應用進化演算法於類神經網路之判別回授
等化器與探討各參數對performance的影響

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：30

、訪客IP：18.191.189.124

姓名

洪漢昇(Han-Sheng Hong) 查詢紙本館藏

畢業系所

電機工程學系

論文名稱

應用進化演算法於類神經網路之判別回授等化器與探討各參數對performance的影響
(Equalizer based on multi-layerperceptron with using EvolutionaryAlgorithm. )

相關論文

★ 以調適性類神經網路系統實現預先失真器補償 RF 功率放大器之非線性效應	★ 進化演算法應用在數位濾波器之最佳化設計
★ 進化演算法之動態分析及應用於數位濾波器之設計	★ WDM同步光纖網路加入/取出多工器效應之評估
★ PN碼對多重路徑的估測	★ 多層感知等化器-使用進化演算法
★ Lp Norm 倒傳遞演算法使用在調適性濾波器	★ 利用進化演算法在多層感知機結構上之判別回授等化器
★ 模糊類神經網路結合進化演算法運用在基頻通道等化器上	★ 使用進化演算法的模糊化類神經網路等化器
★ 新式的電信網路主參考信號源	★ 進化演算法結合多層感知機架構運用在4-QAM決策迴授等化器上
★ 進化演算法應用在多層感知迴授等化器上之效能分析	★ 複數訊號多層感知決策回授等化器-使用進化演算法
★ 頻移相位同調光纖通信系統的效能分析	★ 多層感知器對輸入與權值誤差的敏感度分析及倒傳遞(BP)演算法與進化策略(ES)演算法的改善

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在充滿雜訊的環境下，會因雜訊與符元干擾(Inter Symbol Interference, ISI)而影響通訊的品質。傳統的等化器採用最小均方誤差演算法(Least-Mean-Square
Error，LMS)，但僅適用於線性通道上，對於非線性通道
則較不適宜；結合進化演算法與類神經網路架構應用於等
化器上，可解決等化器無法處理非線性通道的問題。
在電腦模擬類神經網路架構之等化器配合倒傳遞最小均方
誤差演算法(Back-Propagation LMS)中，得知可以消除
ISI，但此法卻無法避免收斂至局部最小值(local
minimum)的缺點；而結合進化演算法與類神經網路架構應
用於等化器上，可以跳脫局部最小值。此外，本論文進一
步探討各參數並提出有關加強演算法效能與縮短程式演算
時間的方法。

關鍵字(中)

★ 進化演算法

關鍵字(英)

★ Evolutionary Algorithm

論文目次

第一章序論……………………………………………………….1
1.1 數位通訊系統簡介…………………………………………2
1.2 等化器運用動機..…………………………………………..3
第二章類神經網路應用於等化器………………………….5
2.1 類神經網路概念與模型…………………………………5
2.2 多層感知器(MLP)應用於判別回授等化器(DFE)………...9
2.3如何消除符元干擾(ISI)…………….………………..14
第三章演算法……………..……………………..…………....…17
3.1 梯度坡降演算法……….……………………….…..18
3.1.1 BP learning algorithm for DFE…………….18
3.1.2 BP learning algorithm for MLP…………….19
3.2 進化演算法(Evolution Algorithm)….……………….28
3.2.1 EA的基本概念………………………………….28
3.2.2初始染色體………………….…..………..……….30
3.2.3評估(Evaluation)………….….….……………….31
3.2.4交配(crossover)…………….….…….………..….33
3.2.5突變(mutation)………..….…..………………….34
3.2.6染色體選擇(selection)……………..……….…….35
3.2.6風險分析(risk analysis)…………………..…….36
第四章模擬結果一(Simulation ResultsΙ)…….….....37
4.1 系統模擬架構………………………………………..……37
4.2收斂特性(convergence characteristics)…………….38
4.3適應函數(fitness function)……………………...….….44
4.4位元錯誤率(bit error rate)…………………………..…46
4.5結論一…………………………………………………..…50
第五章模擬結果二(Simulation ResultsⅡ)……….51
5.1如何提昇進化演算法的收斂速度……………………….….51
5.2進化演算法的深入探討………………………………...…..60
5.2.1交配率的影響…………………………..………….60
5.2.2突變率的影響…………………..…..……..……….64
5.3不同通道模型時的性能與表現………………….…..….75
5.3.1不同ratio時的表現………..…………………….76
5.3.2交配率的影響…………………..…..……..……….77
5.3.3突變率的影響…………………..…..……..……….78
5.4結論二…………..……………………….…….…..……80
附錄…………………………………………………………………...81
參考文獻……………………………………………………………...82

參考文獻

[1] J.G. Proakis,“Digital Communication,”New York：McGrawHill, 1989, 2nd ed.
[2] P. Sarwal & M. D. Srinath,“A Fuzzy Logic System for Channel Equalization,”IEEE Transactions on Fuzzy System, Vol. 3, No. 2 , pp. 246-249, May 1995.
[3] S. Haykin,“Adaptive Filter Theory,”Englewood Cliffs , NJ：Prentice-Hall, 1990.
[4] S. U. H. Qureshi,“Adaptive Equalization,”Proc. Of the IEE, Vol. 73, No. 9, pp. 1349-1387, sep. 1985.
[5] 葉怡成,“類神經網路模式應用與實作,”儒林圖書有限公司,1993.
[6] S. Siu, G. J. Gibdon, and C. F. N. Cowan,“Decision feedback equalization using neural network structures and performance comparison with standard architecture,”IEE Proc. Part I, Communication, Speech, and Vision, Vol. 137, No. 4, pp. 221-225, August, 1990.
[7] S. Siu, and C. F. N. Cowan,“Performance analysis of the norm back propagation algorithm for adaptive equalization,”IEE Proc. Part F, Vol. 140, No. 1, pp. 43-47, Feb. 1993.
[8] S. Siu, C. H. Chang, and C. H. Wei,“ norm back propagation algorithm for adaptive equalization,”IEEE Trans. On Circuits and Systems ΙΙ：Analog and Digital Signal Processing , Vol. 42, No. 9, pp. 604-607, Sep. 1996.
[9] Yoh-Han Pao,“Adaptive Pattern Recognition and Neural Networks,”Addison-Wesley Publishing Company, 1989.
[10] 蘇木村,張孝德,“機械學習類神經網路、模糊系統以及基因演算法則,”全華科技圖書股份有限公司, 1997.
[11] 林繼洲,“函數連結與模糊適應等化器效能評估,”元智大學, 1999.
[12] Li-Xin Wang,“Fuzzy Systems Are Universal Approximators,” in Proc. IEEE 1992 Int. Conf. Fuzzy Systems, pp. 1163-1170, Mar. 1992.
[13] Li-Xin Wang,“Adaptive Fuzzy Systems and Control,”Prentice Hall, 1994.
[14] Ronald R. Yager, Dimitar P. Filev,“Essentials of Fuzzy Modeling and Control,”New York：J. wiley, c1194.
[15] P. Power, F. Sweeney, C. F. N. Cowan,“EA Crossover Schemes for a MLP Channel Equaliser,”IEEE, vol. 1, pp. 407-410, 1999.
[16] Back, Thomas, Evolutionary algorithm in theory and practice：evolution strategies, evolutionary programming, genetic algorithms, New York：Oxford University Press,1996.
[17] G. J. Gibson, S. Siu, and C. F. N. Cowan,“The application of nonlinear structures to the reconstruction of binary signal,”IEEE Trans. On Signal processing, Vol. 39, No. 8, pp. 1887-1884, Aug., 1991.
[18] 張清豪,“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, chapter 1, 1995.
[19] 莊文仲,“多層感知等化器-使用進化演算法,”國立中央大學電機研究所碩士論文,2001.

指導教授

賀嘉律(Chia-Lu Ho)

審核日期

2002-6-19

推文