نوقشت رسالة الماجستير الموسومة:“الخوارزميات المكيفة لتقدير الانظمة المتفرقة”
التي اعدها السيد سامر حسين علي ، طالب الماجستير في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد كجزء من متطلبات نيل درجة الماجستير في علوم الهندسة الكهربائية وبإشراف المدرس الدكتور محمود عبد القادر عبد الستار يوم الخميس المصادف 27/10/2016.تكونت لجنة المناقشة لهذه الرسالة من الاستاذ المساعد الدكتور رفعت طالب حسين رئيساُ وعضوية الاستاذ المساعد الدكتور ثامر محمد جميل والمدرس الدكتور اسماعيل شنان دشر.
مستخلص رسالة الطالب كما يأتي:
النظام الذي يحتوي على العديد من الأصفار أو المعاملات القريبة من الصفر وبعض المعاملات الكبيرة المقدار يسمى النظام المتناثر او النظام المتفرق. الانظمةالمتناثر تظهر في مختلف التطبيقات، على سبيل المثال قنوات البث التلفزيوني الرقمية وإلغاء الصدى في اجهزة الاتصالات. المرشحات المكيفة للنظم المتناثرة مصممة لاستغلال تناثر استجابة النظام. إن المطلبين الرئيسيين في كل خوارزمية للانظمة المكيفة المتناثرة هي انخفاض متوسط مربع الانحراف (MSD)، وتقليل التعقيد في تنفيذ الانظمة المكيفة. أن معظم الأبحاث السابقة تهتم بخوارزميات Least Mean Square (LMS) و Normalized Least Mean Square (NLMS) مع احد القيود التالية:-
l_0-norm, p-norm, l_1-norm (Zero Attractor (ZA)), Reweighted Zero Attractor (RZA) and Proportionate Normalized Least Mean Square (PNLMS).
هذه الاطروحة تقترح خوارزميات للأنظمة المكيفة المتناثرة لنظام تحديد الهوية والتي تحتوي على تهجين او مزج بين خوارزميات مختلفة ومقارنتها مع خوارزميات سابقة على اساس MSD والتعقيد. الخوارزميات المقترحة تستخدم التقيدين معا لتحسين معدل التقارب بتقليل MSD.
وقد قسمت الخوارزميات المقترحة في هذه الاطروحة الى ثلاث مجموعات، المجموعة الأولى تستخدم LMS مع القيدين لتشكيل الخوارزميات في هذه المجموعة، وهي
Variable p-norm LMS (p-LMSV), (l_0-ZA-LMS), (l_0-RZA-LMS), (p-ZA-LMS), (p-RZA-LMS) algorithms.
المجموعة الثانية تستخدم NLMS مع التقيدين لتشكيل الخوارزميات في هذه المجموعة، والخوارزميات هي
Variable p-norm NLMS (p-NLMSV), (l_0-ZA-NLMS), (l_0-RZA-NLMS), (p-ZA-NLMS), (p-RZA-NLMS) algorithms.
المجموعة الثالثة تستخدم PNLMS مع التقيدين لتشكيل الخوارزميات في هذه المجموعة، والخوارزميات هي
(l_0-PNLMS), Variable p-norm PNLMS (p-PNLMSV), (l_0-ZA-PNLMS), (l_0-RZA-PNLMS), (p-ZA-PNLMS), (p-RZA-PNLMS) algorithms.
ثم تم توليف وتنفيذ VHDL codes ضمن برمجيات بيئة البرمجيات المتكاملة (ISE) ALTERA, واستخدام ALTERA DE2 115 FPGA واستخدام ادوات أجهزة المحاكاة للتحقق من أداء النظام على مستوى أجهزة.
إن الخوارزميات التي نفذت عمليا على FPGA baord هي تلك التي اظهرت أداء أفضل من غيرها من الخوارزميات,كما ان نتائج التنفيذ العملي كانت متطابقة مع نتائج برامج المحاكاة والخوارزميات المنفذة هي
(l_0-PNLMS), (l_0-ZA-PNLMS), (l_0-RZA-LMS), (l_0-RZA-PNLMS), (p-RZA-LMS), (p-RZA-PNLMS).
