基於模糊神經模式之室內無線電通訊通道及等化器研究

Abstract

本計畫將著重在應用模糊集(Fuzzy set)理論及 類神經網路技術於室內無線通訊通道模型 ( Channel modelling)及等化器(Equalizer)方面研究.由於 室內無線通訊可以提供辦公室,工廠及醫院等 資訊網路服務與安裝更具彈性,便宜及包容性. 所以無線區域網路以成為現今電腦網路技術的 主要發展方向.然而室內的射頻電波通道則因 為牆壁,地表及其它移動物體(如人員,機具等) 造成電波反射及散射,因此有所謂「時變多重 路徑衰退」(Time-varing multipath fading)的效應.此 將使得電波訊號受到嚴重干擾,同時也降低通 道最大傳輸速率及品質.目前室內無線電時變 通道是建立在卜松(Poisson),雷利(Rayleigh)及指數 三種不同隨機過程整合的統計模型上.並且使 用傳統的線性決策回饋等化技術(Linear decision feedback equalization)以消除該通道的時變多重路 徑衰退干擾.但是統計模式卻無法有效地掌握 空間環境及移動人員阻隔效應等因子.相當幸 運的,模糊理論可以補足統計模式的限制及缺 失進而提供一種基於語意變數(Linguistic variable) 的近似推理模型(Approximatereasoning model).本計畫 將針對室內無線通訊特有及具有影響因子經由 實地量測建立通道模糊模型.另外一方面,傳統 決策回饋等化器只限於處理經簡化的非時變室 內無線通道.因此本計畫希望發展基於循環式 類神經網路(Recurrent neural net)及平行遞迴預測 誤差演算法 (Parallel recursive prediction erroralgorithm)的複變數通道等化器以其有效地排除 非線性時變問題並且同時提高其精密度,收斂 速度以及節省記憶體的使用量.最後,我們將發 展建構在模糊通道模型的複變數類神經等化器 ,如此可以掌握更完整的室內無線通訊特性而 達到較佳的通訊品質.