English  |  正體中文  |  简体中文  |  Items with full text/Total items : 65317/65317 (100%)
Visitors : 21282719      Online Users : 639
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/9380


    Title: 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;4-QAM Decision feedback equalization using Evoluation based multi-layer perceptron structures.
    Authors: 黃俊威;Chun-Wei Huang
    Contributors: 電機工程研究所
    Keywords: 進化演算法;Evolutionary Algorithms
    Date: 2002-06-19
    Issue Date: 2009-09-22 11:46:34 (UTC+8)
    Publisher: 國立中央大學圖書館
    Abstract: 通訊系統在傳送過程中,信號會受到頻寬的限制與雜訊的干擾,而產生失真現象。為了減少信號在有限頻寬通道中,受到雜訊與碼際干擾(Intersymbol Interference,ISI)效應的影響,本論文提出一種適用於進化演算法的應用,將進化演算法結合多層感知機架構,運用在4-QAM(Quadrature amplitude modulated)決策迴授等化器(DFE)上來消除雜訊與碼際干擾。 由於多層感知機(Multi-layer perceptron,MLP)其架構具有非線性之特性,可以設計成為良好的通道等化器。但是多層感知機的誤差曲面包含了釵h零梯度點,所以使用複數倒傳遞演算法(Complex backpropagation algorithm,CBP)來訓練多層感知機,常會面臨到陷入局部最小值(Local minimum),而導致無法將多層感知機訓練到最佳。 進化演算法(Evolutionary algorithms,EAs)為一種非梯度坡降學習演算法(non-gradient decent learning algorithm),其根據達爾文『適者生存』的法則,來獲得最佳化的解。我們利用進化演算法具有非梯度坡降搜尋與多點搜尋的技巧,來避免因為初始值位址不佳而無法獲得全域最小值(Global minimum)。 結果顯示,利用進化演算法運算所得到的誤碼率(bit error rate, BER)表現,比用複數倒傳遞演算法還要好,亦比使用傳統最小均方誤差(Least mean-square)決策迴授等化器有更好的效能。
    Appears in Collections:[電機工程研究所] 博碩士論文

    Files in This Item:

    File SizeFormat
    0KbUnknown605View/Open


    All items in NCUIR are protected by copyright, with all rights reserved.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback  - 隱私權政策聲明