Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares

Detalhes bibliográficos
Autor(a) principal: Lima, Letícia Alves
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/28431
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.
id UNB-2_f440c4d326b3bd6a4806e3ff103fd0fb
oai_identifier_str oai:bdm.unb.br:10483/28431
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Lima, Letícia AlvesLeite, João PauloLIMA, Letícia Alves. Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares. 2018. viii, 93 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.https://bdm.unb.br/handle/10483/28431Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.O desenvolvimento das redes neurais surgiu com a ideia de se reproduzir o processamento apresentado por uma das máquinas mais potentes da história da humanidade: o cérebro humano. A ideia era tentar reproduzir o processamento paralelo apresentado pelo órgão mais importante do corpo humano, rompendo com o processamento serial apresentado pelos computadores até então e ampliando sua capacidade e versatilidade. Desde então, diversos tipos de redes neurais e algoritmos para o aprendizado de máquina destas redes foram desenvolvidos, apresentando viabilidade para uma ampla de aplicações; entre elas, dentro das comunicações digitais, o problema de equalização dos canais de comunicação. Neste trabalho, avaliou-se o desempenho do uso de um tipo de rede neural - o perceptron de múltiplas camadas - no problema da equalização de canal. Na análise, foram consideradas duas arquiteturas para o perceptron de múltiplas camadas: o equalizador Fully Complex e o equalizador Split, com a utilização do algoritmo da descida do gradiente adaptativo e do algoritmo de propagação resiliente em seus treinamentos. Além das redes utilizadas, analisou-se também o desempenho do equalizador clássico MMSE. Como resultado, as curvas de BER apresentadas pelos equalizadores foram obtidas, considerando-se sua aplicação a quatro canais de comunicação dispersivos nos esquemas de modulação BPSK, QPSK, 8-PSK, 16-PSK, 32-PSK e 64-PSK. A comparação das curvas obtidas elucidou a superioridade em desempenho da equalizador Fully Complex .Submitted by Patricia Nunes (patricia@bce.unb.br) on 2021-09-03T02:29:51Z No. of bitstreams: 1 2018_LeticiaAlvesLima_tcc.pdf: 10360761 bytes, checksum: cab4d98a5f73f5b5760d9df449658fe9 (MD5)Approved for entry into archive by Patricia Nunes (patricia@bce.unb.br) on 2021-09-03T02:31:09Z (GMT) No. of bitstreams: 1 2018_LeticiaAlvesLima_tcc.pdf: 10360761 bytes, checksum: cab4d98a5f73f5b5760d9df449658fe9 (MD5)Made available in DSpace on 2021-09-03T02:31:09Z (GMT). No. of bitstreams: 1 2018_LeticiaAlvesLima_tcc.pdf: 10360761 bytes, checksum: cab4d98a5f73f5b5760d9df449658fe9 (MD5)The development of neural networks came with the idea of reproducing the processing presented by one of the most powerful machines in human history: the human brain. The idea was to try to reproduce the parallel processing presented by the most important organ of the human body, breaking with the serial processing presented by the computers until then and increasing its capacity and versatility. Ever since, several types of neural networks and algorithms for machine learning of these networks have been developed, presenting viability for a wide range of applications; among them, in digital communications, the problem of equalization of communication channels. In this work, the performance of the use of one type of neural networks - the multilayer perceptron - in the channel equalization problem, was evaluated. In the analysis, two architectures were considered for the multilayer perceptron: the Fully Complex equalizer and the Split equalizer, with the use of the adaptive gradient descent algorithm and the resilient propagation algorithm in its training. In addition to the networks used, the performance of the classic MMSE equalizer was also analyzed. As a result, the BER curves presented by the equalizers were obtained, considering their application to four dispersive communication channels in the BPSK, QPSK, 8-PSK, 16-PSK, 32-PSK and 64-PSK modulation schemes. Comparison of the obtained curves elucidated the superiority in performance of the Fully Complex equalizer.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessRedes neurais (Computação)Comunicações digitaisEqualização adaptativaAnálise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não linearesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-09-03T02:31:09Z2021-09-03T02:31:09Z2018-12-10porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/28431/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2018_LeticiaAlvesLima_tcc.pdf2018_LeticiaAlvesLima_tcc.pdfapplication/pdf10360761http://bdm.unb.br/xmlui/bitstream/10483/28431/1/2018_LeticiaAlvesLima_tcc.pdfcab4d98a5f73f5b5760d9df449658fe9MD5110483/284312021-09-02 23:31:09.492oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712021-09-03T02:31:09Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
title Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
spellingShingle Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
Lima, Letícia Alves
Redes neurais (Computação)
Comunicações digitais
Equalização adaptativa
title_short Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
title_full Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
title_fullStr Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
title_full_unstemmed Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
title_sort Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares
author Lima, Letícia Alves
author_facet Lima, Letícia Alves
author_role author
dc.contributor.author.fl_str_mv Lima, Letícia Alves
dc.contributor.advisor1.fl_str_mv Leite, João Paulo
contributor_str_mv Leite, João Paulo
dc.subject.keyword.pt_BR.fl_str_mv Redes neurais (Computação)
Comunicações digitais
Equalização adaptativa
topic Redes neurais (Computação)
Comunicações digitais
Equalização adaptativa
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-12-10
dc.date.accessioned.fl_str_mv 2021-09-03T02:31:09Z
dc.date.available.fl_str_mv 2021-09-03T02:31:09Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LIMA, Letícia Alves. Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares. 2018. viii, 93 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/28431
identifier_str_mv LIMA, Letícia Alves. Análise de desempenho de arquiteturas de redes neurais no processo de equalização de canais de comunicação dispersivos e não lineares. 2018. viii, 93 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.
url https://bdm.unb.br/handle/10483/28431
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/28431/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/28431/1/2018_LeticiaAlvesLima_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
cab4d98a5f73f5b5760d9df449658fe9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493155467493376

Registros relacionados