ebook img

Igualación de canal no lineal mediante algoritmos kernelizados PDF

260 Pages·2012·2.35 MB·Spanish
by  
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Igualación de canal no lineal mediante algoritmos kernelizados

UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA SUPERIOR DE TELECOMUNICACIÓN SISTEMAS Y REDES DE TELECOMUNICACIÓN PROYECTO FIN DE CARRERA IGUALACIÓN DE CANAL NO LINEAL MEDIANTE ALGORITMOS KERNELIZADOS Autor: Salvador Ramón Aguilar González Tutor: Angel Navia Vázquez Septiembre de 2009 - 2 - Proyecto Fin de Carrera. Igualación de Canal no Lineal Mediante Algoritmos Kernelizados. Autor Salvador Ramón Aguilar González Tutor Angel Navia Vazquez La defensa del presente Proyecto Fin de Carrera se realizó el dia 22 de Septiembre de 2009, siendo calificada por el siguiente tribunal: PRESIDENTE: Manel Matínez Ramón SECRETARIO: Emilio Parrado Hernández VOCAL: Carlos Jesús Bernardos Cano Y habiendo obtenido la siguiente calificación: CALIFICACIÓN: Leganés, a 22 de Septiembre de 2009 - 3 - - 4 - A los que me han apoyado y se han mantenido a mi lado. - 5 - - 6 - Agradecimientos Quiero aprovechar estas primeras páginas del Proyecto Fin de Carrera para dar las gracias a mis padres y a mi hermano por el apoyo y la comprensión que me han ofrecido durante toda la carrera. Siempre han estado a mi lado, ayudandome ante las dificultades y disfrutando de las alegrias. Sin ellos no habría llegado a este punto. En particular me gustaría agradecer a mi madre, Maria Luisa, ya que sin su cariño y comprensión hubiera estado perdido, y a mi padre, Salvador, porque sin su tesón y perseverancia, me hubiera equivocado de camino. Quería agradecer igualmente a mi hermano, Francisco, por ser un ejemplo que seguir y un modelo al que llegar. Mi familia me ha marcado la dirección que culmina con la defensa del presente Proyecto Fin de Carrera. Las siguientes palabras, son para agradecer a mi novia, Sandra, que haya estado a mi lado durante la realización de este proyecto. Soy afortunado, ya que sin su apoyo, amor y paciencia hubiera resultado muy difícil la culminación de este trabajo. Durante la carrera he encontrado multitud de amigos, que me acompañaran toda mi vida. Me refiero a Omar, Luis, Cesar, Diego, Blanca, Elvira, etc. Su apoyo y su ayuda han sido muy importantes para mí. Tengo que darles las gracias por su amistad, comprensión, confianza y sobre todo por los buenos recuerdos durante estos años. Quiero agradecer de manera especial a mi tutor, Angel Navia, la ayuda, la atención y el trato que me ha brindado durante la realización del Proyecto Fin de Carrera. En particular, me gustaría darle las gracias por su gran paciencia, dedicación y confianza sin la que este proyecto nunca podría haberse hecho realidad. Me gustaría igualmente agradecer a la gran cantidad de compañeros que me han rodeado durante innumerables horas de clase y prácticas. Hemos aprendido y crecido mucho juntos. Ha sido una suerte y un honor compartir esta etapa de mi vida con vosotros. - 7 - Por último, me gustaría agradecer a los autores del algoritmo KRLS, Y. Engel, S. Mannor y R. Meir, ya que su excelente trabajo me ha podido servir de base para la realización del Proyecto Fin de Carrera. - 8 - Resumen En el presente Proyecto Fin de Carrera se aborda un estudio sobre la problemática de la igualación de canal bajo entornos no lineales variantes. Se examina el comportamiento de la versión kernelizada del algoritmo RLS, denominada KRLS, bajo un entorno de igualación de las citadas características. Para comprobar su comportamiento se desarrollan experimentos incrementales en complejidad en un marco de comparación con otros algoritmos basados en el estado del arte del problema: Redes neuronales, series de Volterra, algoritmos clasificadores, etc. . Dichos experimentos parten de canales estáticos, para acabar con canales dinámicos, aplicando tanto un entrenamiento con conocimiento de los datos de entrada, como un entrenamiento guiado por decisión. - 9 - - 10 -

Description:
4.2 Kernel Recursive Least Squares . Figura 5.8 - Gráficas de estimación y de inserciones en el diccionario para kernel lineal y polinómico .
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.