Documente Academic
Documente Profesional
Documente Cultură
TCNICAS DE INTELIGNCIA
COMPUTACIONAL EM EQUALIZAO
DE CANAIS
I - INTRODUO
Camada Escondida
IV. ALGORITMO
DE
APRENDIZADO
IMUNOLGICOS ARTIFICIAIS
BASEADO
EM
SISTEMAS
1. Determinao da SADA DO CANAL: A entrada um sinal binrio aleatrio com distribuio uniforme e
x (k) a sada do canal no momento kT, onde T o intervalo do smbolo.
2. Entrada do equalizador: A sada do canal de x (k), e suas verses atrasadas definem o vector de entrada do
equalizador.
3. Inicializao de um grupo de clulas, ou seja, n conjuntos de pesos de rede neural:
Um grupo de n solues considerado, por isso cada um dos n vetores representa uma soluo possvel.
Normalmente, os n pesos so inicializados para pequenos valores aleatrios.
4. Clculo da sada desejada do equalizador: O sinal desejado d (k) formado atrasando a sequncia de
entrada u (k), por m amostras para cada uma das n solues possveis.
5. Clculo da funo de ajuste (fitness): A sada do equalizador y (k), comparada com a sada desejada d (k)
para produzir um sinal de erro dado por e (k) = d (k) - Y (k). Para cada n-simo vetor de peso, o erro mdio
quadrtico (MSE) avaliado. Para cada vetor de peso o erro quadrtico mdio (MSE) determinado e
usado como a funo de ajuste (fitness). O objetivo minimizar a funo de ajuste pelo princpio da seleo
clonal.
6. Seleo: O vetor peso selecionado para o qual o MSE mnimo.
7. Clonagem O vetor de peso que produz o melhor valor de ajuste (fitness), ou seja, MSE mnimo duplicado.
8. Mutao: a operao de Mutao introduz variaes nas clulas do sistema imunolgico. A Probabilidade
Pm de mutao escolhida para ser um valor pequeno que indica que a operao ocorre ocasionalmente.
9. Critrio de parada: At que um MSE mnimo predefinido seja obtido, os passos 4 -8 so repetidos.
V. RESULTADOS DE SIMULAO
Canal 1
Canal 2