افزایش ظرفیت در سیستم های MIMo

اختصاصی از کوشا فایل افزایش ظرفیت در سیستم های MIMo دانلود با لینک مستقیم و پر سرعت .

چکیده

سیستم های MIMO که از چندین آنتن در فرستنده و گیرنده بهره می گیرند، یک تکنولوژی کلیدی جهت مواجه با افزایش تقاضا برای سیستم های مخابراتی بی سیم با سرعت انتقال اطلاعات بالا می باشند هدف اصلی از این سمینار، بررسی ظرفیت در سیستم های MIMO با استفاده از مدل کانال های فضایی (SCM) و همچنین بررسی ظرفیت در کانال های MIMO رایلی همبسته می باشد.

ما ابتدا یک مدل برای تحقیق در سیستم های MIMO بیان می کنیم. پس بحث ظرفیت در سیستم های MIMO با انتشار در مدل کانال های فضایی (SCM)، با فرض مدل کانال i.i.d و همچنین کانال های تک حلقه ای را بررسی می کنیم. و با نتایج به دست آمده نشان می دهیم که ظرفیت در کانال های SCM واقعی، افزایش خطی با افزایش تعداد آنتن ندارد. از لحاظ پیاده سازی عملی، سیستم های MIMO فشرده مطلوب تر است ولی در عین حال پیچیدگی های مربوط به خود را دارد. یکی از این پیچیدگی ها اثر کوپلینگ متقابل است.

در این سمینار تلاش می شود اثر کوپلینگ متقابل بروی طرفیت کانال های MIMO، با در نظر گرفتن فاصله عناصر آنتن بررسی شود و نشان خواهیم داد که کوپلینگ متقابل می تواند منجر به افزایش و کاهش ظرفیت (بسته به شیوه نرمالیزاسیون به کار رفته در کانال) در فواصل کم عناصر داخلی آنتن گردد. سپس به بررسی ظرفیت در کانال های رایلی همبسته با در نظر گرفتن حالت های مختلف وجود CSI در فرستنده خواهیم پرداخت و آخرین نتایج به دست آمده در این زمینه را تا سال 2006 بررسی خواهیم کرد.

مقدمه:

ظرفیت سیستم های MIMO موضوع اصلی تحقیقات مخابرات بی سیم در دهه گذشته بوده است. هم فوسینی و هم تلاتر، نشان داده اند که برای کانال های i.i.d، ظرفیت سیستم های MIMO به صورت خطی، با تعداد آنتن، افزایش می یابد.

این نتیجه گیری می تواند به این صورت بیان گردد که سیستم های MIMO، با استفاده از مزایای دایورسیتی فضایی کانال به وسیله انتقال دیتا به صورت ماتریسی، در امتداد بردار کانال بهره برداری مناسبی کرده است. یک چشم انداز مناسب از سیستم های MIMO درآورده شده است.

کار انجام شده در، بر این اساس انجام گرفته است، که فرض شده فقط گیرنده اطلاعات کاملی از کانال دارد و بنابراین شیوه اختصاص توان برابر، برای محاسبه ظرفیت مورد استفاده قرار گرفته است.

در، نشان داده شده است که شیوه اختصاص توان به صورت واترفیلینگ برای کانال هایی که هم در گیرنده و هم در فرستنده تخمین زده شده است، راه حل مناسبی می باشد.

تکنیک های زیادی برای شناخت کانال که فرستنده بتواند از کانال یا توزیع آماری آن اطلاع داشته باشد، وجود دارد. یکی از این راه ها استفاده از فیدبک کواریانس است که در آن اطلاعات متقابل کانال به صورت فیدبک از گیرنده به فرستنده ارسال می شود.

فصل اول: کلیات

1-1- هدف

هدف اصلی از نگارش این سمینار بررسی ظرفیت سیستم های MIMO با استفاده از مدل کانال SCM می باشد.

اهداف خاص دیگر این سمینار عبارتند از:

– تعیین و مقایسه ظرفیت سیستم های MIMO با شیوه های انتشار متفاوت. (ماکروسلول های برون شهری و میکروسلول های شهری).

– تحقیق در مورد کوپلینگ متقابل و شیوه های متفاوت نرمالیزاسیون کوپلینگ بر ظرفیت سیستم های MIMO.

