شبکه ی عصبی تپشی نوع خاصی از شبکه های عصبی می باشد که داده های ورودی و خروجی آن از جنس زمان است. این شبکه ها برای مدل سازی دقیـق تر نرون های واقعی و رفتار آن ها ایجاد شده اند. در این پژوهش مسئله ی یادگیری در شبکه های عصبی تپشی مورد بررسی قرار گرفته است. نرخ همگرایی پایین و نیز کندی سرعت یادگیری از جمله مشکلاتی است که تاکنون شبکه های عصبی تپشی با آن مواجه بوده است؛ این در حالی است که به دلیل وجود ماهیت زمانی در این شبکه ها، هزینه ی محاسباتی این شبکه ها به خودی خود بسیار بیشتر از شبکه های سیگموئیدی متعارف می باشد. در آخرین تحقیقات و پژوهش های انجام شده در مورد یادگیری در شبکه های عصبی تپشی، از الگوریتم "تندترین کاهش گرادیانی بهبود یافته با مومنتوم با نرخ یادگیری خود انطباقی پویا" استفاده شده است. در همین راستا، در این پژوهش با هدف ایجاد بهینه سازی هایی در نرخ و سرعت همگرایی شبکه عصبی تپشی، از روش "تندترین کاهش گرادیانی بهبود یافته با تانژانت موازی با نرخ یادگیری خود انطباقی پویا" استفاده شده است. آزمون های xor، توازن، چرخش، کدکننده-کدبردار و ایریس به سه روش "تندترین کاهش گرادیانی با نرخ یادگیری خود انطباقی پویا"، "تندترین کاهش گرادیانی با نرخ یادگیری خود انطباقی پویا همراه با بخش مومنتوم" و روش پیشنهادی یعنی "تندترین کاهش گرادیانی بهبود یافته با تانژانت موازی با نرخ یادگیری خود انطباقی پویا" در دو حالت "شبکه عصبی تک تپشی" و "شبکه عصبی چند تپشی" اجرا شده است. همچنین برای هر یک از آزمون ها، در شرایط یکسان مقایسه ای بین یادگیری در شبکه عصبی چند تپشی و شبکه عصبی تک تپشی به روش تندترین کاهش گرادیانی با نرخ یادگیری ثابت انجام شده است. نتایج بدست آمده نشان می دهد که در همه ی آزمون ها روش تندترین کاهش گرادیانی بهبود یافته با تانژانت موازی با نرخ یادگیری خود انطباقی پویا، بیشترین درصد همگریی را به خود اختصاص داده است. پس از آن روش تندترین کاهش گرادیانی بهبود یافته با مومنتوم با نرخ یادگیری خود انطباقی پویا قرار دارد و روش تندترین کاهش گرادیانی با نرخ یادگیری خود انطباقی پویا کمترین نرخ همگرایی را دارد. روش پیشنهادی در حالی بیشترین درصد همگرایی را به خود اختصاص داده است که در مقایسه با دو روش دیگر، دارای هزینه محاسباتی کمتری است. همچنین نتایج بدست آمده نشان می دهد که در شرایط یکسان در صد همگرایی شبکه ی عصبی چند تپشی بیشتر از شبکه ی عصبی تک تپشی است؛ اما هزینه ی محاسباتی شبکه ی چند تپشی بیشتر از شبکه ی تک تپشی است، بنابراین مصالحه ای بین درصد همگرایی و هزینه ی محاسباتی در این دو نوع شبکه برقرار است.

