FBE- Telekomünikasyon Mühendisliği Lisansüstü Programı - Doktora
Bu koleksiyon için kalıcı URI
Gözat
Konu "Algorithms" ile FBE- Telekomünikasyon Mühendisliği Lisansüstü Programı - Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeUyarlamalı Süzgeçler İçin Yeni Bir Stokastik Kontrol Algoritması Ve Sistem Tanılama Uygulaması(Fen Bilimleri Enstitüsü, 1997) Koçal, Osman Hilmi ; Erimez, Enise ; 66416 ; Telekomünikasyon Mühendisliği ; Telecommunication EngineeringUyarlamak FIR süzgeçlerde kullanılan kontrol algoritmaları, gradient tabanlı algoritmalar ve ardışıl algoritmalar olmak üzere iki ana sınıfta toplanabilir. Gradient tabanlı algoritmalarda ilgilenilen amaç ölçütünün gradient vektörü kullanılır ve yakınsama hızı özilişki matrisinin yapısına bağımlıdır. Çok kullanılan bir gradient tabanlı algoritma LMS (least-mean-square) algoritmasıdır. Ardışıl algoritmalarda özilişki matrisinin tersi her adımda ardışıl olarak hesaplanır ve yakınsama hızı özilişki matrisinin yapısından bağımsızdır. Bunun sonucu olarak yakınsama hızı gradient tabanlı algoritmalara göre çok daha büyüktür. İyi bilinen bir ardışıl algoritma RLS (recursive least square) algoritmasıdır. Algoritmaların karşılaştırılmasında önemli ölçütlerden biri de madpr (multiplication and division per recusion) olarak adlandırılan bir iterasyon adımındaki çarpma ve bölme sayısıdır. Süzgeç katsayı vektörünün boyutu M olmak üzere, LMS algoritmasında madpr M ile doğrusal artarken, RLS algoritmasında karesel olarak artmaktadır. Bu çalışmada uyarlamak FIR süzgeçler için tabanım doğrusal denklem sistemlerinin çözümünde kullanılan ardışıl yöntemlerin oluşturduğu yeni bir stokastik kontrol algoritması önerilmiştir. Optimum süzgeç katsayılarının elde edildiği Wiener- Hopf denklemlerine Jacobi ve Gauss-Seidel algoritmaları ilk kez uygulanmış ve süzgeç katsayılarını ardışıl olarak hesaplayan iki yöntem bulunmuştur. Jacobi algoritması kullanılarak bulunan yöntemin kararlı olması için gradient tabanlı algoritmalarda kararlılık bakımından sağlanması gereken koşula benzer bir koşulun sağlanması gerektiği görülmüştür. Gauss-Seidel algoritması içeren yöntemin bir koşul gerektirmeden yakınsayacağı anlaşılmıştır. Bu yöntemde özilişki matrisi ve çapraz ilişki vektörü yerine bunların öngörü değerleri olan örnek ortalamaları kullanılarak yeni bir stokastik kontrol algoritması elde edilmiştir. Stokastik kontrol algoritması kullanılarak hesaplanan süzgeç katsayılarıyla ilgilenilen sürecin özilişki katsayılarının istatistiksel ilişkisiz oldukları deneysel olarak gösterilmiştir. Bu özellikten ve özilişki katsayılarının olasılık yoğunluk fonksiyonundaki dağılım parametreleri üzerinde yapılan varsayımlardan yararlanarak yeni stokastik kontrol algoritması yardımıyla öngörülen süzgeç katsayı vektörünün optimum katsayı vektörü için yansız bir kestireç olduğu analitik olarak gösterilmiştir. Önerilen yeni algoritma için, RLS algoritmasında kullanılan benzer işlemlerle, durağan olmayan ortamlarda da işleyen bir yapı elde edilmiştir. Yeni algoritmanın LMS ve RLS algoritmalarıyla yakınsama hızı ve madpr karşılaştırmaları yapılmıştır. Sistem tanılama uygulaması birinci ve ikinci dereceden doğrusal sistemler üzerinde pratik olarak gerçeklenmiştir.