Equalization identification of volterra type of nonlinear channels using multichannel adaptive lattice algoritms
Çok kanallı uyarlamalı kafes algoritmaları kullanarak volterra biçiminde doğrusal olmayan kanalların denkleştirilmesi ve özdeşlenmesi
- Tez No: 39180
- Danışmanlar: PROF.DR. ERDAL PANAYIRCI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1993
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 137
Özet
ÖZET ÇOK-KANALLI UYARLAMALI KAFES ALGORİTMALARI KULLANARAK VOLTERRA BİÇÎMÎNDE DO?RUSAL OLMAYAN KANALLARIN DENKLEŞTİRİLMESİ VE ÖZDEŞLENMESl Doğrusal olmayan kanalların denkleştirilmesi ve özdeşlenmesi son yıllarda birçok araştırmacının ilgi odağı haline gelmiştir. Bu konularda yapılan çalışmalar yayınlarda oldukça fazla yer tutmaktadır. Bu çalışmada, uyarlamalı kafes algoritmaları kullanarak Volterra biçiminde doğrusal olmayan kanalların denkleştirilmesi ve özdeşlenmesi incelenmektedir. Bu çalışmada ilk defa doğrusal olmayan kanalların tanımlanmasında çok-kanallı uyarlamalı kafes algoritmaları kullanılmaktadır. Bu tezin en önemli katkısı, uyarlamalı kafes algoritmalarının Volterra biçimindeki doğrusal olmayan kanalların mode İlenmesinde ilk defa çok-kanallı bir biçimde uygulanmasıdır. Burada, çok-kanallı kafes algoritmalarının denkleştirme ve Özdeşleme problemlerinde kullanılabilmesi için tek giriş-çok çıkışlı bir sistemin kullanılması önerilmektedir. Bir iletişim kanalıyla ilgili olarak karşımıza iki problem çıkmaktadır. Bunlar,“kanal denkleştirme”ve“kanal özdeşleme”problemleridir. Kanal denkleştirmenin amacı, kanalın bozucu etkilerini gidererek verici tarafından iletilen işareti alınan işaretten yeniden elde etmektir. Bir kanal denkleştirici, uyarlamalı olsun veya olmasın, bir optimum süzgeçtir, çünkü İletilen işaretin olabildiğince doğru kestirimini elde etmeye çalışmaktadır. Kanal denkleştiricinin aktarım işlevi, kanalın aktarım işlevinin tersi biçiminde oluşmakta ve böylece kanalın çıkışına yerleştirildiğinde kanalın iletilen işaret üzerindeki etkilerini yokederek gerçek işaretin doğru bir biçimde kestirimi sağlanmaktadır. Birçok durumda olduğu gibi, kanalın yapısı önceden bilinmiyor veya kanal zamanla değişiyor olabilir. Bu durumda denkleştiricinin uyarlamalı bir biçimde tasarlanması gerekir. Denkleştiriciler, öğrenme modu ve izleme modu olmak üzere iki modda çalıştırılırlar. İletilen işaret alıcıda bulunmadığından önce öğrenme modunda çalışılır ve daha sonra ise izleme moduna geçilir. Öğrenme modunda, bilinen bir test işareti iletilerek kanalın tanımlanması sağlanır. Daha sonra denkleştirici tasarlanarak gerçek mesaj iletilir. Denkleştiricinin çıkışı, istenen yanıttan (gerçek işaret) çıkarılarak bir kestirim hatası oluşturulur ve bu hata toplam karesel hatayı azaltacak biçimde denkleştiricinin katsayılarının ayarlanmasında kullanılır. (viii)Uyarlamalı bir alıcı tasarlanmasıyla ilgili ikinci bir yaklaşım da“kanal özdeşi eme ”dir. Kanal özdeşlemede amaç, önce ilgili kanal parametrelerinin kestirilmesi ve daha sonra bunların alıcıda kullanılmasıyla alıcının kendisini iletim ortamına uyarlamasının sağlanmasıdır. Burada, bilenmeyen kanalı özdeşlemek üzere bir model kullanılmaktadır. Bu modelin girişi kanal giriş işareti olmak üzere elde edilen çıkış işareti ile kanal çıkışı arasındaki fark bir uyarlamalı algoritmada kullanılarak kanal ile model arasındaki sapma giderilmeye çalışılır. öyle ki, bu şekilde oluşturulan modelin katsayıları bilinmeyen kanalın katsayılarının kestirimi olmaktadır. Böylece, modelin bilinmeyen kanalı özdeşlemesi sağlanmış olur. Uyarlamalı kanal denkleştirme ve özdeşlemeyle ilgili olarak birçok uyarlamalı alıcı modeli kullanılmaktadır. Uyarlamalı alıcılarla ilgili ardışıl algoritmaların çıkarılması için temelde üç ayrı yöntem tanımlanabilir. Bu yöntemler, Wiener süzgeç kuramı, Kalman süzgeç kuramı ve en küçük kareler yöntemi üzerine kuruludurlar. Wiener süzgeçleme problemlerinin çözümü optimumdur ve Wiener çözümü olarak bilinir. Bu kuramlar üzerine kurulu olan uyarlamalı algoritmalardan bazıları en küçük karesel ortalama (LMS) algoritması, ardışıl en küçük kareler (RLS) algoritması, hızlı en küçük kareler algoritması ve uyarlamalı kafes algoritmalarıdır. Uyarlamalı kafes algoritmaları, süzgeç katsayılarının günce İlenmesinde kullanılmak üzere dik işaret bileşenleri kümesi oluşturarak yakınsama hızının artmasını sağlayan oldukça verimli bir yapıya sahiptirler. Bu bileşenlerin elde edilmesi Gram-Schmidt dikleştirme yöntemiyle sağlanmaktadır. Üretilen bu işaret bileşenleri birbirlerine diktirler ve giriş işaretiyle aralarında birebir ilişki vardır, öyle ki biri diğerinden herhangi bir bilgi kaybı olmadan elde edilebilir. Böylece, herhangi bir öngörü probleminde, giriş işareti yerine bu bileşenler kullanılarak algoritmanın yakınsama hızının artırılması sağlanır. Bu tezde kullanılan çok-kanallı uyarlamalı kafes algoritması, kafes algoritmalarının vektörel genelleştirilmesi biçiminde olup yukarıda belirtilen özelliklere sahiptir. Doğrusal olmayan kanallar çeşitli matematiksel ifadeler kullanılarak model lenebilmektedir. Bunlardan, Volterra serisiyle modellenen doğrusal olmayan kanallar bir çok araştırmacı tarafından çeşitli alanlarda kullanılmıştır. Bu şekilde bir Volterra serisiyle modellenen kanallar, kanalın doğrusal ve doğrusal olmayan ağırlıklarını belirleyen Volterra katsayı larıyla tam olarak tanımlanabilirler. Bu tezde örnek olarak incelenen ikinci dereceden doğrusal olmayan kanal, ikinci dereceden bir Volterra serisiyle tanımlanan basit bir kanal modelidir. Ayrıca son bölümde incelenen sayısal uydu kanalları ise ikinci dereceden daha yüksek derecelerden Volterra serileriyle tanımlanabilen doğrusal olmayan bir yapı özelliği gösterir. Birinci Bölüm' de, bu tezde incelenen konuyla ilgili daha önce yapılmış çalışmalar belirtilmekte, tezin amacı ve katkıları özetlenmektedir. (ix)ikinci Bölüm' ün ana amacı, daha sonraki bölümlerde denkleştirme ve özdeşleme problemlerinde incelenecek olan Volterra biçiminde doğrusal olmayan kanalların tanıtılmasıdır. Bu bölümde önce, haberleşme sistemleri ve haberleşme kanallarıyla ilgili bazı temel bilgiler verilmekte ve kanalların sınıflandırılması incelenmektedir. Haberleşme kanalları alçak geçiren ve bant geçiren, ayrık ve sürekli, doğrusal ve doğrusal olmayan biçiminde sınıflandırılabilirler. Bu sınıflandırmalar, giriş işaretleri ve kanalın yanıtları gözönüne alınarak yapılmaktadır. Bu bölümde kanallar alçak geçiren ve bant geçiren olmak üzere iki ana sınıfta incelenmektedir. Diğer sınıflandırmalar ise bu iki ana sınıf altında sunulmaktadır. Daha sonra, alçak geçiren ayrık kanallara Örnek olarak Volterra serileriyle tanımlanan doğrusal olmayan kanallar tanıtılmaktadır. Basit bir kanal modeli olarak ikinci dereceden Volterra biçiminde kanallar ve gerçek bir kanal modeli olarak da daha yüksek dereceden Volterra serisiyle tanımlanabilen sayısal uydu kanalları tanıtılmaktadır. Üçüncü Bölüm' de, çok-kanallı uyarlamalı kafes algoritmalarının tanıtılması amaçlanmaktadır. Bu algoritmalar, tek-kanallı kafes algoritmalarının vektörel genelleştirilmiş biçiminde olduklarından, önce bu tek-kanallı kafes algoritmaları ayrıntılı olarak incelenmekte, bunlarla ilgili olarak geliştirilmiş çeşitli yöntemlerden bahsedilmektedir. Daha sonra, bu çalışmada kullanılan çok-kanallı kafes algoritmalarının, tek kanallı kafes algoritmalarının vektörel olarak genelleştirilmesiyle elde edilmesi incelenmektedir. Dördüncü Bölüm' de, Volterra biçiminde doğrusal olmayan kanalların çok-kanallı uyarlamalı kafes algoritmaları yardımıyla denkleştirilmesi incelenmektedir. Burada, tezde önerilen tek giriş-çok çıkışlı sistem tanıtılmaktadır. Bu sistem, çok-kanallı uyarlamalı kafes algoritmalarının kullanılabilmesi için gereklidir. Bu sistemin girişi bir işaret dizisi ve çıkışı doğrusal olmayan işaret vektörü biçiminde olup denkleştirici modelinde kullanılmaktadır. Sistemin yapısının belirlenmesi buradaki en önemli noktadır, öyle ki seçilen yapı kanalın doğrusal olmayan yapısıyla uyumlu olmalıdır. Bu şekilde belirlenen tek giriş-çok çıkışlı sistem denkleştiricide çok-kanallı kafesin girişine yerleştirilmekte ve böylece sistemin vektör biçimindeki çıkışı kafes algoritmasının girişi olarak kullanılmaktadır. Bu şekilde elde edilen denkleştirici modelinin başarımı bilgisayar benzetimiyle incelenmektedir. Başarım ölçütü olarak ortalama karesel hatanın en aza indirilmesi gözönüne alınmaktadır. Bilgisayar benzetim sonuçları ise ortalama karesel hatanın iterasyon sayısına göre değişimi biçiminde verilmektedir. örnek olarak ikinci dereceden Volterra biçiminde doğrusal olmayan bir kanal seçilmektedir. Farklı parametreler için çalıştırılan bilgisayar programlarının sonuçları aşağıdaki gibi özetlenebilir. Kafes uzunluğu artırıldıkça ortalama karesel hatanın azaldığı gözlenmektedir. Aynı şekilde, farklı kanal gürültüleri için yapılan bilgisayar benzetim sonuçlarından kanal gürültüsü arttıkça ortalama karesel hatanın da arttığı görülmektedir. Bir başka inceleme de algoritmanın adım uzunluğunun farklı değerleri için yapılmaktadır. Buradan çıkan sonuç, diğer algoritmalarda da olduğu gibi, algoritmanın adım uzunluğu küçük seçildiğinde yakınsamanın yavaş fakat erişilen ortalama karesel (x)hatanın küçük olduğu, buna karşılık adım uzunluğu büyük seçildiğinde ise yakınsamanın hızlı fakat erişilen ortalama karesel hatanın daha büyük olduğu görülmektedir. Son olarak, bir başka bilgisayar benzet imiyle de aynı kanalın en küçük karesel ortalama (LMS) algoritmasıyla denkleştirilmesi incelenmekte ve elde edilen sonuçlar karşılaştırılmaktadır. Burada iki algoritmanın karşılaştırmasının olabildiğince sağlıklı olması için bütün parametrelerin uygun seçilmesine çalışılmaktadır. örneğin, kanal gürültüsü ve tap sayıları her iki algoritma için de aynı seçilmektedir. Ancak, kafes ve LMS algoritmaların adım uzunlukları farklı yapıda olduklarından elde edilebilecek en iyi sonuca göre ayarlanarak seçilmektedir. Elde edilen sonuçlar karşılaştırıldığında, çok-kanallı uyarlamalı kafes algoritmasıyla, LMS algoritmasına göre daha iyi başarım sağlandığı gözlenmektedir. Beşinci Bölüm* de ise çok-kanallı uyarlamalı kafes algoritmaları kullanılarak Volterra biçiminde doğrusal olmayan kanalların özdeşlenmesi incelenmektedir. Dördüncü Bölüm' de sunulan tek giriş-çok çıkışlı sistem buradaki özdeşleyici modelinde de kullanılmaktadır. Burada yine başarım ölçütü olarak ortalama karesel hatanın en aza indirilmesi seçilmekte ve bir önceki böj.ümde izlenen inceleme biçimi aynı sayısal örneğe uygulanmaktadır. Buradaki ortalama karesel hata, model çıkışıyla kanal çıkışı arasındaki fark gözönüne alınarak hesaplanmaktadır. Elde edilen sonuçlar şu şekilde özetlenebilir. Kafes uzunluğu artırıldıkça ortalama karesel hatanın azaldığı görülmektedir. Aynı şekilde, farklı kanal gürültüleri için yapılan bilgisayar benzetim sonuçlarından kanal gürültüsü arttıkça ortalama karesel hatanın da arttığı gözlenmektedir. Bir diğer inceleme algoritmanın adım uzunluğunun farklı değerleri için yapılmaktadır. Buradan çıkan sonuç ise, algoritmanın adım uzunluğu küçük seçildiğinde yakınsamanın yavaş fakat erişilen ortalama karesel hatanın küçük olduğu, buna karşılık adım uzunluğu büyük seçildiğinde İse yakınsamanın hızlı fakat erişilen ortalama karesel hatanın daha büyük olduğu biçimindedir. Son olarak, bir başka bilgisayar benzet imiyle de aynı kanalın en küçük karesel ortalama (LMS) algoritmasıyla özdeşlenmesi incelenmekte ve sonuçlar önceki bölümde olduğu gibi karşılaştırılmaktadır. Elde edilen sonuçlardan, çok-kanallı uyarlamali kafes algoritmasıyla, LMS algoritmasına göre daha iyi başarım sağlandığı gözlenmektedir. Bu incelemeye ek olarak, kanalın doğrusal ve doğrusal olmayan katsayılarının kestirimi de incelenmektedir. özdeşleyici modelinin doğrusal ve doğrusal olmayan katsayılarının belirlenmesi için önerilen yöntem, Ek C'de ayrıntılı biçimde anlatılmaktadır. Elde edilen model katsayıları, kanalın katsayılarının kestirimi olmaktadır. Bu katsayıların elde edilmesiyle ilgili bilgisayar programı sonuçlarından, kanalın doğrusal ve doğrusal olmayan katsayılarının doğru bir biçimde kestir iminin sağlandığı görülmektedir. Son olarak Altıncı Bölüm* de, sayısal uydu kanallarının denkleştirilmesi ve özdeşlenmesi problemi ele alınmaktadır. Bu kanallar, ikinci dereceden daha yüksek derecelerden Volterra serileriyle model lenebilmektedirler. Burada, Dördüncü Bölüm' de sunulan tek giriş-çok çıkışlı sistemin, kanalın derecesiyle uyumlu olacak biçimde tanımlanması gerekmektedir. Bu şekilde oluşturulan sistem çok-kanallı uyarlamalı kafes denkleştirici ve özdeşleyici (xi)modellerinde kullanılarak daha önceki bölümlerde açıklanan ikinci dereceden Volterra biçiminde doğrusal olmayan kanalların denkleştirilmesi ve özdeşlenmesiyle ilgili incelemeler, sayısal uydu kanalları için gerçekleştirilmektedir. Denkleştirici ve özdeşleyici modellerinin başarımı, uyumlu faz kaydırmalı anahtarlamali (CPSK) modülasyon içeren doğrusal olmayan bir uydu kanalı örneği seçilerek incelenmektedir. Bu kanal modelinin denkleştirilmesi ve özdeşlenmesiyle ilgili bilgisayar benzetim sonuçları incelendiğinde, Dördüncü ve Beşinci Bölüm' de ikinci dereceden Volterra biçimindeki kanallar için elde edilenlere benzer sonuçlar gözlenmektedir. (xii)
Özet (Çeviri)
ABSTRACT The objective of this thesis is to investigate the equalization and identification of the Volterra type of nonlinear channels using the multichannel adaptive lattice algorithms. The main contribution appears as the development of a new single input-multiple output system used in the models for the equalization and identification of nonlinear channels. This system is so defined that it takes a sequence of signals as its input and produces an output in the form of a vector with Its elements obtained by the input and its delayed versions. Determination of the structure of the system is the crucial point here. It is so defined that the structures of the multichannel adaptive lattice equalizer and identifier models match to the nonlinear structure of the channel. In the first part of the thesis, a multichannel adaptive lattice equalizer model is developed using the above mentioned single input-multiple output system, and applied to the equalization of a second-order Volterra type of nonlinear channel. The performance of the model is investigated in the base of learning curves by some computer simulations examined for different parameters, such as channel noise, lattice length and step-size of the algorithm. In the second part, a multichannel adaptive lattice identifier model is developed using the single input-multiple output system, and applied to the identification of the same example of second-order nonlinear channel. The performance of the model is investigated in two parts, first in the base of learning curves and then in the base of estimating the linear and quadratic weights of the channel. The performance analysis is done for different parameters as in the equalization part. Finally, the equalization and identification of digital satellite channels are investigated. These channels have such a nonlinear structure that can be modeled by a Volterra series of higher-order, and therefore the structure of the single input-multiple output system is so defined that its output has the same order of nonlinearity as that of the channel. This means that the structure of the system matches to that of the channel. This single input-multiple output system is used in the multichannel adaptive lattice equalizer and identifier models, and their performances are investigated for a numerical example of 4-CPSK nonlinear satellite channel. (vii)
Benzer Tezler
- Adaptive voltarre filterring with complete lattice orthogonalization
Tam kafes dikleştirmesi ile uyarlanır volterra süzgeçlenmesi
MEHMET TAHİR ÖZDEN
Doktora
İngilizce
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. AHMET H. KAYRAN
- Identification of butterfly species using machine learning and image processing techniques
Makine öğrenmesi ve görüntü işleme teknikleri kullanılarak kelebeklerin tanımlanması
AYAD SAAD ALMRYAD
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KUTUCU
- Beyin tümörlerinin ileri görüntü işleme ve örüntü tanıma teknikleri kullanılarak bilgisayar destekli tespiti
Computer-aided detection of brain tumors using advanced image processing and pattern recognition techniques
SEDA KAZDAL
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. BUKET DOĞAN
PROF. DR. ALİ YILMAZ ÇAMURCU
- 3 boyutlu görüntülerden beyin tümörlerinin bilgisayar destekli tespiti
Computer aided detection of 3-dimensional images of brain tumors
EYÜP EMRE ÜLKÜ
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
PROF. DR. A. YILMAZ ÇAMURCU