چکیده:
پیشرفت و توسعه سیستم های مخابراتی قسمت عمده ای از تلاش محققان را برانگیخته است تا هر چه بیشتر این سیستم ها را از لحاظ کارایی و نرخ بیت بهبود بخشیده و بر مشکلات آن فایق آیند. یکی از مهمترین مسائلی که نقش مهمی را در این زمینه ایفا می کند، متعادل سازی کانال های مخابراتی است. پس از مدت ها استفاده از فیلترهای عرضی برای متعادل سازی کانال، بدلیل عملکرد ضعیف این متعادل سازها در مواجهه با کانال های غیرخطی، امروزه استفاده از روش های نوینی از جمله شبکه های عصبی بیشتر مورد توجه قرار گرفته است.
در همین راستا استفاده از شبکه عصبی چندلایه MLP و شبکه عصبی خودبازگشتی RNN برای متعادل سازی کانال مورد بررسی و مطالعه قرار گرفته شده است و عملکرد متعادل ساز عصبی خودبازگشتی با فیدبک تصمیمی DFRNE نسبت به متعادل ساز فیدبک تصمیمی DFE برای کانال های مینیموم فاز، نامینیموم فاز و متغیر با زمان با اعوجاج غیرخطی و نویز سفید گوسی مقایسه شده است.
نتایج شبیه سازی های انجام شده نشان می دهد متعادل ساز DFRNE با توجه به ساختار دینامیکی که دارد برای متعادل سازی انواع کانال ها مناسب می باشد