• 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보


In this paper, the minimum mean square error(MSE) convergence of the RBF equalizer is evaluated and compared with the linear equalizer based on the theoretical minimum MSE. The basic idea of comparing these two equalizers comes from the fact that the relationship between the hidden and output layers in the RBF equalizer is also linear. As extensive studies of this research, various channel models are selected, which include linearly separable channel, slightly distorted channel, and severely distorted channel models. In this work, the theoretical minimum MSE for both RBF and linear equalizers were computed, compared and the sensitivity of minimum MSE due to RBF center spreads was analyzed. It was found that RBF based equalizer always produced lower minimum MSE than linear equalizer, and that the minimum MSE value of RBF equalizer was obtained with the center spread which is relatively higher(approximately 2 to 10 times more) than variance of AWGN. This work provides an analytical framework for the practical training of RBF equalizer system.

참고문헌 (12)

  1. G.J. Gibson, S.Siu, and C.F.N. Cowan, 'Application of Multilayer Perceptrons as Adaptive Channel Equalizers,' IEEE Int. Conf. Acoust. Speech, Signal Processing, Glasgow, Scotland, pp. 1183-1186, 1989 
  2. P. R Chang and B. C. Wang 'Adaptive Decision Feedback Equalization for Digital Channels using Multilayer Neural Networks,' IEEE J. Selected Areas Commun., Vol. 13, pp.316-324, Feb. 1995 
  3. K. A. Al-Mashouq, I. S. Reed, ''The Use of Neural Nets to Combine Equalization with Decoding for Severe Intesymbol Interference Channels,' IEEE Trans. Neural Networks, Vol.5, pp..982-988, Nov. 1994 
  4. S. Haykin, Adpative Filter Theory, third edition, Prentice Hall, 1996 
  5. B. Mulgrew, 'Applying Radial Basis Functions,' IEEE Sig. Proc. Mag., pp.50-65, Mar. 1996 
  6. J. Lee, A Radial Basis Function Equalizer with Reduced Number of Centers, Ph.D. dissertation, Florida Institute of Technology, 1996 
  7. S. Chen, B. Mulgrew, and P. M Grant, 'A Clustering Technique for Digital Communication Channel Equalization using Radial Basis Function Networks,' IEEE Trans. Neural Networks, Vol.4, pp.570-579, Jill. 1993 
  8. S. K. Patra and B. Mulgrew, 'Computational Aspects of Adaptive Radial Basis Function Equalizer Design,' IEEE Int. Symposium on Circuits and Systems, Hong Kong. pp.521-524, Jun. 1997 
  9. J. Lee, C.B. Beach, and N. Tepedelenlioglu, 'A Practical Radial Basis Function Equalizer,' IEEE Trans. Neural Networks, Vol.10, pp.450-455, Mar. 1991 
  10. M Ibnkahla, 'Applications of Neural Networks to Digital Communications- a Survey,' Signal Processing, pp. 1185-1215, Mar. 1999 
  11. J. G. Proakis, Digital Communications, third edition, McGraw Hill, 1995 
  12. E. Lee and D. Messerschmitt, Digital Communication, second edition, Springer, 1993 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음


원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

이 논문과 연관된 기능

DOI 인용 스타일