Resumen

Este artículo presenta una aproximación para la ecualización de canales no lineales variantes en el tiempo, basada en sistemas difusos y entrenamiento de neuronas individuales. El método tiene dos etapas: la primera usa aprendizaje supervisado, con el fin de estimar los estados del canal y proveer una sintonía inicial de los parámetros del ecualizador difuso, y la segunda ajusta dinámicamente al ecualizador para seguir el comportamiento variante del canal por medio de aprendizaje no supervisado. La propuesta se compara con una red de base radial sobre la ecualización de un canal de comunicaciones variante en el tiempo reportado previamente en la literatura. Los experimentos se llevan a cabo por medio de simulaciones de Monte Carlo. Los resultados muestran que el método propuesto tiene un mejor desempeño que una red de base radial en términos de la tasa de bits erróneos de un sistema de comunicación.

INTRODUCCIÓN

En aplicaciones reales, la respuesta de los canales de comunicaciones digitales puede variar en función de la frecuencia de operación y algunos factores físicos. Esto ocasiona que las señales transmitidas sufran distorsiones en amplitud y fase, tales efectos son nocivos especialmente cuando las velocidades de transmisión aumentan. Cuando esto sucede los datos transmitidos se solapan entre sí y no pueden ser reconocidos en el receptor. Este fenómeno se conoce como interferencia intersímbolo (ISI, por sus sigla en inglés) (Proakis, 2001). La interferencia intersímbolo se puede corregir por medio de un ecualizador, cuyo papel es cancelar los efectos dañinos que produce el canal en las señales transmitidas.

La ecualización puede hacerse ya sea con el conocimiento de un modelo que describa el canal o sin este. Los ecualizadores que no requieren un modelo del canal son relativamente más simples. En estos casos, el problema de ecualización se entiende como un ejercicio de clasificación. La ecualización se puede llevar a cabo por medio de diferentes tipos de clasificadores, algunos de los cuales se basan en redes de base radial (RBF, por su sigla en inglés) (Assaf et ál., 2006; Chen et ál., 1993; Mulgrew, 1996) o sistemas difusos (Liang y Mendel, 2000; Patra y Mulgrew, 1998; Olarte et ál., 2005; Figueroa y Corrales, 2006; Lee, 1996). Dado que en estos ecualizadores no se establece un modelo del canal, es necesario estimar sus características durante una fase de entrenamiento.

Otro aspecto para considerar es el hecho de que las propiedades del canal pueden ser variantes en el tiempo. Esto genera la necesidad de hacer al ecualizador robusto ante los cambios que se puedan presentar. Lo anterior se logra haciendo que los parámetros del ecualizador se ajusten de forma automática a la dinámica cambiante del canal de comunicación (Assaf et ál., 2006).

• Materias:Redes neuronales (Computadores) Modulación Digital Lógica difusa Electrónica digital Comunicaciones digitales
• Subjects:Neural networks (Computer science) Digital modulation Fuzzy logic Digital electronics Digital communications
• Palabras claves:Comunicaciones digitales; Ecualizadores (electrónica); Filtros adaptativos; Redes neurales (computadores); Sistemas difusos
• Keywords:Digital communications; Equalizers (electronics); Adaptive filters; Neural networks (computer science); Fuzzy system