كنند. اين تحقيق تكميل و گسترش كارهاي پيشين مي باشد. بهبود فرآيند كدينگ و ديكدينگ در 5G به كمك يادگيري ماشين بررسي مي شود. در اين تحقيق از ابزار هاي يادگيري ماشين مانند Deep Learning و SVM و ... .استفاده خواهيم كرد اگرچه پيشاپيش حدس مي زنيم عمده كار با يادگيري ماشين خواهد بود.هدف مان بهبود فرايند كدينگ و ديكدينگ كانال سيستم مورد نظر مي باشد و هدف اختصاصي رفع چالش ها و مشكلات در فرآيند كدينك و ديكدينگ در سيستم هاي مخابراتي بيسيم نسل آينده وبهره مندي از طيف متنوعي از ابزارهاي يادگيري ماشين و ويژگي‌هاي آماري به جهت برآوردن هدف كلي است.به دست آوردن نتايج متنوع تر و بهتر به كمك به كارگيري ابزار ها و ويژگي ها (اين بهبود مي تواند كيفي باشد، يا اكتساب همان نتيجه با روش هاي آسان تر)