A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Combining Recurrent Neural Networks with Self-Organizing Map for Channel Equalization Combinando Redes Neurais Recorrentes com Mapa Auto-Organizável para Equalização de Canais

Xiaoqiu WANG, Hua LIN, Jianming LU, Takashi YAHAGI

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Recentemente, as redes neurais (NNs) têm sido extensivamente aplicadas a muitos problemas de processamento de sinais devido à sua capacidade robusta de formar regiões de decisão complexas. Em particular, as redes neurais acrescentam flexibilidade ao projeto de equalizadores para sistemas de comunicação digital. A rede neural recorrente (RNN) é um tipo de rede neural com um ou mais loops de feedback, enquanto o mapa auto-organizado (SOM) é caracterizado pela formação de um mapa topográfico dos padrões de entrada nos quais as localizações espaciais (ou seja, coordenadas) dos neurônios na rede são indicativos de características estatísticas intrínsecas contidas nos padrões de entrada. Neste artigo, propomos uma nova estrutura de receptor combinando um equalizador RNN adaptativo com um detector SOM sob ISI grave e distorção não linear no sistema QAM. De acordo com a análise teórica e os resultados da simulação computacional, o desempenho do esquema proposto mostra-se bastante eficaz na equalização de canais sob distorção não linear.

Publicação
IEICE TRANSACTIONS on Communications Vol.E85-B No.10 pp.2227-2235
Data de publicação
2002/10/01
Publicitada
ISSN online
DOI
Tipo de Manuscrito
PAPER
Categoria
Dispositivos/Circuitos de Comunicação

autores

Palavra-chave