Dynamische hardwarebasierte Optimierung für Gruppenantennen unter Nutzung adaptiver Partikelschwarm-Algorithmen und Neuronaler Netzwerke

Student:Tonia Christ
Title:Dynamische hardwarebasierte Optimierung für Gruppenantennen unter Nutzung adaptiver Partikelschwarm-Algorithmen und Neuronaler Netzwerke
Type:diploma thesis
Advisors:Kókai, G.; Frühauf, H.
State:submitted on December 17, 2004
Prerequisits:
Topic:

Aufgabenstellung:
Um die Richtcharakteristik einer Gruppenantenne adaptiv auf veränderliche Anforderungen anzupassen, sind eine Reihe von Hardware-Parametern während des Betriebes zu justieren. Diese Einstellungen haben erheblichen Einfluss auf die Empfangsqualität der Signale mobiler Sender innerhalb der Reichweite der Gruppenantenne. Ziel der angestrebten Optimierung ist eine bestmögliche (messbare) Empfangsqualität gewünschter mobiler Sender und eine maximale Unterdrückung störender mobiler Sender. Aufgrund der hohen Mobilität der Sender ist es notwendig die Optimierungsstrategie als hochparallele Hardware zu entwerfen, um die strengen Echtzeitbedingungen zur Nachführen der Richtcharakterisik der Antenne zu erfüllen. Basierend auf einer Untersuchung hardwarebasierter Genetische Optimierer für diese Szenario, ist nur erstmals zu untersuchen, ob alternative Verfahren zur Lösung der beschriebenen Optimierungsaufgabe besser geeignet sind. Dabei soll besonders auf zwei Verfahren, die Partikel Schwarm Optimierung (PSO) und Neuronale Netze Bezug genommen werden. Als Schwerpunkt wird sie Analyse der dynamischen Eigenschaften und die Implementierbarkeit der Verfahren für eine vorhandene rekonfigurierbare Hardwareplattform festgelegt. Die durch Analyse und umfangreiche Simulationen gewonnenen Erkenntnisse sind dann in dem Entwurf einer Hardwarearchitektur für die untersuchten Optimierungsverfahren zu berücksichtigen. Um Eignung und Realisierbarkeit dieser Hardwarearchitektur nachzuweisen, sind signifikante Blöcke des PSO-Verfahrens für die vorgeschlagene Hardwareplattform zu implementieren, zu charakterisieren und zu verifizieren. Die Eignung Neuronaler Netze für das beschriebene Szenario soll anhand bekannter Implementationen untersucht werden. Abschließen sind die verschiedenen Verfahren zu vergleichen.

watermark seal