تکه هایی از این پایان نامه :

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

1-1-1- آشکارسازی وفقی LMS

اکنون با توجّه به موارد مطرح شده در بخش پیش، می توانیم برای پیاده سازی آشکارساز MMSE خطّی الگوریتم وفقی مطلوب را به دست آوریم. این کار را برای کانال هم زمان انجام می دهیم و پس از آن به صورت مختصر در مورد تعمیم آن به بحث خواهیم پرداخت.

آشکارساز MMSE خطّی  برای کاربر مورد نظر که فرض می کنیم کاربر شماره یک باشد، سیگنال دریافتی را در یک تبدیل خطّی  ضرب داخلی می کند به گونه ای که عبارت زیر کمینه گردد:

کمینه کردن این عبارت می تواند به گونه کامل با مباحث مطرح شده در بخش پیش تطبیق پذیرد و با تقریب اتّفاقی انجام پذیرد. برای این مقصود معادل سازی زیر را انجام می دهیم:

که در آن  نمایش دهنده سیگنال دریافتی و بیت ارسالی  می باشد. به سهولت می توان نظاره نمود که این تابع محدّب می باشد و شرایط بهره گیری از الگوریتم نزول اتّفاقی را داراست. پس مشاهدات مستقل با توزیع یکسان در این مورد برای بهره گیری در الگوریتم تقریب اتّفاقی به صورت زیر خواهند بود:

که در آن  بردار به دست آمده از نمونه گیری از سیگنال پیوسته زمان دریافتی با بهره گیری از فیلتر منطبق بر شکل موج چیپ ها و با نرخی برابر با نرخ چیپ ها در jامین بازه زمانی به صورت زیر می باشد:

اکنون تمام آن چیز که لازم می باشد انجام دهیم محاسبه گرادیان تابع تعریف شده نسبت به  می باشد که برابرست با:

پس الگوریتم وفقی LMS به صورت زیر به سادگی نتیجه می گردد:

نظاره می گردد که به هنگام سازی پاسخ ضربه یا وزن های آشکارساز شامل مقیاس کردن سیگنال دریافتی با خطای میان داده های معلوم از رشته های آموزشی و خروجی فیلتر می باشد. پاسخی که در نهایت الگوریتم وفقی مطرح شده به آن همگرا خواهد گردید، همان آشکارساز MMSE خطّی برای کاربر یک مورد نظر می باشد [2، 5 و 25].

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید: