Blind adaptive decision feedback equalization
Gözü kapalı uyarlanır karar geri beslemeli denkleştirme
- Tez No: 119056
- Danışmanlar: DOÇ. DR. BUYURMAN BAYKAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: uyarlanır denkleştirme, gözü kapalı denkleştirme, karar geri beslemeli denkleştirme, uyumlu süzgeç alıcısı vı, adaptive equalization, blind equalization, decision feedback equalization, matched filter receiver IV
- Yıl: 2002
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
oz GÖZÜ KAPALI UYARLANIR KARAR GERİ BESLEMELİ DENKLEŞTİRME KURBAN, Esra Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Assoc. Prof. Dr. Buyurman BAYKAL Eylül 2002, 102 sayfa Son yıllarda, sayısal iletişim sistemlerinde kanal denkleştirme konusu, özellikle gözü kapalı yaklaşımlarda, önem kazanmıştır. Karar geri beslemeli denkleştirmenin doğrusal denkleştirmeye oranla birçok avantajı olmasına karşın, geri besleme yapısından kaynaklanan doğrusalsızlık sebebiyle sadece birkaç gözü kapalı karar geri beslemeli denkleştirme algoritması ileri sürülmüştür. Bu tezde, karar geri beslemeli denkleştirme için yeni bir gözü kapalı uyarlama metodu tanıtılmıştır. Önerilen bu metod, gözü kapalı uyumlu süzgeç alıcısı (BMFR) olarak adlandırılmakta olup, Forney'in uyumlu süzgeç alıcısını gözü kapalı denkleştirme ve kanal kestirimi bakış açısından sunmaktadır. Beyazlatıcı süzgeç ve geri besleme süzgeci katsayılarını elde etmek için sıfıra zorlayıcı tasarım tekniği kullanılmıştır. Gözü kapalı uyumlu süzgeç alıcısında, sabit genlikli algoritma (CMA) gibi bir gözü kapalı denkleştirme algoritması kullanılarak kanalı kolayca kestirmek mümkündür. Daha önce önerilmiş olan sabit genlikli ve öngörü algoritmasına dayalı DFE (CMPA-DFE), öngörürü sabit genlikli DFE (PCM-DFE) ve kendini eniyileyenkonfîgürasyonda DFE (SOC-DFE) şeklinde adlandırılmış üç farklı gözü kapalı DFE algoritması da karşılaştırma amacıyla incelenmiştir. İncelenen her bir metod uygulama karmaşıklığı ve verimlilik yönleriyle farklılıklar göstermektedir. Bu metodların performans karşılaştırmaları bilgisayar benzetimleri ile verilmiştir. Benzetim sonuçlarının değerlendirilmesinde göz çizeneği, ortalama karesel hata, bit hata oram, artık simgeler arası karışma ve yakınsaklık hızı dikkate alınmıştır. Bunların yanında, SOC-DFE ve BMFR, iletim kanalının zamanla değişimini izleme yeteneğine sahiptir. Bu özellik de bu iki metod arasında karşılaştırılmıştır. Ayrıca, BMFR' m diğer metodlara göre üstünlüğü olan kanal kestirimi özelliğinden bahsedilmiştir.
Özet (Çeviri)
ABSTRACT BLIND ADAPTIVE DECISION FEEDBACK EQUALIZATION KURBAN, Esra MSc, Department of Electrical and Electronics Engineering Supervisor: Assoc. Prof. Dr. Buyurman BAYKAL September 2002, 102 pages In digital communication systems, the channel equalization, especially in the blind sense, has become an important subject in recent years. Although decision feedback equalization (DFE) has many advantages over linear equalization, only a few blind DFE algorithms have been proposed due to its nonlinearity arising from the feedback structure. In this thesis, a new blind adaptation method for the DFE is introduced. The proposed method, called blind matched filter receiver (BMFR), presents the matched filter receiver of Forney from a blind equalization and channel estimation perspective. Zero forcing (ZF) design technique is used to obtain the whitening filter (WF) and the feedback filter (FBF) coefficients. In the BMFR, the channel can be easily estimated using a blind equalization algorithm such as the constant modulus algorithm (CMA). Three previously proposed blind DFE algorithms, referred to as constant modulus and prediction algorithm DFE (CMPA-DFE), predictive constant modulus DFE (PCM- DFE) and self-optimized configuration DFE (SOC-DFE), are also studied for the sake 111of comparison. Each of the investigated methods is different in its implementation complexity and efficiency. The performance comparison of them is given through computer simulations. The simulation results are evaluated in terms of eye diagrams, mean square error, bit error rate, residual ISI and convergence speed. In addition, SOC- DFE and BMFR have the capability of tracking the time variations in the transmission channel. This feature is also compared among these two methods. Furthermore, BMFR's channel estimation feature is mentioned as an advantage over other methods.
Benzer Tezler
- Performance comparison of adaptive decision feedback equalizer and blind decision feedback equalizer
Uyarlanır karar geri beslemeli denkleştirici ve gözü kapalı uyarlanır karar geri beslemeli denkleştiricinin performans karşılaştırması
SİNAN ŞENOL
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BUYURMAN BAYKAL
- Mathematical modeling and characteristics analysis of ultra-wideband ın vivo radio channel
Ultra geniş bantli i̇n vivo radyo kanalinin matematiksel modellemesi ve karakteristik analizi
MUHAMMAD ILYAS
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OGUZ BAYAT
- Predicting alzheimer's disease using adaptive neuro fuzzy inference system
Alzheımer hastalığının uyarlanmış neuro fuzzy sonuç çıkarım sistemleriyle önceden tahmin edilmesi
ONUR ÇIKRIKÇILI
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. ADEM KARAHOCA
- İleri sürücü destek sistemleri için bir fonksiyonel güvenlik uygulaması
A functional safety methodology for advanced driver assistance systems
EBRU ÇAĞLAYAN
Yüksek Lisans
Türkçe
2022
Otomotiv Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- Derin öğrenme ile modülasyon sınıflandırması
Modulation classification with deep learning
SELÇUK BALSÜZEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL