طراحی بسته نرم افزاری شبیه ساز متعادل ساز کانال با استفاده از الگوریتمهای کلاسیک و نوین فیلترهای تطبیقی

امروزه فیلترهای تطبیقی کاربردهای وسیعی در شاخه های مختلف مهندسی برق مانند شناسایی سیستم، حذف نویز، حذف اکو، کنترل تطبیقی، پردازش تصویر، تخمین کانال و متعادل سازی کانال پیدا کرده اند. یکی از کاربردهای بسیار مهم فیلتر های تطبیقی استفاده از آن در متعادل سازی کانال می باشد. یک سیگنال دیجیتال به هنگام عبور از یک کانال دچار اعوجاج شده که این پدیده مخرب به تداخل بین سمبلی یا isi معروف است. از این رو در سیستمهای مخابرات دیجیتال برای جبران اثر isi در گیرنده، از سیستمهایی موسوم به متعادل ساز کانال استفاده می شود. روشهای متعادل سازی متعددی تا کنون ارائه شده اند که اغلب بر پایه دو ساختار اصلی متعادل ساز خطی و متعادل ساز بازخورد تصمیم هستند. برای طراحی فیلتر متعادل ساز از روشها و معیارهای ارائه شده مختلفی می توان استفاده کرد. یکی از روشهای مهم و پر کاربرد در طراحی متعادل سازها استفاده از الگوریتمهای فیلتر تطبیقی است. هدف از انجام این پایان نامه بررسی عملکرد الگوریتمهای فیلتر تطبیقی مختلف در کاربرد متعادل سازی کانال در دو ساختار متعادل ساز خطی و متعادل ساز بازخورد-تصمیم است. با توجه به تعدد الگوریتمهای تطبیقی، الگوریتمهای مختلف ارائه شده در دو دسته الگوریتمهای کلاسیک و نوین طبقه بندی شده اند. درمیان الگوریتمهای کلاسیک، الگوریتم حداقل میانگین مربعات(lms) ، الگوریتم حداقل میانگین مربعات نرمالیزه شده (nlms)، الگوریتم تصویر افاین (apa) و الگوریتم حداقل مربعات بازگشتی (rls) جزو مهمترین و متداولترین الگوریتم ها می باشند. برخی از الگوریتمهای نوین فیلتر تطبیقی نیز که به منظور بهبود مشخصه های الگوریتمهای کلاسیک مانند میزان پیچیدگی محاسبات، سرعت همگرایی و خطای حالت ماندگار ارائه شده اند، شامل الگوریتمهای با اصلاح جزئی ضرایب (spu)نظیر spu-nlms و spu-apa، الگوریتمهای خانواده تصویر افاین با انتخاب دنباله ورودی (sr-apa)، الگوریتمهای عضویت-مجموعه (sm) مانند sm-nlms و sm-apa و دسته الگوریتمهای با اندازه گام متغیر (vss) مانند vss-nlms و vss-apa می باشند. الگوریتم های با اصلاح جزئی ضرایب دارای پیچیدگی محاسباتی پایین و عملکرد نزدیک به نوع کلاسیک خود می باشند. الگوریتم های با اندازه گام متغیر دارای سرعت همگرایی بالا و خطای حالت ماندگار پایین هستند و الگوریتم های عضویت مجموعه دارای سرعت همگرایی بالا، خطای ماندگار پایین و پیچیدگی محاسبات پایین به طور همزمان هستند. نتیجه این تحقیق به صورت یک بسته نرم افزاری شبیه ساز متعادل ساز تطبیقی کانال با نام اختصاری aces، به منظور شبیه سازی ساختارهای مختلف متعادل سازی کانال و با استفاده از الگوریتمهای مختلف فیلتر تطبیقی ارائه شده است. در بسته نرم افزاری aces امکان شبیه سازی هر یک از ساختارهای متعادل ساز خطی و متعادل ساز بازخورد-تصمیم با استفاده از الگوریتمهای کلاسیک و نوین فیلتر تطبیقی بر روی سیگنالهای bpsk و qam فراهم شده است. با استفاده از aces می توان عملکرد هر یک از الگوریتمهای تطبیقی در ساختارهای مختلف متعادل سازی و در شرایط گوناگون را مورد بررسی قرار داد. همچنین می توان نتایج استفاده از الگوریتمهای مختلف را در ساختارهای مختلف با هم مقایسه کرد. این مقایسه با استفاده از منحنی های رایج در این کاربرد شامل منحنی یادگیری، منحنی نرخ خطای بیت و دیاگرامهای سیگنالی میسر می گردد. نتایج شبیه سازیهای مختلف انجام شده با استفاده از aces نشان می دهد که الگوریتمهای با اصلاح جزئی ضرایب مانند الگوریتمهای spu-nlms و spu-r-ap ضمن کاهش میزان پیچیدگی محاسبات، عملکردی بسیار نزدیک به الگوریتمهای کلاسیک نظیر خود در ساختارهای مختلف متعادل سازی کانال دارند. همچنین بررسی عملکرد برخی دیگر از الگوریتمهای نوین مانند الگوریتمهای vss-r-ap، sm-nlms و sm-ap توسط aces نشان می دهد که این الگوریتمها ویژگیهای مورد انتظار مانند حفظ سرعت همگرایی مناسب، کاهش سطح خطای حالت ماندگار و کاهش متوسط میزان پیچیدگی محاسبات را در کاربرد متعادل سازی کانال برآورده می کنند