متعادل سازی فیدبک تصمیمی نظارت شده برای کانالهای غیر خطی با استفاده از شبکه عصبی خودبازگشتی

پیشرفت و توسعه سیستم های مخابراتی قسمت عمده ای از تلاش محققان را برانگیخته است تا هر چه بیشتر این سیستم ها را از لحاظ کارایی و نرخ بیت بهبود بخشیده و بر مشکلات آن فایق آیند. یکی از مهمترین مسائلی که نقش مهمی را در این زمینه ایفا میکند، متعادلسازی کانالهای مخابراتی است. پس از مدتها استفاده از فیلترهای عرضی برای متعادلسازی کانال، بدلیل عملکرد ضعیف این متعادلسازها در مواجهه با کانالهای غیرخطی، امروزه استفاده از روش های نوینی از جمله شبکه های عصبی بیشتر مورد توجه قرار گرفته است. در همین راستا استفاده از شبکه عصبی چندلایه mlp و شبکه عصبی خودبازگشتی rnn برای متعادلسازی کانال مورد بررسی و مطالعه قرار گرفته شده است و عملکرد متعادلساز عصبی خودبازگشتی با فیدبک تصمیمی dfrne نسبت به متعادلساز فیدبک تصمیمی dfe برای کانالهای مینیموم فاز، نامینیموم فاز و متغیر با زمان با اعوجاج غیرخطی و نویز سفید گوسی مقایسه شده است. نتایج شبیه سازی های انجام شده نشان میدهد متعادلساز dfrne با توجه به ساختار دینامیکی که دارد برای متعادل سازی انواع کانالها مناسب می باشد.