跳到主要內容

簡易檢索 / 詳目顯示

回結果列表
研究生： 楊盛松
cheng-song yang
論文名稱： 複數訊號多層感知決策回授等化器-使用進化演算法
Multilayer perceptron decision feedback equalizer in complex signals based on evolutionary algorithms
指導教授： 賀嘉律
Chia-Lu Ho
口試委員:
學位類別： 碩士
Master
系所名稱： 資訊電機學院 - 電機工程學系
Department of Electrical Engineering
畢業學年度： 90
語文別： 中文
論文頁數： 74
相關次數： 點閱：9  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 論文提要及內容：
    由於在通訊通道中所傳送的訊號主要為複數訊號，而且自然界的通訊通道都是非理想的，這將使接收端所收到的訊號有所失真，此失真源自通道中的雜訊(Noise)及符元干擾(ISI)效應。使用決策回授等化器(DFE)可將此種失真降低。因此，我們想利用類神經網路(Neural)的架構配合最小均方演算法(LMS)、倒傳遞演算法(BP)及進化演算法(EAs)來實踐決策回授等化器處理複數訊號，進而比較各種演算法的性能。在本論文中，我們尤其強調進化演算法的優秀性能，其在處理實數訊號方面已有一些論文提過[1,2]，但在處理複數訊號的過程中，我們改善了進化演算法，所以在本論文中，我們也將實數訊號的處理含括在內。而且為了改善進化演算法的耗時缺點，我們也結合了EAs及BP，這種利用EAs求得最佳的一組權數(Weights)並以BP來調適此權數，在決策回授等化器處理訊號上將更為有用。除了各種演算法的介紹外，為了論文的完整性及一致性，本論文將從基本的等化器及類神經網路來開始討論，最後再將電腦模擬的結果附上以說明各種演算法的性能比較。

    目錄 圖目錄、表目錄 ……………………………………………………… Ⅲ 第一章 緒論 1-1 基本演算法簡介………………………………………….. 1 1-2 調適性濾波器簡介..……………………………………… 2 1-3 調適性濾波器的應用簡介……………………………….. 3 1-4 通道中訊號的傳輸……………………………………….. 6 1-5 研究動機………………………………………………….. 7 第二章 類神經網路架構應用在等化器上 2-1 等化器分類……………………………………………….. 8 2-2 類神經網路介紹………………………………………….. 10 2-3 多層感知器……………………………………………….. 13 2-4 以多層感知器實現未回授決策等化器………………….. 15 2-5 以多層感知器實現決策回授等化器…………………….. 17 第三章 最小均方演算法及倒傳遞演算法 3-1 多層感知決策回授等化器……………………………….. 19 3-2 實數域中的最小均方演算法…………………………….. 22 3-3 實數域中的倒傳遞演算法……………………………….. 24 3-4 複數域中的最小均方演算法…………………………….. 27 3-5 複數域中的倒傳遞演算法……………………………….. 29 第四章 進化演算法 4-1 進化演算法簡介…………………………………. 33 4-2 進化演算法流程…………………………………. 35 4-3 實數域的進化演算法……………………………. 38 4-3-1初始化……………………………………… 38 4-3-2重組………………………………………… 39 4-3-3突變………………………………………… 42 4-3-4評估………………………………………… 43 4-3-5選擇………………………………………… 45 4-3-6風險分析…………………………………… 45 4-4 複數域的進化演算法………………………………47 4-4-1初始化……………………………………… 47 4-4-2重組………………………………………… 48 4-4-3突變………………………………………….50 4-4-4評估………………………………………… 51 4-4-5選擇………………………………………… 53 4-4-6風險分析…………………………………… 54 第五章 模擬結果 5-1 實數訊號的模擬結果………………………………55 5-1-1收斂特性-均方誤差…………………………55 5-1-2收斂特性-適存度……………………………57 5-1-3位元錯誤率………………………………… 60 5-2 複數訊號的模擬結果………………………………63 5-2-1收斂特性-均方誤差…………………………63 5-2-2收斂特性-適存度……………………………65 5-2-3位元錯誤率………………………………… 68 第六章 結論………………………………………………………71 參考文獻………………………………………………………… 72

