Decision feedback equalization using hybrid lattice-neural network structures.

(2000) Decision feedback equalization using hybrid lattice-neural network structures. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
10132.pdf

Download (3MB) | Preview

Arabic Abstract

إن البنية الغير خطية للشبكات العصبية يجعلها مناسبة لمعادة القناة خصوصاً إذا كانت القناة شديدة التشويه ، وفي هذه الرسالة قمنا بدراسة أداء ثلاث من أنظمة DFE المعتمدة على الشبكات العصبية مع/ بدون مرشح شبكي . البنية الشبكية معروفة بسرعة التقارب وعدم حساسيتها بانتشار القيم الهامة لمصفوفة ارتباط القناة . بداية تم دراسة أداء شبكة دالة الأساس النصف قطري المدربة من خلال خوارزمية أقل متوسط مربع البسيطة في DFE . ثانياً تم دراسة أداء الملاحظ متعدد الطبقات المدرب من خلال خوارزمية أقل المربعات التكراري في DFE . وأخيراً تم اقتراح بنية تعتمد على شبكات عصبية مزدوجة للتدريب الخطي لـ DFE ، ولقد جرى دراسة وتحليل النظم المقترحة باستخدام محاكاة الكمبيوتر ، ولقد قدمت نتائج للقنوات الساكنة والمتغيرة مع الزمن في أشكال منحنيات التعليم ومعدل الخطأ في الخانة لمختلف أنواع المعدلات .

English Abstract

The non-linear structure of neural networks makes it very suitable for channel equalization, especially when the channel is heavily distorted. In this thesis we investigate the performance of three different Neural Network based Decision Feedback Equalization schemes with and without Lattice filter. The lattice structures are well known for their fast convergence and insensitivity to the eigen value spread of the channel autocorrelation matrix. First, the performance of Radial Basis Function network trained through simple Least Mean Square algorithm is investigated for Decision Feedback Equalization. Second, the Multi Layer Perception trained through Recursive Least Squares algorithm is used for DFE and its performance is investigated. Finally, the hybrid neural network based structure is proposed for on-line training of DFE. These proposed schemes are investigated by means of computer simulations and results are presented for static and time varying channels in the form of Learning Curves and Bit Error Rate for different equalizer configurations.

Item Type: Thesis (Masters)
Subjects: Electrical
Department: College of Engineering and Physics > Electrical Engineering
Committee Advisor: Bubshait, Abdulaziz A.
Committee Members: Zerguine, Azzedine and Kousa, Maan A. G. and Al-Suwailem, Umar A. and Al-Duwaish, Hussain
Depositing User: Mr. Admin Admin
Date Deposited: 22 Jun 2008 13:57
Last Modified: 01 Nov 2019 13:57
URI: https://eprints.kfupm.edu.sa/id/eprint/10132