Luận Văn Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM

Đề tài: Ứng dụng bộ cân bằng dùng Neural Networks triệt nhiễu giao thoa ký tự trong hệ thống GSM



MỤC LỤC​

PHẦN 1 HỆ THỐNG THÔNG TIN DI ĐỘNG TOÀN CẦU GSM



CHƯƠNG 1 : GIỚI THIỆU HỆ THỐNG THÔNG TIN DI ĐỘNG GSM 12


CHƯƠNG 2 : CẤU TRÚC MẠNG GSM 14

1. Trạm di động 14

2. Hệ thống con trạm gốc 15

3. Hệ thống mạng con 15


CHƯƠNG 3 : LIÊN KẾT VÔ TUYẾN 17

1. Đa truy cập và cấu trúc kênh 17

2. Kênh lưu thông (TCH) 18

3. Kênh điều khiển (CCH) 19

4. Cấu trúc Burst 19

5. Biến đổi âm thoại sang sóng vô tuyến 20

6. Cân bằng đa đường 24

7. Nhảy tần 25

8. Truyền phát gián đoạn 25

9. Thu gián đoạn 25

10. Điều khiển công suất 25


CHƯƠNG 4 : MẠNG GSM 27

1. Quản lý tài nguyên vô tuyến 28

2. Quản lý di động 29


CHƯƠNG 5 : CÔNG NGHỆ GSM 32

1. Chất lượng tiếng nói 32

2. Các dịch vụ Fax và dữ liệu 32

3. Bảo mật 33

4. Liên lạc di động quốc tế 33


CHƯƠNG 6 : CÁC DỊCH VỤ GSM 34




PHẦN 2 BỘ CÂN BẰNG



CHƯƠNG 1 : GIỚI THIỆU 36


CHƯƠNG 2 : NHIỄU TRONG HỆ THỐNG THÔNG TIN 38

1. Fading 40

2. Nhiễu liên ký tự và nhiễu đồng kênh 43

3. Doppler 45

4. Mô hình kênh vô tuyến 49


CHƯƠNG 3 : BỘ CÂN BẰNG 56

1. Tổng quan cân bằng 56

2. Bộ cân bằng thích ứng tổng quát 58

3. Bộ cân bằng trong máy thu 61

4. Bộ cân bằng mù 62

5. Tổng quát các kỹ thuật cân bằng 70

6. Bộ lọc tuyến tính 72

7. Cân bằng phi tuyến 74

8. Các giải thuật bù thích ứng 77


PHẦN 3 MẠNG NEURAL NETWORKS



CHƯƠNG 1 : TỔNG QUAN NEURAL NETWORKS 85

1. Giới thiệu chung 85

2. Ý tưởng sinh học 85

3. Mô hình nhân tạo cơ bản 86

4. Sử dụng Neural Networks 87

5. Thu thập dữ liệu cho Neural Networks 88

6. Tiền và hậu xử lý 90

7. Perceptron nhiều lớp 91

8. Các mạng hàm Radial Basis 99

9. Mạng Neural xác suất (PNN) 102

10. Mạng Neural hồi quy tổng quát hóa (GRNN) 104

11. Mạng tuyến tính 105

12. Mạng Kohonen 105




CHƯƠNG 2 : MÔ HÌNH MẠNG NEURAL NETWORKS 108

1. Mô hình neuron và cấu trúc mạng 105

2. Cấu trúc dữ liệu 112

3. Kiểu huấn luyện 112

4. Kết luận 113


CHƯƠNG 3 : PERCEPTRON 114

1. Mô hình neuron 114

2. Cấu trúc Perceptron 115

3. Quy luật học tập 116

4. Huấn luyện thích ứng 116


CHƯƠNG 4 : MẠNG TUYẾN TÍNH THÍCH ỨNG 117

1. Mô hình Neuron 117

2. Cấu trúc mạng 118

3. Trung bình bình phương sai số 119

4. Thuật toán LMS 119

5. Lọc thích ứng 120

6. Kết luận 126


CHƯƠNG 5 : BACKPROPAGATION 128

1. Tổng quát 128

2. Huấn luyện nhanh 134

3. So sánh bộ nhớ và tốc độ 138

4. Cải thiện tính tổng quát hóa 139

5. Tiền và hậu xử lý 142

6. Giới hạn 143

7. Tóm tắt 144


CHƯƠNG 6 : MẠNG RADIAL BASIS 146

1. Hàm radial basis 146

2. Mạng hồi quy tổng quát hóa (GRNN) 148

3. Mạng xác suất (PNN) 150

4. Kết luận 151


CHƯƠNG 7 : MẠNG HỒI TIẾP 152

1. Mạng Elman 152

2. Mạng Hopfield 154

3. Kết luận 156




CHƯƠNG 8 : MẠNG SELF - ORGANIZING 157

1. Học cạnh tranh 157

2. Bản đồ tự tổ chức 159


PHẦN 4 CHƯƠNG TRÌNH MÔ PHỎNG VÀ KẾT QUẢ



CHƯƠNG 1 : THIẾT KẾ CHƯƠNG TRÌNH 162


CHƯƠNG 2 : KẾT QUẢ MÔ PHỎNG 166


CHƯƠNG 3 : CHƯƠNG TRÌNH NGUỒN 257



KẾT LUẬN 285



TÀI LIỆU THAM KHẢO