2-1- پیشینه تحقیق

سیستم های مخابراتی بی سیم پس از سیستم های نسل اول (1G) پیشرفت های بسیار زیادی کرده اند. در این زمینه دسترسی چندگانه با تقسیم فرکانسی (FDMA)، از تکنیک های مهم مورد استفاده می شود. TDMA و CDMA نیز امروز به طور بسیار وسیع در مخابرات بی سیم مانند سیستم های نسل دوم مورد استفاده قرار گرفته اند. روش دستیابی CDMA در سیستم های نسل سوم (3G) نیز مورد استفاده قرار گرفته است. این تکنیک های دستیابی، سه شیوه اصلی دستیابی برای امکان استفاده کاربران به صورت همزمان از قسمت رادیویی طیف که یک منبع محدود و ضروری برای تمامی کاربردهای مخابرات بی سیم می باشد، مورد استفاده قرار می گیرد. امروزه مهندسین طراح سیستم های بی سیم با چندین مشکل روبرو هستند که عبارت است از محدودیت در طیف رادیویی و پیچیدگی محیط انتشار امواج از یک طرف و افزایش تقاضا برای بهبود کیفیت سرویس و همچنین افزایش سرعت انتقال اطلاعات از طرف دیگر.

طراحان مخابرات بی سیم باید زمان و فرکانس و کد را بین کاربران تقسیم کنند. سوال این است که بعد بعدی که باید برای حل موارد ذکر شده مورد استفاده قرار گیرد، چیست؟ فضا جواب مناسبی برای این پرسش می باشد.

از این رو سیستم های بی سیم چند ورودی، چند خروجی MIMO، در سال های اخیر به عنوان یکی از پراهمیت ترین تکنیک ها برای بهبود عملکرد سیستم های بی سیم با به کارگیری چندین آنتن در فرستنده و گیرنده، مورد توجه قرار گرفته است.

مرور تحقیقات و نوشته های قبلی پیرامون کار انجام شده توسط محققان تا سال 2006 پایه این سمینار را تشکیل می دهد. این سرفصل ها به صورت زیر سازمان دهی شده اند:

(I) ظرفیت سیستم های MIMO

(II) مدل سازی کانال

(III) کوپلینگ متقابل و تأثیر آن بر ظرفیت

(IV) ظرفیت کانال های رایلی همبسته

تعداد صفحه : 88

شناسایی فازی online برج تقطیر MIMO با استفاده از مدل TS

اختصاصی از کوشا فایل شناسایی فازی online برج تقطیر MIMO با استفاده از مدل TS دانلود با لینک مستقیم و پر سرعت .

چکیده

در این پایان نامه، شناسایی فازی سیستم غیرخطی MIMO برج تقطیر بر اساس مدل فازی (Takagi-Sugeno(TS، بررسی خواهد شد و بر روی مدل عمومی distillation column شبیه سازی شده در دو حالت LV-configuration و uncontrolled column مورد آزمایش قرار خواهد گرفت. لازم به تذکر است که در این پایان نامه شناسایی و کاربرد آن در سیستم های online مورد توجه اساسی میباشد.

در حالت offline یعنی هنگامیکه کل داده ها در ابتدای پروسه آموزش در دسترس است، ساختن مدل فازی TS در دو مرحله انجام می گیرد. در مرحله اول مجموعه های فازی (توابع عضویت) در قسمت مقدم rule تعیین میشوند. میتوان این مرحله را با استفاده از اطلاعات اولیه از پروسه و یا بوسیله تکنیک های data-driven انجام داد. در مرحله دوم پارامترهای مقدم هریک از زیر مدلهای خطی با استفاده از الگوریتم RLS محاسبه میشود. مشکل اصلی بدست آوردن مدل، شناسایی توابع عضویت مقدم است که در حقیقت مسئله بهینه سازی غیر خطی است. چونکه مدل فازی TS بدست آمده وابسته به توابع عضویت است، انتخاب مجموعه های فازی بر دقت مدل اثر خواهد گذاشت. بنابراین یکی از نکات اساسی برای بهبود دقت مدل، تنظیم دقیق مجموعه های فازی , بگونه ای است که خطای متوسط مربعی (mean-square) بین مدل تخمین زده شده و سیستم واقعی مینیمم شود.

