Original title: Metody ekvalizace v digitálních komunikačních systémech
Translated title: Equalization Methods in Digital Communication Systems
Authors: Deyneka, Alexander ; Šilhavý, Pavel (referee) ; Číž, Radim (advisor)
Document type: Master’s theses
Year: 2011
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Tato práce je psaná v angličtině a je zaměřená na problematiku ekvalizace v digitálních komunikačních systémech. Teoretická část zahrnuje stručné pozorování různých způsobů návrhu ekvalizérů. Praktická část se zabývá implementací nejčastěji používaných ekvalizérů a s jejich adaptačními algoritmy. Cílem praktické části je porovnat jejich charakteristiky a odhalit činitele, které ovlivňují kvalitu ekvalizace. V rámci problematiky ekvalizace jsou prozkoumány tři typy ekvalizérů. Lineární ekvalizér, ekvalizér se zpětnou vazbou a ML (Maximum likelihood) ekvalizér. Každý ekvalizér byl testován na modelu, který simuloval reálnou přenosovou soustavu s komplexním zkreslením, která je složena z útlumu, mezisymbolové interference a aditivního šumu. Na základě implenentace byli určeny charakteristiky ekvalizérů a stanoveno že optimální výkon má ML ekvalizér. Adaptační algoritmy hrají významnou roli ve výkonnosti všech zmíněných ekvalizérů. V práci je nastudována skupina stochastických algoritmů jako algoritmus nejmenších čtverců(LMS), Normalizovaný LMS, Variable step-size LMS a algoritmus RLS jako zástupce deterministického přístupu. Bylo zjištěno, že RLS konverguje mnohem rychleji, než algoritmy založené na LMS. Byly nastudovány činitele, které ovlivnili výkon popisovaných algoritmů. Jedním z důležitých činitelů, který ovlivňuje rychlost konvergence a stabilitu algoritmů LMS je parametr velikosti kroku. Dalším velmi důležitým faktorem je výběr trénovací sekvence. Bylo zjištěno, že velkou nevýhodou algoritmů založených na LMS v porovnání s RLS algoritmy je, že kvalita ekvalizace je velmi závislá na spektrální výkonové hustotě a a trénovací sekvenci. The thesis is focused on the problem of equalization in digital communication systems. Theoretical part includes brief observation of different approaches of equalizer designing. The practical part deals with implementation of the most often used equalizers and their adaptation algorithms. The aim of practical part is to make a comparison characteristic of different type of equalizers and reveal factors that influence the quality of equalization. Within a framework of the problem of equalization three types of equalizers were researched: linear equalizers, decision feedback equalizers (DFE) and maximum likelihood equalizers (ML). Each equalizer was tested on the model which approximates the real transmission system with complex distortion consisted of attenuation, intersymbol interference and additive noise. The comparison characteristics of equalizers were revealed on the basis of implementation. It was ascertained that ML equalizer has the optimum performance among three equalizers. The adaptation algorithm play significant role in performance of mentioned equalizers. Two groups of algorithms were studied: stochastic and deterministic. The first one includes following algorithms: least-mean-square algorithm (LMS), normalized LMS algorithm (NLMS) and variable step-size LMS algorithm (VSLMS). The second one is represented by RLS algorithm. It was determined that RLS algorithm converges much faster than LMS-based algorithms. The several factors that influenced the performance of all algorithms were studied. One of the most important factors that influences the speed of convergence and stability of the LMS algorithm is step-size parameter. Another very important factor is selecting the training sequence. The big disadvantage of LMS-based algorithms compare to RLS-based algorithms was found: the quality of equalization is highly dependent on the power spectral density of the training sequence.
Keywords: adaptační algoritmus; DFE ekvalizér; Ekvalizér; LMS algoritmus; ML ekvalizér.; NLMS algoritmus; RLS algoritmus; VSLMS algoritmus; adaptation algorithm.; decision feedback equalizer (DFE); Equalizer; least-mean-square algorithm (LMS); maximum likelihood equalizer; normalized LMS algorithm (NLMS); variable step-size LMS algorithm (VSLMS)

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/3784

Permalink: http://www.nusl.cz/ntk/nusl-564782


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses