DC 欄位 值 語言 DC.contributor 電機工程研究所 zh_TW DC.creator 張吉良 zh_TW DC.creator Ji-Lian Chang en_US dc.date.accessioned 2001-6-28T07:39:07Z dc.date.available 2001-6-28T07:39:07Z dc.date.issued 2001 dc.identifier.uri http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=88521056 dc.contributor.department 電機工程研究所 zh_TW DC.description 國立中央大學 zh_TW DC.description National Central University en_US dc.description.abstract 在近幾年來，類神經網路(Neural Networks)十分被重視，它是一個解決非線性問題的有力工具，它被應用在許多方面，而在調適性等化器上面，也得到非常好的效果，在數位通訊系統中，為了消除符元干擾(Inter Symbol Interference, ISI)和Noise，等化器是十分必要的，對於通訊系統而言，訊號間干擾的ISI效應和Noise不僅是造成本身傳送訊號的失真，而且可能還會造成接收端的判別錯誤，使得接收到的訊號發生錯誤，資料不正確，接收端的等化器(Equalizer)可消除ISI效應和Noise，資料的正確率更是靠它才能大大提升，而調適性等化器通常使用參數的學習演算法，傳統的做法是使用最小均方差演算法(Least Mean Square, LMS)。 這篇論文提出一個以新的進化演算法(Evolution Algorithm, EA)應用在多層感知器(Multi-Layer Perceptron, MLP)的後遞式判別式回授化器(Decision Feedback Equalizer, DFE)。是一種利用類神經網路(Neural Networks)，模仿生物神經元、生物基因進化遺傳，經由交配(crossover)、突變(mutation)、選擇(selection)、求得好的等化器係數，並且希望由進化演算法中與電腦模擬的結果中，比較出和其他做法的差異和性能。 zh_TW DC.subject 交配 zh_TW DC.subject 判別回授等化器 zh_TW DC.subject 多層感知器 zh_TW DC.subject 突變 zh_TW DC.subject 符元干擾 zh_TW DC.subject 等化器 zh_TW DC.subject 進化演算法 zh_TW DC.subject 類神經網路 zh_TW DC.subject crossover en_US DC.subject DFE en_US DC.subject EA en_US DC.subject Equalizer en_US DC.subject ISI en_US DC.subject MLP en_US DC.subject mutation en_US DC.subject Neural Networks en_US DC.title 利用進化演算法在多層感知機結構上之判別回授等化器 zh_TW dc.language.iso zh-TW zh-TW DC.type 博碩士論文 zh_TW DC.type thesis en_US DC.publisher National Central University en_US