وقد اظهر هذا البحث أن الخوارزميات الاتية ابدت اداء افضل من الخوارزميات الاخرى من حيث تقليل MSDوزيادة معدل التقارب وهي
(l_0-RZA-LMS), (l_0-RZA-PNLMS)
التي اعدها السيد سامر حسين علي ، طالب الماجستير في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد كجزء من متطلبات نيل درجة الماجستير في علوم الهندسة الكهربائية وبإشراف المدرس الدكتور محمود عبد القادر عبد الستار يوم الخميس المصادف 27/10/2016.تكونت لجنة المناقشة لهذه الرسالة من الاستاذ المساعد الدكتور رفعت طالب حسين رئيساُ وعضوية الاستاذ المساعد الدكتور ثامر محمد جميل والمدرس الدكتور اسماعيل شنان دشر.
مستخلص رسالة الطالب كما يأتي:
النظام الذي يحتوي على العديد من الأصفار أو المعاملات القريبة من الصفر وبعض المعاملات الكبيرة المقدار يسمى النظام المتناثر او النظام المتفرق. الانظمةالمتناثر تظهر في مختلف التطبيقات، على سبيل المثال قنوات البث التلفزيوني الرقمية وإلغاء الصدى في اجهزة الاتصالات. المرشحات المكيفة للنظم المتناثرة مصممة لاستغلال تناثر استجابة النظام. إن المطلبين الرئيسيين في كل خوارزمية للانظمة المكيفة المتناثرة هي انخفاض متوسط مربع الانحراف (MSD)، وتقليل التعقيد في تنفيذ الانظمة المكيفة. أن معظم الأبحاث السابقة تهتم بخوارزميات Least Mean Square (LMS) و Normalized Least Mean Square (NLMS) مع احد القيود التالية:-
l_0-norm, p-norm, l_1-norm (Zero Attractor (ZA)), Reweighted Zero Attractor (RZA) and Proportionate Normalized Least Mean Square (PNLMS).
هذه الاطروحة تقترح خوارزميات للأنظمة المكيفة المتناثرة لنظام تحديد الهوية والتي تحتوي على تهجين او مزج بين خوارزميات مختلفة ومقارنتها مع خوارزميات سابقة على اساس MSD والتعقيد. الخوارزميات المقترحة تستخدم التقيدين معا لتحسين معدل التقارب بتقليل MSD.
وقد قسمت الخوارزميات المقترحة في هذه الاطروحة الى ثلاث مجموعات، المجموعة الأولى تستخدم LMS مع القيدين لتشكيل الخوارزميات في هذه المجموعة، وهي
Variable p-norm LMS (p-LMSV), (l_0-ZA-LMS), (l_0-RZA-LMS), (p-ZA-LMS), (p-RZA-LMS) algorithms.
المجموعة الثانية تستخدم NLMS مع التقيدين لتشكيل الخوارزميات في هذه المجموعة، والخوارزميات هي
Variable p-norm NLMS (p-NLMSV), (l_0-ZA-NLMS), (l_0-RZA-NLMS), (p-ZA-NLMS), (p-RZA-NLMS) algorithms.
المجموعة الثالثة تستخدم PNLMS مع التقيدين لتشكيل الخوارزميات في هذه المجموعة، والخوارزميات هي
(l_0-PNLMS), Variable p-norm PNLMS (p-PNLMSV), (l_0-ZA-PNLMS), (l_0-RZA-PNLMS), (p-ZA-PNLMS), (p-RZA-PNLMS) algorithms.
ثم تم توليف وتنفيذ VHDL codes ضمن برمجيات بيئة البرمجيات المتكاملة (ISE) ALTERA, واستخدام ALTERA DE2 115 FPGA واستخدام ادوات أجهزة المحاكاة للتحقق من أداء النظام على مستوى أجهزة.
إن الخوارزميات التي نفذت عمليا على FPGA baord هي تلك التي اظهرت أداء أفضل من غيرها من الخوارزميات,كما ان نتائج التنفيذ العملي كانت متطابقة مع نتائج برامج المحاكاة والخوارزميات المنفذة هي
(l_0-PNLMS), (l_0-ZA-PNLMS), (l_0-RZA-LMS), (l_0-RZA-PNLMS), (p-RZA-LMS), (p-RZA-PNLMS).
وقد اظهر هذا البحث أن الخوارزميات الاتية ابدت اداء افضل من الخوارزميات الاخرى من حيث تقليل MSDوزيادة معدل التقارب وهي
(l_0-RZA-LMS), (l_0-RZA-PNLMS)
