| DC 欄位 |
值 |
語言 |
| DC.contributor | 電機工程學系 | zh_TW |
| DC.creator | 黃俊威 | zh_TW |
| DC.creator | Chun-Wei Huang | en_US |
| dc.date.accessioned | 2002-6-19T07:39:07Z | |
| dc.date.available | 2002-6-19T07:39:07Z | |
| dc.date.issued | 2002 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=89521063 | |
| dc.contributor.department | 電機工程學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.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。 | zh_TW |
| DC.subject | 進化演算法 | zh_TW |
| DC.subject | Evolutionary Algorithms | en_US |
| DC.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 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.title | 4-QAM Decision feedback equalization using Evoluation based multi-layer perceptron structures. | en_US |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |