جبران سازی دیجیتال مبتنی بر شبکه عصبی GRNN
محل انتشار: دوازهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,329
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE12_026
تاریخ نمایه سازی: 29 اسفند 1387
چکیده مقاله:
با توجه به ساختار کانال های مخابراتی، ارسال و دریافت اطلاعات دیجیتال تحت تأثیر نویز موجود در کانال و تداخل سمبلهای کناری واقع شده و به همین دلیل اطلاعات ارسالی دچار خطا می گردد. جهت جبران اثر نویز و تداخل از جبران ساز استفاده می شود. با توجه به غیر خطی بودن مسأله جبران سازی و با توجه به ویژگی های فیلترینگ و غیر خطی که در شبکه های عصبی مصنوعی وجود دارد، در این مقاله سعی برآن است که یک جبران ساز مبتنی بر شبکه عصبی GRNN ارائه شود. نشان داده شود که جبران ساز دیجیتال مبتنی بر شبکه عصبی GRNN به پارامتر پهنای توابع گوسی که در مراکز شبکه GRNN استفاده می شوند حساسیت زیادی ندارد و نشان خواهیم داد که می توان وزن ها را با یک جایگزینی ساده و سریعتر نسبت به سایر روش ها آموزش داد.
کلیدواژه ها:
آموزش شبکه عصبی GRNN آموزش وزن ها ، جبران ساز GRNN