(1999) Neural networks-based decision feedback equalization using lattice structure. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF 10362.pdf Download (3MB) | Preview

Arabic Abstract

إن القنوات الشديد التشويه للمعلومات تحد من استخدام المعدلات الخطية فيصبح استخدام المعدلات الغير خطية معقولاً . معظم المعلات الغير خطية معقدة جداً ، مثلاً معدل فولتيرا ، مما يجعله غير مناسبة للاستخدام الحقيقي . إن المعدلات المعتمدة على الشبكات العصبية ، وخصوصاً الملاحظ المتعدد الطبقات ، فعالة حسابياً مما يجعلها بديل للمعدلات الغير خطية . ولكن من عيوب هذه المعدلات المعتمد على الملاحظ المتعدد الطبقات أنها بطيئة التقارب مما يحد من استخداماتها العملية . في هذه الرسالة ، قمنا بدراسة وتحليل طريقة لزيادة سرعة تقارب معدلات الملاحظ المتعدد الطبقات باستخدام مرحلة مشهورة وسريعة التقارب تدعى معالج مرشح شبيكي في مدخل معدل الملاحظ المتعدد الطبقات . الخوارزميات الشبيكية معروفة بسرعة التقارب وعدم حساسيتها بانتشار القيم الهامة لمصفوفة ارتباط القناة . قيم أداء المرشحات الجديدة المتكيفة الغير خطية المعتمدة على الشبكات العصبية المتعامدة مبدئياً باستخدامها في المعدلات المتكيفة لقنوات إرسال المعلومات الخطية والغير خطية والمتغيرة زمنياً في وجود تشويش جاوسيأبيض وملون بالنسبة لإشارات PAM . إن قوة خوارزمية RLS بالإضافة إلى المرشح الشبيكي أدى إلى تحسن كبير في أداء المعدلات المعتمدة على الملاحظ المتعدد الطبقات وهذا التح،سن يظهر في سرعة التقارب وانخفاض متوسط مربع الخطأ ، وكذلك انخفاض معدل الخطأ في الخانة . ولقد جرى دراسة وتحليل هذه الطريقة المقترحة باستخدام محاكاة الكمبيوتر وعرضت النتائج في أشكال رسوم بيانية للانتشار ورسوم بيانية للعين ومنحنيات التعليم ومنحنيات معدل الخطأ في الخانة لمعدلات في حالات مختلفة وقنوات مختلفة .

English Abstract

The heavily distorting channels limit the use of the nonlinear equalizers becomes admissible. Most nonlinear equalizers, e.g. Voltera type, are usually too complicated to meet real-time processing demands. Neural networks-based equalizers, especially the Multi-Layer Perceptron (MLP) based equalizers, are computationally efficient alternative to currently used nonlinear filter realizations. The drawback of the MLP-based equalizers is their slow rate of convergence, which limit their use in practical systems. In this thesis, we have studied and analyzed one way to increase the convergence rate of the MLP-based equalizer by employing the well-known fast-converging lattice filter processor module at the input of the MLP equalizer. Lattice algorithms are known for their fast convergence and insensitivity to the eigen-value spread of the channel correlation matrix. The performance of the new pre-orthogonalized neural-network based adaptive nonlinear filters is evaluated by applying them as adaptive equalizers for linear, nonlinear and time-variant data communication channels in both additive White and Colored Gaussian noise environments for PAM signaling. The powerful RLS algorithm together with the lattice filter lead to the improvement in the performance of the MLP-based equalizers in terms of convergence rate, Mean-Squared Error (MSE), and the bit error rate (BER). The analysis of the proposed scheme is done by means of computer simulations and the results are presented in the form of scatter diagrams, eye diagrams, learning curves and bit error rate (BER) curves for different equalizer configurations and channel conditions.

Item Type:	Thesis (Masters)
Subjects:	Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Bettayeb, Mammar
Committee Members:	Zerguine, Azzedine and Kousa, Maan A. G. and Al-Semari, Saud A. and Al-Duwaish, Hussain
Depositing User:	Mr. Admin Admin
Date Deposited:	22 Jun 2008 14:03
Last Modified:	01 Nov 2019 14:00
URI:	http://eprints.kfupm.edu.sa/id/eprint/10362