Motivation:

Mehrantennensysteme sind aus modernen nachrichtentechnischen Systemen nicht mehr wegzudenken. Dabei bleibt eine effiziente performante Kanalschätzung eine herausfordernde Aufgabe. In dieser Arbeit sollen daher Machine Learning Konzepte, im speziellen neuronale Netze (NN), verwendet werden um klassiche Lösungsansätze der Kanalschätzung zu verbessern.

Ziel:

Es soll eine klassische MIMO-Kanalschätzung mittels NNs verbessert werden. Die suboptimale klassische Kanalschätzung soll hier als Eingang des NNs fungieren. Dieses wird mittels Daten und Supervised Learning trainiert und verbessert die vorliegende Schätzung. Das Training soll dabei offline erfolgen, sodass das NN anschließend nur noch ausgeführt wird um möglichst wenig Komplexität in das Gesamtsystem einzubringen. Es sollen verschiedene klassische Algorithmen als Eingang verwendet werden und die anschließende Güte der NN-Schätzung miteinander verglichen werden. Dabei ist besonderer Fokus auf die vergleichende Analyse zu legen.

Voraussetzungen:

Um diese Arbeit bearbeiten zu können, sind Kenntnisse aus der Vorlesung Advanced Topics in Digital Communications und Programmierkenntnisse in Python vorteilhaft. Die benötigten Kenntnisse lassen sich auch in der Einarbeitungsphase anlesen und erlernen.