    參考文獻
    (Reference)
    [1] 莊文仲, 多層感知等化器-使用進化演算法, 國立中央大學電機工程研究所碩士論文, 2000.
    [2] 張吉良, 利用進化演算法在多層感知機結構之判別回授等化器, 國立中央大學電機工程研究所碩士論文, 2000.
    [3] S. Hakin, Adaptive filter theory, 3rd Edition, Prentice-Hall,
    Englewood Cliffs, NJ, 1996.
    [4] 張清濠, 使用健全學習法則的多項式類神經網路等化器, 國立交通大學電子研究所博士論文, Chap 1, 1995.
    [5] Bernard Sklar, Digital communications, 2nd Edition, Prentice-Hall, 2001.
    [6] 葉怡成, 類神經網路應用與實作, 儒林出版社, 1999.
    [7] James A. Freeman, Simulating neural networks with mathematica,
    Addison-Wesley, 1994.
    [8] S. Siu, G. Gibson, C. Cowan, “Decision feedback equalization using neural network structures and performance comparison with standard architectures” , IEE Proceedings, vol. 137, part. 1, no. 4,pp. 221-225, 1990.
    [9] Yoh-Han Pao, Adaptive pattern recognition and neural networks,
    Addison-Wesley, 1989.
    [10] G.J. Gibson, S. Siu, and C.F.N. Cowan, “The application of nonlinear structures to the reconstruction of binary signals”, IEEE Trans. Signal Processing, vol. 39, no. 8, pp. 1877-1884, 1991.
    [11] S. Chen, G.J. Gibson, C.F.N. Cowan, and P.M. Grant, “Reconstruction of binary signals using an adaptive radial-basis-function equalizer ”, Signal Processing, vol. 22, no. 1,pp. 145-158, 1995.
    [12] R.P. Lippmann, “An introduction to computing with neural nets”, IEEE ASSP Magazine, vol. 4, no. 2, pp. 4-22, 1987.
    [13] S.C. Huang, and Y.F. Huang, “Bounds on the number of hidden neurons in multi-layer perceptrons ”, IEEE Trans. Neural Networks, vol. 2, no. 1, pp. 47-55, 1991.
    [14] C.H. Chang, S. Siu, and C.H. Wei, “Decision feedback equalization using complex backpropagation algorithm”, in Proc. of IEEE International Symposium on Circuits and Systems, Hong Kong, June 1997, pp. 589-592.
    [15] C.H. Chang, S. Siu, and C.H. Wei, “Complex backpropagation decision feedback equalizer with decision using neural nets”, Journal of The Chinese Institute of Electrical Engineering, vol. 7, no. 1, pp. 63-69, 2000.
    [16] N. Benvenuto, and F. Piazza, “On the complex backpropagation algorithm”, IEEE Trans. Signal Processing, vol. 40, no. 4, pp. 967-969, 1992.
    [17] H. Leung, and S. Haykin, “The complex backpropagation algorithm”, IEEE Trans. Signal Processing, vol. 39, no. 9, pp. 2101-2104, 1991.
    [18] Back, Thomas, Evolutionary algorithms in theory and practice: evolution strategies, evolutionary programming, genetic algorithms, New York: Oxford University Press, 1996.
    [19] Back, Thomas, “Evolutionary computation: An overview”, Evolutionary Computation, Proceedings of IEEE International Conference on, pp. 20-29, 1996.
    [20] P. Power, F. Sweeney, C.F.N. Cowan, “ EA crossover schemes for a MLP channel equalizer “, Electronics, Circuits and Systems, 1999.
    Proceedings of ICECS ’99. The 6th IEEE International Conference,
    vol. 1, pp. 407-410, 1999.

    QR CODE
    :::