Evaluasi Penerapan Algoritma Neural Network Sebagai Teknik Reduksi PAPR Pada Sistem OFDM

Mohamad Ridwan(1*), Melki Mario Gulo(2), Yoedy Moegiharto(3), arifin arifin(4), Muhammad Milchan(5)

(1) Politeknik Elektronika Negeri Surabaya
(2) Politeknik Elektronika Negeri Surabaya
(3) Politeknik Elektronika Negeri Surabaya
(4) Politeknik Elektronika Negeri Surabaya
(5) Politeknik Elektronika Negeri Surabaya
(*) Corresponding Author

Abstract


Pada makalah ini dilakukan evaluasi kinerja algoritma Neural Network sebagai teknik reduksi sistem OFDM.  Hasil simulasi untuk sinyal OFDM dengan jumlah subcarrier sebanyak 64 dan modulasi 16 QAM menunjukkan penerapan algorima NN menghasilkan penurunan nilai PAPR sekitar 5,6 dB dari PAPR sinyal OFDM tanpa reduksi. Juga dibandingkan dengan teknik reduksi PAPR metode Iterative Clipping and Filtering, (ICF), Selective Mapping (SLM) dan Partial Transmit Sequence (PTS). Dari kurva CCDF juga ditunjukkan bahwa metode NN menghasilkan kinerja yang lebih baik dibanding metode digabungkan dengan teknik Iterative Clipping and Filtering, (ICF), Selective Mapping (SLM) dan Partial Transmit Sequence (PTS). Evaluasi di sisi penerima dengan pengamatan nilai bit error rate, penerapan algoritma NN memiliki kinerja yang terbaik

Article metrics

Abstract views : 293 | views : 42

Full Text:

PDF (Bahasa Indonesia)

References


K. Anoh, C. Tanriover, and B. Adebisi, ‘‘On the optimization of iterative clipping and filtering for PAPR reduction in OFDM systems,’’ IEEE Access, vol. 5, pp. 12004–12013, Jun. 2017.

M. Ali, R. K. Rao, and V. Parsa, ‘‘PAPR reduction in OFDM system using new method for generating pseudo-random sequence for SLM technique,’’ in Proc. IEEE Can. Conf. Elect. Comput. Eng. (CCECE), Quebec City, Canada, , pp. 1–4, May 2018.

M.V.R. Vittal, K.R. Naidu, “A novel reduced complexity optimized PTS technique for PAPR reduction in wireless OFDM systems”, Egyptian Informatics Journal. 18 pp. 123-131, 2017.

M. Kim, W. Lee, and D.-H. Cho, “A novel PAPR reduction scheme for OFDM system based on deep learning,” IEEE Commun. Lett., vol. 22, no. 3, pp. 510–513, Mar. 2018.




DOI: https://doi.org/10.35314/isi.v6i1.1934

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: jurnalinformatika@polbeng.ac.id
www.polbeng.ac.id

Web Analytics
View My Stats