Ahmar Shafi2022-05-182022-05-185096https://drepo.sdl.edu.sa/handle/20.500.14154/3135إن القنوات الشديد التشويه للمعلومات تحد من استخدام المعدلات الخطية فيصبح استخدام المعدلات الغير خطية معقولاً . معظم المعلات الغير خطية معقدة جداً ، مثلاً معدل فولتيرا ، مما يجعله غير مناسبة للاستخدام الحقيقي . إن المعدلات المعتمدة على الشبكات العصبية ، وخصوصاً الملاحظ المتعدد الطبقات ، فعالة حسابياً مما يجعلها بديل للمعدلات الغير خطية . ولكن من عيوب هذه المعدلات المعتمد على الملاحظ المتعدد الطبقات أنها بطيئة التقارب مما يحد من استخداماتها العملية . في هذه الرسالة ، قمنا بدراسة وتحليل طريقة لزيادة سرعة تقارب معدلات الملاحظ المتعدد الطبقات باستخدام مرحلة مشهورة وسريعة التقارب تدعى معالج مرشح شبيكي في مدخل معدل الملاحظ المتعدد الطبقات . الخوارزميات الشبيكية معروفة بسرعة التقارب وعدم حساسيتها بانتشار القيم الهامة لمصفوفة ارتباط القناة . قيم أداء المرشحات الجديدة المتكيفة الغير خطية المعتمدة على الشبكات العصبية المتعامدة مبدئياً باستخدامها في المعدلات المتكيفة لقنوات إرسال المعلومات الخطية والغير خطية والمتغيرة زمنياً في وجود تشويش جاوسيأبيض وملون بالنسبة لإشارات PAM . إن قوة خوارزمية RLS بالإضافة إلى المرشح الشبيكي أدى إلى تحسن كبير في أداء المعدلات المعتمدة على الملاحظ المتعدد الطبقات وهذا التح،سن يظهر في سرعة التقارب وانخفاض متوسط مربع الخطأ ، وكذلك انخفاض معدل الخطأ في الخانة . ولقد جرى دراسة وتحليل هذه الطريقة المقترحة باستخدام محاكاة الكمبيوتر وعرضت النتائج في أشكال رسوم بيانية للانتشار ورسوم بيانية للعين ومنحنيات التعليم ومنحنيات معدل الخطأ في الخانة لمعدلات في حالات مختلفة وقنوات مختلفة .enNeural networks-based decision feedback equalization using lattice structure.Thesis