در حالت online تمام داده ها را در ابتدای پروسه آموزش در اختیار نداریم، بنابراین آموزش مدل فازی TS باید با اولین نمونه داده شروع شود. در این شرایط، ساختار مدل در ابتدا در دست نیست و به صورت تدریجی در خلال پروسه شناسایی تکامل می یابد. آموزش پیوسته online مدل TS، بر پایه متد clustering بازگشتی و غیر تکرارشونده بنا شده است که قسمت مقدم را تخمین می زند و الگوریتم RLS که پارامترهای زیر مدلهای خطی تالی را محاسبه می کند. در این روش، ساختار مدل در ابتدا شناخته شده نیست و در طی پروسه شناسایی تکامل می یابد. (قابل ذکر است که این تکامل بسیار آهسته تر از تکامل پارامترهای مدل صورت می گیرد.) در مدل eTS، پتانسیل داده جدید برای update کردن پایگاه قوانین استفاده میشود. در این الگوریتم داده های پرت هیچگونه شانسی برای اینکه به عنوان مرکز rule انتخاب شوند، ندارند. دلیل این مسئله روش خاص تعریف مراکز rule است. این مسئله بسیار مهم است که آموزش بدون هیچ گونه دانش اولیه از سیستم و فقط با استفاده از اولین داده آغاز میشود. این ویژگی جالب توجه کاربرد این شیوه را در بسیاری از سیستم های adaptive سودمند می سازد.

مشکل اصلی در این شیوه، تولید نامحدود rule در طی پروسه شناسایی مخصوصا در شرایط اولیه است. در این پایان نامه، دو شیوه برای مقابله با این مسئله ارایه شده است. در روش اول، شرایط ایجاد rule در الگوریتم اصلی به گونه ای اصلاح شده است که بتواند نرخ تولید rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعداد rule می شود. این اصلاح باعث می شود که الگوریتم در شرایط اولیه با احتیاط بیشتری اضافه کردن rule را انجام دهد. سپس هنگامیکه اطلاعات بیشتری بدست آمد و پروسه شناسایی پیشرفت کرد، شرایط تولید rule به حالت اولیه اش برمیگردد وهمانند الگوریتم اصلی عمل میکند. روش دوم، یک مکانیزم جدید نظارت برای شناسایی و از بین بردن rule های غیر ضروری با استفاده از forgetting factor ارایه شده است.

همچنین در این پایان نامه، متد آنالیز برهم کنش برای سیستم های چندمتغیره ارایه شده است. در بسیاری از کاربردهای عملی، مدل کمی دقیق سیستم در دست نیست و یا بدست آوردن آن بسیار مشکل است. در این متد، سیستم غیرخطی MIMO ابتدا با استفاده از الگوریتم eTS مدلسازی میشود، سپس برهم کنش سیستم چندمتغیره حول یک نقطه کار خاص بر اساس RGA بررسی می شود.

مقدمه

بسیاری از پروسه های صنعتی دارای سیستم های غیرخطی چند متغیره با چندین ورودی و چندین خروجی می باشند که کوپلینگ متقابل پیچیده ای دارند. مدلسازی چنین پروسه پیچیده ای کار بسیار سختی می باشد. بکار بستن تکنیک های متداول مدلسازی سخت و یا حتی غیر قابل استفاده در چنین مسایل عملی می باشد . یک راه حل مفید دیگر استفاده از شیوه های شناسایی data-driven است که از داده های تجربی به دست آمده و از ورودی و خروجی پروسه استفاده می کند.

روش های مدلسازی فازی rule base به دلیل انعطاف پذیری ذاتی شان در ساختن مدلها ازداده های ورودی و خروجی توجه بسیاری را به خود جلب کرده اند. از میان متدهای مختلف فازی، تکنیک مدلسازی TS به دلیل قابلیت بالای محاسباتی بیشتر مورد توجه قرار گرفته است. مدل فازی TS شامل قانون های اگر – آنگاه در مقدم و توابع ریاضی در بخش تالی خود می باشد. بنابراین وظیفه شناسایی مدل فازی TS تعیین پارامترهای غیرخطی توابع عضویت مقدم و پارامترهای خطی قانون های تالی می باشد.

تحقیقات اخیر بر روی تکنیک های data-driven که در آن مدل های فازی دینامیکی با استفاده از داده های ورودی – خروجی اندازه گیری شده قابل آموزش هستند، متمرکز شده است.

آموزش Online مدل فازی TS نیازمند شناسایی بازگشتی برای تخمین ساختار مدل و همچنین تخمین پارامترهای تالی می باشد. از آن رو که تمام داده های ورودی – خروجی در آغاز پروسه آموزش در دسترس نیست، ارائه روش شناسایی Online که در آن ساختار مدل و پارامترها به صورت تدریجی تکامل می یابند ضروری است که این روش بدون در اختیار داشتن دانش اولیه از پروسه، با اولین داده ورودی شناسایی را آغاز می کند. این ویژگی جالب، این شیوه را تبدیل به یک مکانیزم کارآمد در سیستم های adaptive و self-tuning ساخته است. تاکنون توجه اندکی به شناسایی فازی پروسه های صنعتی چند متغیره (MIMO) شده است. در این پایان نامه شناسایی فازی Online برای پروسه های چند متغیره ارائه شده در [3] و اصلاحات و نکات لازم جهت بهبود کارایی آن ارائه شده است.

مشکل اصلی در این شیوه، تولید نامحدود rule در طی پروسه شناسایی مخصوصا در شرایط اولیه است. در این پایان نامه، دو شیوه برای مقابله با این مسئله ارایه شده است. در روش اول، شرایط ایجاد rule در الگوریتم اصلی به گونه ای اصلاح شده است که بتواند نرخ تولید rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعداد rule می شود. این اصلاح باعث می شود که الگوریتم در شرایط اولیه با احتیاط بیشتری اضافه کردن rule را انجام دهد. سپس هنگامی که اطلاعات بیشتری بدست آمد و پروسه شناسایی پیشرفت کرد، شرایط تولید rule به حالت اولیه اش برمیگردد وهمانند الگوریتم اصلی عمل میکند. روش دوم، یک مکانیزم جدید نظارت برای شناسایی و از بین بردن rule های غیر ضروری با استفاده از forgetting factor ارایه شده است.

برهم کنش در بسیاری از سیستم های صنعتی وجوددارد و این بدین معنی است که تغییر یک متغیر کنترل بر بیش از یک خروجی سیستم اثر خواهد داشت. در این پایان نامه، با متمرکز شدن بر آنالیز برهم کنش خروجی, یک شیوه جدید برای بدست آوردن RGA ارایه شده است که درجه برهم کنش متغیرها را حول یک نقطه کار خاص ارایه می دهد.

تعداد صفحه : 92

دانلود پایان نامه پردازش فضا - زمان در کانال های MIMO

اختصاصی از کوشا فایل دانلود پایان نامه پردازش فضا - زمان در کانال های MIMO دانلود با لینک مستقیم و پرسرعت .

پرداز ش فضا - زمان در کانال های MIMO

لینک پرداخت و دانلود *پایین مطلب* 

فرمت فایل:PDF

تعداد صفحه:155

پایان نامه برای دریافت درجه کارشناسی ارشد “M.Sc”
گروه مهندسی برق گرایش مخابرات سیستم

چکیده :

پس از احساس نیاز در نسل سوم مخابرات سیار به سرعت انتقال بالاتر و ظرفیت بیشتر و داشتن کیفیتی مانند تلفن ثابت، نظریه به کارگیری کانال های MIMO توجهات بسیاری را به خود جلب کرد. برای استفاده هرچه بهتر از این کانال ها، علاوه بر اجرای تکنیک دایورسیتی فضایی در کانال های MIMO، می توان سمبل ها را در چندین بازه زمانی مختلف ارسال نمود و همزمان دایورسیتی زمانی را نیز به اجرا درآورد. الگویی که برای اجرای همزمان این دو دایورسیتی به کار می رود، کدهای فضا – زمان نامیده می شود. درست است که اعمال کدهای فضا – زمان بر روی سمبل های ارسالی، کیفیت دریافت را افزایش می دهد، اما متاسفانه پردازش این گونه کدها، زمان زیادی را می طلبد و این، با نیازمندی های مخابرات بی سیم نسل 3 و بالاتر همخوانی ندارد. به همین دلیل توجهات به روش های کدگشایی شبه بهینه جلب شد که در آنها در ازای اندکی تقلیل عملکرد سیستم، پیچیدگی کدگشایی به شدت کاهش پیدا می کند. یکی از این روش ها که بر مبنای اصول کدگشایی ML استوار است، به کدگشایی کروی مشهور است. تحقیقات قبلی نشان داده که کدگشایی کروی روی سمبل های M-QAM در کانال های MIMO عملکرد مناسبی دارد و امروزه تحقیقات حول کاهش هرچه بیشتر پیچیدگی الگوریتم های این گونه کدگشایی قرار دارد. در این پایان نامه، پس از بررسی کدهای فضا – زمان و اصول کدگشایی آنها، الگوریتم II، یکی از پرکاربردترین روش های پیاده سازی کدگشایی کروی، بررسی می گردد. در ادامه، پیشنهادی برای بهبود عملکرد الگوریتم II ارائه شده که با زبان نمودارهای حاصل از شبیه سازی کانال میزان این بهبود نشان داده می شود. همچنین پیشنهادی نیز برای کاهش پیچیدگی الگوریتم II بیان شده است که با استخراج نتایج حاصل از شبیه سازی این ایده، تاثیر مثبت آن در کاهش پیچیدگی الگوریتم II تغییریافته در کانال های MIMO آشکار می شود.

