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

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：5

、訪客IP：3.138.141.202

姓名

陳德(De Chen ) 查詢紙本館藏

畢業系所

電機工程研究所

論文名稱

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
(The use of Evolutionary-based Neuro-Fuzzy in channel equalization)

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
★ 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	★ 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)

良好通信品質的通信系統是通信界所共同追求的目標。為了減少信號在通道傳送過程所造成的符元干擾(Intersymbol Interference, ISI)效應，在接收端裝置等化器(Equalizer)可以達到良好的效果。傳統適應性等化器，在設計與應用處理上十分簡單，由於它在信號空間方面利用線性判別界限之限制，使其無法達到理想之等化效果。本論文將針對兩種適應性等化器：多層感知器(Multilayer Perceptrons, MLP)與模糊適應等化器。其特色為在信號空間上能夠形成非線性的判別界限，進而達到非線性的特性。為了能更有效地解決雜訊問題，我們利用進化演算法(Evolutionary Algorithm, EA)在非線性環境中的優點，將以上兩種適應性等化器結合，其效能比單純MLP來得理想。並以電腦模擬結果驗證此種適應性等化器。

關鍵字(中)

★ 倒傳遞演算法
★ 多層感知等化器
★ 進化演算法
★ 類神經網路

關鍵字(英)

★ BPA
★ EAs
★ MLP
★ neural

論文目次

摘要
圖表、表目
第一章緒論................................................1
1.1 數位通訊........................................1
1.2 等化器之分類....................................3
1.3 運用等化器之動機................................4
第二章感知等化器(Perceptron equlizer).....................6
2.1 類神經網路概念..................................6
2.2 多層感知器(Multilayer perceptrons)..............10
2.3 消除碼際干擾(ISI)...............................14
2.4 lp Norm Back PropagationAlgorithm..............16
第三章模糊系統(Fuzzy System)..............................22
3.1 前言............................................22
3.2 模糊系統基本定義................................23
3.3 模糊系統之架構..................................29
3.4 模糊適應等化器..................................33
第四章進化演算法(Evolution Algorithm).....................39
4.1 EA基本架構.....................................39
4.2 初始染色體......................................41
4.3 評估(Evaluation)................................42
4.4 交配(Recombination..............................43
4.5 染色體突變(Chromosome Mutation).................44
4.6 染色體選擇(Chromosome Selection)................45
4.7 風險分析(Risk Analysis)........................46
第五章模擬結果(Simulation Results)........................47
5.1 系統模擬結構....................................47
5.2 收斂特性(Convergence Characteristics............48
5.3 適應函數(Fitness Function)......................53
5.4 決策曲線(Decision Boundary).....................55
5.5 位元錯誤率(Bit Error Rate)......................59
結論......................................................65
附錄......................................................67
參考文獻...................................................71

參考文獻

[1] J.G. Proakis,“Digital Communication,”New York：GrawHill, 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

2001-6-28

推文