در این پژوهش بحث تخصیص منابع در شبکه های رادیوشناختگر مبتنی بر دسترسی چندگانه با تقسیم فرکانس متعامد مورد مطالعه قرار گرفته است. در این شبکه ها کاربران ثانویه به صورت پویا طیف کاربران اولیه را حس می کنند و به صورت فرصت طلبانه از کانال های دردسترس(خالی از کاربر اولیه) استفاده می کنند. هدف از تخصیص منابع، بیشینه نمودن گذردهی شبکه تحت محدودیت بیشینه توان ارسالی کاربران ثانویه و بیشینه تداخل کاربران اولیه می باشد. این مسئله از نوع مسائل mixed-integer nonlinear programming می باشد که حل بهینه ی آن دارای پیچیدگی زیادی است. درابتدا کارهای صورت گرفته در زمینه ی تخصیص توان و کانال با در نظرگرفتن محدودیت توان ارسالی، میزان تداخل قابل تحمل توسط کاربران مجوزدار و سطوح مختلف سرویس کاربران ثانویه و راه حل های شبه بهینه ی ارائه شده مورد بررسی قرارمی گیرد. سپس به منظور کاهش پیچیدگی، روشی شامل دوگام پیشنهاد می شود. در این روش پس از تخصیص اولیه ی توان، در گام اول، تخصیص کانال به کاربران ثانویه با استفاده از الگوریتمی وفقی با هدف بیشینه نمودن گذردهی شبکه انجام می گیرد و درگام دوم با دانش کانال های تخصیصی، توان به صورت بهینه به کاربران تخصیص داده می شود. نتایج نشانگر این واقعیت است که روش پیشنهادی دارای رفتاری نزدیک به جواب بهینه می باشد. مسیردهی بهینه ی داده در شبکه های بی سیم به ظرفیت لینک ها که مشخصا توسط منابع تخصیص یافته (توان و کانال) به آنها مشخص می شود، وابسته است. در نتیجه عملکرد بهینه ی شبکه می تواند توسط بهینه سازی همزمان مسیردهی داده و تخصیص منابع حاصل شود. این مسئله در شبکه های رادیو شناختگر که طیف در دسترس متغیر است و محدودیت اعمال شده از سوی کاربران اولیه (بیشینه ی تداخل قابل تحمل) نیز باید مورد نظر قرار گیرد، از درجه ی اهمیت بیشتری برخوردار می باشد. از طرف دیگر چنین بهینه سازی سراسری در شبکه ی رادیوشناختگر، در عمل نیازمند جمع آوری اطلاعات تمام گره های ثانویه، کانال های مربوط به آنها و وضعیت طیف در کل شبکه در یک ایستگاه مرکزی و اعمال کنترل از طرف این ایستگاه بر گره های ثانویه است. چنین مسئله ای موجب سیگنالینگ (انتقال فرامین کنترلی بین گره ها) فراوان در شبکه ی رادیو شناختگر می شود که به طور قابل توجهی بازده سیستم را کاهش می دهد. به این منظور در ادامه ی این پژوهش الگوریتمی شبه توزیع شده شامل دو گام بر مبنای تئوری تجزیه ی دوگان با هدف کاهش پیچیدگی مسئله ومحدود ساختن هر چه بیشتر فرایند سیگنالینگ ارائه می شود. نتایج شبیه سازی نشانگر عملکردی نزدیک به پاسخ بهینه برای الگوریتم پیشنهادی، با پیچیدگی به مراتب کمتر می باشد.

هدف از این پژوهش ارائه ی روشی ساده در زمینه ی تشخیص طیف در سیستم رادیوشناختگر، مبتنی بر ویژگی ایستان گردشی سیگنال ها می باشد. به منظور کاهش پیچیدگی محاسباتی و زمان حسگری نسبت به روش های مرسوم تشخیص طیف مبتنی بر ویژگی ایستان گردشی سیگنال ها، در روش ارائه شده به طور مستقیم از همبستگی بین مولفه های فرکانسی یک سیگنال ایستان گردشی، بدون لزوم محاسبه ی توابع خودهمبستگی یا چگالی طیف توان گردشی، استفاده و در یک ساختار الگوریتم وفقی بکار گرفته شده است. اندازه ی ضرایب تخمین الگوریتم مورد استفاده، معیار تشخیص حضور یا عدم حضور سیگنال کاربر اولیه در طیف فرکانسی در نظر گرفته شده است. پیچیدگی و عملکرد الگوریتم پیشنهادی با روش های دیگر تشخیص طیف مبتنی بر ویژگی ایستان گردشی سیگنال ها مقایسه شده و تجزیه و تحلیل کارایی آن انجام شده است. نتایج، عملکرد رضایت بخش روش پیشنهادی، قضاوت تقریباً بدون خطای آن از آزاد یا اشغال بودن کانال و سرعت بسیار بالای آن را نشان می دهد. روش ساده تری نیز به منظور تشخیص طیف سیگنال های bpsk با استفاده از الگوریتم nlms و بر اساس ویژگی ایستان گردشی سیگنال ها پیشنهاد شده است،که از یک ساختار غیرخطی تبعیت می کند و مزیت اصلی آن عدم نیاز به استفاده ی مستقیم از فرکانس های گردشی است. همچنین در این پژوهش روشی ساده و دارای پیچیدگی پایین برای تخمین فرکانس های گردشی سیگنال های ایستان گردشی ارائه شده است. در روش پیشنهادی از یک الگوریتم وفقی برای تخمین فرکانس های گردشی سیگنال ایستان گردشی توسط نمونه های فرکانسی انتقال یافته ی آن استفاده شده است. اندازه ی ضرایب تخمین معیاری برای تشخیص فرکانس گردشی بودن یا نبودن در نظر گرفته شده است. مزیت الگوریتم پیشنهادی، پیچیدگی بسیار کم و سرعت بالای نتیجه گیری است که در بسیاری از الگوریتم های مرسوم تخمین فرکانس گردشی و یا فرکانس حامل وجود ندارد.

در این پژوهش هدف، به کارگیری روش های نوین در شکل دهی الگوی انتشار در شبکه های رادیوشناختگر است. شکل دهنده ی الگوی انتشار با کاهش تداخل و بهبود ظرفیت سیستم نقش عمده ای در مخابرات بی سیم دارد. با به کارگیری این روش، سیگنال هر کاربر توسط ایستگاه های پایه تاحد ممکن در راستای گیرنده ارسال شده و به طور موثر تداخل را در سیستم کاهش می دهد. لازم به توضیح است که اجرای این شیوه، نیازمند داشتن اطلاعات حالت کانال برای شکل دادن پرتوآنتن های فرستنده به بهترین شکل ممکن است تا تداخل کمینه و بهره ی پیونده ی رادیوشناختگر بیشینه شود. این اطلاعات به روش های گوناگونی در فرستنده دریافت می شود. هدف ما در این پژوهش بیان روش های شکل دهی الگو، ارائه ی شیوه هایی نوین و مبتنی بر ساده سازی اطلاعات برای انجام این فرآیند و در عین حال حفظ نسبی کیفیت سیستم است. در این پژوهش بر مبنای یک ساختار وفقی و با به کارگیری فیدبک جزئی، به شکل ساده ای کل اطلاعات کانال از محل گیرنده به سمت فرستنده ارسال می شود، ضمن این که لازم نیست با تغییر کانال، اطلاعات آن به صورت کامل ارسال گردد. با به کارگیری این اطلاعات در شکل دهی الگو توسط فرستنده، کیفیت سرویس نیز در حد مطلوب و رضایت بخش باقی خواهد ماند. در رویکردی دیگر، از بردار شکل دهنده ی الگوی انتشار شبه بهینه با هدف ساده سازی، همگرایی معادلات مطرح شده و از بین بردن محدودیت های به وجود آمده، استفاده می کنیم.

شبکه های رادیو شناختگر برای حل مشکل کمبود طیف فرکانسی و بهبود استفاده از طیف فرکانسی بوجود آمدند. یکی از مهمترین مسائل در این شبکه ها، مدیریت منابع رادیویی است. در اکثر روش های موجود تمرکز روی تخصیص منابع به کاربر ثانویه بدون ایجاد مزاحمت برای کاربر اصلی است. در روش های قبلی، کیفیت استفاده از منابع توسط کاربر پس از در اختیار گرفتن آن، در تصمیم گیری های بعدی جهت تخصیص منابع نقشی ندارد. در این پایان نامه یک ساختـار پویا برای پذیرش کاربران ثانویه جدید و تخصیص توان به آن ها ارائه شده است. در این رویکرد از یک تابع کارایی مناسب با پیچیدگی کم برای تصمیم گیری در مورد اختصاص یا عدم اختصاص توان استفاده شده است. با ارائه ی یک روال تصمیم گیری، در صورت عدم استفاده ی مناسب از کانال اختصاص داده شده به کاربر، توان اختصاصی باز پس گیری شده، در اختیار کاربر دیگری قرار می گیرد که درخواست استفاده از شبکه را دارد. مبنای تصمیم گیری در حذف کاربر، نرخ از دست رفتن بسته ها می باشد. تجزیه و تحلیل و نتایج شبیه سازی، نشانگر بهبود گذردهی شبکه با استفاده از روش پیشنهادی می باشد.

چکیده ندارد.