Ofdm sistemlerinde yapay sinir ağları kullanarak kanal dengeleme
Using neural networks for channel equalization in ofdm systems
- Tez No: 196430
- Danışmanlar: PROF.DR. CEBRAİL ÇİFTLİKLİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Çok taşıyıcılı modülasyon, OFDM, çok yollu kanal etkileri, kanaldengeleme, ADS, Multi-carrier modulation, OFDM, multi-path channel effects, channelequalization, ADS
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
IIIOFDM SİSTEMLERİNDE KANAL DENGELEME için YAPAY SİNİRAĞLARININ KULLANILMASIA. Tuncay ÖZŞAHİNErciyes Üniversitesi, Fen Bilimleri EnstitüsüYüksek Lisans Tezi, Temmuz 2006Tez Danışmanı: Prof. Dr. Cebrail ÇİFTLİKLİÖZETBu çalışmada, çok taşıyıcılı modülasyonun özel bir şekli olan Dikgen Frekans BölmeliÇoğullama tekniği (Orthogonal Frequency Division Multiplexing: OFDM), bu tekniğinavantajları, dezavantajları, çok yollu yayılımın sistem performansı üzerindeki etkileri vebu etkilerin ortadan kaldırılması için kullanılan yöntemler incelenmiştir. Bu tezçalışmasında, kablosuz kanal etkilerinin ortadan kaldırılması için yapay sinir ağlarıkullanılmıştır.OFDM, birçok alt taşıyıcının kullanıldığı çok taşıyıcılı bir haberleşme tekniğidir.OFDM, bir modülasyon tekniği olarak tanımlanabileceği gibi aynı zamanda birçoğullama tekniği olarak da tanımlanabilir. Çok taşıyıcılı iletimin sınırsız genişbantiletişiminde kullanımını cazip kılan gecikme yayılımı toleransı ve spektrum verimliliğigibi birçok kullanışlı özelliği vardır. OFDM kullanımının en önemli sebeplerinden birisifrekans seçici sönümlenme ya da dar bant girişimine karşı direnci artırmasıdır. Çoktaşıyıcılı yapıları sebebi ile OFDM işaretlerinin zarfları oldukça hızlı değişimgöstermektedir. Hızla değişen zarf doğrusalsızlıklarına karşı oldukça hassas olansistemlerin temel zayıflığıdır.Kanalın bozucu etkileri, OFDM sistem performansını etkileyen önemli faktörlerdenbiridir. Bundan dolayı OFDM işaretleri alıcıya ulaştığında, demodülasyon yapılmadanönce dinamik kanal kestirimi ve dengeleme yapılması gereklidir. Literatürde, temelolarak deneme dizili ve kör kanal kestirimi olmak üzere iki kanal kestirim tekniğimevcuttur. Bu teknikler, çok yollu yayılımın bozucu etkilerini belli bir düzeye kadarazaltabilmektedirler.IVBu tez çalışmasının amacı, kanal dengeleyici olarak Yapay Sinir Ağları (YSA)kullanarak klasik tekniklere kıyasla daha iyi bit-hata oranları (BHO) elde etmektir.Çalışmanın omurgası olan OFDM sistemine ait alıcı-vericiler ve Rayleigh dağılımınagöre modellenmiş olan kanal yapısı ADS programında tasarlanmıştır. Kanal dengeleyicitasarımı ise, MATLAB programının YSA araç kutusu kullanılarak gerçekleştirilmiştir.YSA ile tasarlanan kanal dengeleyici, ADS programında tasarlanan OFDM sistemininkanal çıkışı ile alıcısı arasına yerleştirilmiştir. Dolayısıyla, yapılan simülasyonlarda heriki program ortak olarak çalıştırılmıştır.Yapılan çalışma sonucunda, YSA tekniği ile elde edilen bit-hata değerler, İkinciDereceden Aradeğerleme ve En Küçük Kareler teknikleri ile elde edilen bit-hatadeğerleriyle karşılaştırılmıştır.
Özet (Çeviri)
VUSING NEURAL NETWORKS FOR CHANNEL EQUALIZATION IN OFDMSYSTEMSA. Tuncay ÖZŞAHİNErciyes University, Graduate School of Natural and Applied SciencesM.Sc. Thesis, July 2006Thesis Supervisor: Prof. Dr. Cebrail ÇİFTLİKLİABSTRACTIn this study, Orthogonal Frequency Division Multiplexing (OFDM), a special schemeof a multi-carrier modulation technique, its advantages, disadvantages, the effect ofmulti-path on the system performance and the methods used to eliminate this effect areinvestigated in detail. In this thesis, neural Networks are used for eliminating wirelesschannel effects.OFDM is a multi-carrier communication technique which uses many subcarrier. OFDMcould be defined as both modulation and mutiplexing technique. Multi-carriertransmission has a lot of useful properties such as delay-spread tolerance and spectrumefficiency that encourage their use in untethered broadband communications. One ofmost important for using OFDM is to increase the robustness against frequencyselective fading or narrowband interference. Because of their multi-carrier structureOFDM signals have an envelope changing rapidly. Rapidly changing envelope is themain weakness of the systems that are so sensitive to nonlinearities.Defective effect of channel is an important factor influences OFDM systemperformance. Therefore, when OFDM signal arrived to receiver, dynamic channelestimation and equalization must be done before demodulation. There are basicly twomethods which called pilot-based channel estimation and blind channel estimation inthe literature. These techniques decrease the effects of the multi-path distortion as muchas possible.VIAim of this thesis, using Artificial Neural Netwoks as a channel equalizator and obtainbit-error rate results better than the classical methods. Tranciever which is the mainstructure of OFDM system and the channel structure was modelled according toRayleigh distribution were designed in ADS program. Channel equalizator design wasrealized in MATLAB ANN toolbox. Channel equalizator which was designed in ANNwas located between the channel output and the receiver of OFDM system which weredesigned in ADS. So, in the simulations both programs were run together.In result of studies, bit-error rates were obtained in ANN were compared with bit -error rates were obtained in Second Order Interpolation and Least Sequare techniques.
Benzer Tezler
- Çok girişli çok çıkışlı dikgen frekans bölmeli çoğullama sistemlerinde yapay zeka teknikleri ile kanal kestirimi
Channel estimation in multiple input multiple output orthogonal frequency division multiplexing systems by artificial techniques
MUHAMMET NURİ SEYMAN
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Neural network based multi-carrier receiver design and doppler estimation
Yapay sinir ağı tabanlı çok taşıyıcılı alıcı tasarımı ve doppler kestirimi
YASİN YILDIRIM
Yüksek Lisans
İngilizce
2020
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DR. SEDAT ÖZER
- Neural network based channel estimation for time-varying OFDM systems
Zamanla değişen OFDM sistemlerde yapay sinir ağı tabanlı kanal kestirimi
EMRE MOLLAHÜSEYİNOĞLU
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN
DOÇ. DR. HABİB ŞENOL
- Enerji hatları üzerinden haberleşme için dikgen frekans bölmeli çoğullama sistemlerinde yapay zeka teknikleri ile kanal kestirimi
Channel estimation with artifical intelligence tecniques for orthogonal frequency division multiplexing-power line communication
ANIL SÜLEV
Yüksek Lisans
Türkçe
2014
Mühendislik BilimleriErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Yeni nesil haberleşme sistemlerinde derin öğrenme tabanlı sezici tasarımı ve başarım analizi
Deep learning based detector design and performance analysis in new genration communication systems
AHMET EMİR
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KAYA