複數訊號多層感知決策回授等化器-使用進化演算法

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：14

、訪客IP：3.138.122.195

姓名

楊盛松(cheng-song yang) 查詢紙本館藏

畢業系所

電機工程學系

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)

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	★ 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
★ 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
★ 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)

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。

論文目次

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

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.

指導教授

賀嘉律(Chia-Lu Ho)

審核日期

2002-6-20

推文