Jag accepterar att kakor lagras på min dator

Läs mer

Generering av mjuk information i ett frekvenshoppande radiosystem med hjälp av neuronnät.

Generering av mjuk information i ett frekvenshoppande radiosystem med hjälp av neuronnät. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Andersson Gunnar, Andersson Håkan
Ort: Linköping
Sidor: 65
Utgivningsår: 1992
Publiceringsdatum: 1992-02-06
Rapportnummer: (FOA C 30644-8.3)
Nyckelord neuronnät, back-propagation, frekvenshopp, aktiv störning, felrättande kodning, mjuk information, neural network, back-propagation, frequency hopping, jamming, error correcting codes, soft information, 380, HPTK
Sammanfattning Syftet med detta arbete är att förbättra prestanda för digital kommunikation med ett frekvenshoppande radiosystem på kortvågsbandet. Uppgiften var att generera mjuk information till systemets faltningsavkodare och på så vis höja felrättningsförmågan. Problemets art gjorde att en lösning med neuronnät var intressant. Många olika typer av neuronnät har studerats och för två av dem har vi skrivit generella testprogram i programspråket C. Våra simuleringar visar att ett tvålagers neuronnät med två neuroner i första lagret och ett utneuron ger bäst resultat. Träningsmetoden som används är backpropagation. Resultaten ger att neuronnätet och den valda faltningkoden tillsammans har en kraftfull felrättningsförmåga. Exempelvis har vi lyckats att helt felfritt överföra information, trots att etern är störd av dels brus som orsakar 1.5% bitfelshalt på hela frekvensbandet och dels en aktiv störare som helt stör ut en fjärdedel av de använda frekvenserna. Resultaten får betecknas som lyckade, speciellt robustheten mot aktiva störare imponerar.
Abstract This report describes a method of generating soft channel information to a Viterbi decoder using artificial neural networks. The convolutional decoder is part of a frequency-hopping HF radio system which is being used in heavily jammed environments with very high bit error rates. The solution uses a two-layered network trained with back-propagation. Two neurons in the input layer and one neuron in the output layer have given very good results in simulations. We have managed to transmit information correctly over a channel disturbed with gaussian noise causing 1.5% bit error rate on all the frequencies being used and a jammer completely corrupting a fourth of the frequencies. The neural network provides a fast adaptive solution and is very robust against jamming.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182