Análisis de rendimiento de la estimación de símbolos basada en aprendizaje profundo para la transmisión de imágenes a través de un sistema cooperativo

Este artículo investiga el impacto de un sistema de comunicación cooperativa de amplificación y reenvío (AF) en la transmisión de imágenes, empleando un nuevo estimador de símbolos basado en aprendizaje profundo (DL) en el terminal de destino (DT) que reemplaza la detección convencional de máxima verosimilitud (ML) y realiza la eliminación de ruido de imagen a través de filtrado de mediana. Se realiza un análisis exhaustivo y una comparación de rendimiento de todos los escenarios en términos de tasa de error de bit (BER) y métricas de calidad de imagen, incluyendo la relación pico de señal a ruido (PSNR), el índice de similitud estructural (SSIM) y el error cuadrático medio (MSE). Nuestras simulaciones y subsiguientes análisis demuestran que la estimación de símbolos basada en DL en un esquema cooperativo exhibe un rendimiento robusto en la detección de símbolos y eliminación de ruido para la transmisión de imágenes, comparable a los métodos convencionales, e incluso supera bajo ciertas condiciones.