Sayısal iletişim kanallarının yapay sinir ağları kullanarak dengelenmesi
Equalization of digital communication channels by using artificial neural networks
- Tez No: 97492
- Danışmanlar: DOÇ. DR. NECMİ TAŞPINAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Kanal denkleştirme, Sayısal iletişim, Yapay sinir ağları, İletişim kanalları, Channel equalization, Digital communication, Artificial neural networks, Communication channels
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET İletişim kanalları üzerinden yüksek hızda veri iletimi isteği sürekli artmaktadır. İletişim kanalları genelde band sınırlamak frekans cevabına sahip lineer filtreler olarak modellenmiştir. Bandı sınırlanmış sembollerin enerjisi zamana yayılır ve semboller arası girişim ortaya çıkar. Bu lineer distorsiyonun bir sonucu olarak gönderilen semboller zaman aralıklarında üst üste çakışır. Bu lineer distorsiyona ilave olarak gönderilen semboller çoğu kez termal gürültü, modülasyon/demodülasyon işlemlerinden meydana gelen lineer olmayan distorsiyon, kanallar arası girişim ve kanalın kendi doğası gibi başka bozulmalara da uğrar. Alıcıda, kanalın neden olduğu distorsiyonla mücadele ve gönderilen sembolleri geri almak için kullanılan tüm işaret işleme planlarına dengeleme denir. Lineer dengelemede FIR yapılı bir lineer adaptif filtre kullanılır. Filtrenin katsayılarının adaptasyonu için genellikle yinelemeli en küçük kare veya en küçük karesel ortalama hata algoritması kullanılmıştır. Kanal, band genişliği içinde derin spektral sıfıra sahip olduğunda lineer dengeleme yetersiz iş görebilir. Bu sınırlamanın üstesinden gelmek için karar geri beslemeli dengeleyiciler kullanılabilir. Eğer lineer olmayan kanal distorsiy onları ihmal edilemeyecek kadar şiddetli ise yukarıda adı geçen algoritmalar önemli performans zayıflamasından zarar görürler. Son yıllarda araştırmacılar lineer ve lineer olmayan kanalların dengelenmesinde ileri beslemeli yapay sinir ağı (YSA) kullanmaya başlamışlardır. Bu araştırmalarda, YSA dengeleyiciler önemli performans iyileşimi göstermiştir. Bu iyileşme YSA'lann çok katlı yapısı ve lineer olmayan aktivasyon fonksiyonlarına sahip olmaları ile başarılmıştır. Bununla birlikte çok katlı algılayıcı mimarisi kullanan YSA dengeleyiciler- genelde çok miktarda hesaplama gerektirir. Üstelik onlar genelde yavaş yakınsama ile karakterize edilmiştir. Bu fazla hesaplama yükünden kurtulmak için geri beslemeli sinir ağlan kullanılmıştır. Geri besleme özelliği derin spektral sıfırlı lineer olmayan kanalların dengelenmesinde YSA'lann kullanılmasını mümkün kılmıştır. Küçük boyutlu geri beslemeli ağlar, iletişim kanallanmn tersini tamamen modellemede diğer dengeleme tekniklerinden daha üstün kabiliyete sahiptir. Bu tezde, kanal dengelemede kullanılan geleneksel metodlar ile YSA' lar araştınlmış ve karşılaştırma yapılmıştır.'
Özet (Çeviri)
VI ABSTRACT The demand for high speed data transmission over communication channels continual increasing. Communication channels are usually modeled as linear filters, having a band limiting frequency response. Energy of band limited symbols spreads at time and intersymbol interference occurs. As a result of linear distortion, the transmitted symbols are overlapped over successive time intervals. In addition to the linear distortion, transmitted symbols are subject to other impairments, such as thermal noise, nonlinear distortion arising from the modulation /demodulation process, co-channel interference and nature of the channel itself. All the signal processing techniques used at the receiver to combat the introduced channel distortion.and recover the transmitted symbols, are called equalization schemes. Linear equalization employs a linear adaptive filter with a finite impulse response structure. Usually a recursive least square algorithm or a least mean square algorithm is used for adaptation of the coefficients of filter. When the channels have a deep spectral null in its bandwidth, linear equalization can performs poorly. Decision feedback equalization can be employed to overcome this limitation. If nonlinear channel distortion is too severe to ignore, the aforementioned algorithms suffer from severe performance degradation. In recent years, researches started to use a feedforward artificial neural network (ANN) for equalization of linear and nonlinear channels. In these searching ANN equalizers shown significant performance improvements. This improvement have been achieved through its multilayer perceptrons and nonlinear activation function. However, ANN equalizers using multilayer perceptron structure usually require a large amount of computation. Furthermore, they are usually characterized with the slow convergence. To get away from large amount of computation load, recurrent neural networks are used at the equalization. Its feedback property makes possible them use for the equalization of nonlinear channels. Recurrent neural networks with small size, they have the ability to accurately model the inverse of communication channel with superior than that of the other equalization schemes. In this thesis, the traditional methods and ANNs be used to the channel equalization have been introduced and compared.
Benzer Tezler
- Radyo-televizyon kuruluşları için kamuoyu araştırmalarının önemi ve Türkiye'de durum
Başlık çevirisi yok
AYFER SÜREN
- Türk kamu yönetiminde danışman kurumlar ve danışmanlar
Costancy establishments and consultanst in the public administration of Turkey
NECAT AKSU
- Identification and equalization of fading channels using higher-order statistics and cyclostationarity
Başlık çevirisi yok
BURAK GÖKMEN
Yüksek Lisans
İngilizce
1997
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiDOÇ. DR. AYŞIN ERTÜZÜN
- Input sequenle estimation and blind channel identification in HF communication
Giriş bilinmeyen iletişim kanallarının hatasız tanınması
MOHAMED KHAMES BEN HADJ MİLED
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ORHAN ARIKAN
