KFUPM ePrints

Neural network based nonlinear blind equalization schmes for high order M-ary QAM signals.

Abrar, Shafayat (2000) Neural network based nonlinear blind equalization schmes for high order M-ary QAM signals. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
5Mb

Arabic Abstract

تناقش هذه الرسالة بعض الأساليب لتحسين نظم المعادلة العمياء الموجهة باستخدام الشبكات العصبية . في البداية : تم اشتقاق خوارزمية الانتشار الخلفي المركب لخوارزمية المقياس الثابت المعدل ثنائي الكيفية ، ولجعلها تعمل مع بنية الشبكات العصبية تم تقديم معامل الكسب لتفادي القيم الصغرى المحلية . كما تم اقتراح نظام ثنائي الكيفية ، والذي يمكنه التحويل من الكيفية العمياء إلى الكيفية الموجهة دون الحاجة إلى معامل الكسب . كما تم مناقشة بعض الخوارزميات المعـادلة العـمياء الموجهة الجديدة . ثانياً : تم اقتراح خوارزمية قف واذهب متكيفة لإعطاء قدرة تعقب أفضل . ثالثاً : تم اقتراح فكرة استخدام دالتي تفعيل متتاليتين في العصب الخارجي من أجل الحصول على ارتباط أفضل بين الجزء الحقيقي ، والجزء الخيالي من البيانات الخارجة ، وأيضاً للحصول على متوسط مربع خطأ أقل في الحالة المستقرة . رابعاً : تم تكييف الطبقية الغير خطية لدالة التفعيل ، وذلك بناء على طاقة الخطأ لإعطاء تقارب سريع ، وتحسين الاتزان . أخيراً تم اشتقاق نظام قف واذهب الموجهة المعتمد على أقل مربع تكراري لنية الملاحظ المتعدد الطبقات ذو القيمة المركبة . ولقد أظهرت النظم المقترحة نتائج ممتازة بمحاكاتها على قنوات ذو قيمة مركبة لنبضات M-ary QAM .

English Abstract

This thesis discusses some techniques to improve the neural netwok based decision directed blind equalization scheme. First, a Complex Back-Propagation algorithm is derived for Dual-Mode Modified Constant Modulus Algorithm; and to make it functional with MLP structure, a "gain-factor" is introduced to avoid local minima. A new dual-mode scheme is also proposed, which switches from blind to decision-directed mode without needing any gain-factor. Some new decision-directed blind equalization algorithms are also discussed. Second, an adaptive Stop-and-Go algorithm is proposed to give better tracking capability. Third, the idea of using two cascaded activation functions in the output neuron is proposed to obtain better correlation between the real and the imaginary parts of the output data and to get lower steady-state Mean-Square-Error. Fourth, the nonlinearity of the activation function is made adaptive based on the energy and kurtosis of the error, giving faster convergence speed and improved stability. Finally, a Recursive Least Square based Stop-and-Go Decision-Directed scheme is derived for the complex-valued multilayer perception structure. Proposed schemes, simulated on complex-valued channels for M-ary QAM signals, are showing excellent performance.



Item Type:Thesis (Masters)
Date:May 2000
Date Type:Completion
Subjects:Electrical
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Creators:Abrar, Shafayat
Committee Advisor:Bettayeb, Mammar
Committee Members:Al-Darwish, Hussain Nasir and Zerguine, Azzedine and Kousa, Maan A. G. and Semari, S.A
ID Code:9542
Deposited By:KFUPM ePrints Admin
Deposited On:22 Jun 2008 16:43
Last Modified:25 Apr 2011 08:51

Repository Staff Only: item control page