علاوه بر این، در این تحقیق با به کارگیری نتایج شبیه سازی کانال های MIMO در حالات گوناگون (تعداد متنوع آنتن، SNRهای مختلف و M-QAMهای گوناگون)، با دقت بالا، نشان داده می شود که مقدار اولیه شعاع کره ای که برای کدگشایی کروی انتخاب می شود چه تاثیری در عملکرد و پیچیدگی سیستم دارد. در نهایت با تحلیل نتایج شبیه سازی، راهکاری برای انتخاب مناسب “شعاع اولیه کره جستجو” به عنوان شرایط اولیه الگوریتم II ارائه می گردد.

در اواخر دهه نود میلادی، به کارگیری دایورسیتی فضایی که در گیرنده، برای افزایش بهره و کاهش اثر فیدینگ مرسوم بود، در فرستنده نیز مورد توجه قرار گرفت. به دنبال آن تحقیقات گوناگونی نشان دادند که تحت ساختارهای خاصی، کانال های بی سیم که چندین آنتن ارسال و چندین آنتن دریافت داشته باشند یا اصطلاحا MIMO باشند، دارای کیفیت و ظرفیت بهتری خواهند بود. از آن زمان بود که ایده کدینگ فضا – زمان شکل گرفت تا با ترکیب دایورسیتی فضایی، دایورسیتی زمانی و کدینگ مناسب، سیستم از مزایای هر سه تکنیک برخوردار شود.

در سال 1998 اولین و ساده ترین کد فضا – زمان در مأخذ [1] برای 2 آنتن ارسال و 2 آنتن دریافت ارائه شد که به دلیل خطی بودن کد، کدگشایی ساده ای داشته ولی با وجود این برای آشکارسازی نهایی کد از کدگشای ML استفاده می شد. در سال 1999 در مأخذ [2] کد فضا – زمان جدیدی برای بیش از 2 آنتن پیشنهاد شد که اصولش شباهت زیادی به کد فضا – زمان قبلی داشت. در همان سال معیارهای ریاضی طراحی کدهای فضا – زمان که بهره کدینگ و بهره دایورسیتی مناسب را تامین کند در مأخذ [3] منتشر شد. از آن به بعد، با به کارگیری این معیارها، کدهای فضا – زمان گوناگونی طراحی گردیدند. براساس اصول طراحی، این کدها به دسته های مختلفی تقسیم می شوند که هریک چند شرط از شرایط زیر را برآورده می سازند:

1) تأمین حداکثر ظرفیت

2) حداکثر عملکرد

3) نرخ انتقال بالا

4) کمترین پیچیدگی در مرحله کدگشایی

5) داشتن دایورسیتی کامل با هر نوع منظومه و هر تعداد از آنتن های ارسال و دریافت

سال ها بود که مزایای مدولاسیون چند سطحی M-QAM شناخته شده بود، با رواج کانال های MIMO و بالا رفتن سرعت انتقال، لزوم استفاده از این مدولاسیون بیشتر احساس شد. از طرفی به علت ساختار لتیسی منظومه این نوع مدولاسیون، مناسبترین مدولاسیون برای کدگشایی آسانتر در کانال های MIMO به حساب می آید و در تحقیقات کنونی روی کدهای فضا – زمان، بیشتر همین مدولاسیون را به کار می برند.

تحقیقات گوناگونی که روی عملکرد کدهای فضا – زمان صورت گرفت، نشان داد که کدگشایی نقش عمده ای روی کارآیی سیستم دارد. کدگشایی ML در این موارد بهترین عملکرد را داراست. اما به دلیل اجرای طولانی این نوع کدگشایی، خصوصا وقتی منظومه پرنقطه باشد، مناسب مخابرات بی سیم کنونی نیست. در سال 1998 در مأخذ [4]، روش شبه بهینه ای به نام کدگشایی کروی برای اجرای کدگشایی ML به کار گرفته شد و پس از آن در اکثر تحقیقات از آن استفاده شد. در سال 2003 در مأخذ [5] الگوریتم های مناسب کدگشایی کروی برای اجرای کدگشایی ML روی کانال های MIMO گوسی خطی ارائه شد که بیش از گذشته کیفیت این کدگشایی را برای لتیس های محدود نشان داد. همچنین تحقیقات گوتاگونی عمدتا برای بهینه سازی الگوریتم های اجرای کدگشایی کروی و کاهش میزان محاسبات این الگوریتم ها صورت گرفت. در همین راستا در سال 2005، مأخذ [6] الگوریتم II (ارائه شده در مأخذ [5]) را برای منظومه های M-QAM مستطیلی بهبود بخشید و عملکرد آن را برای منظومه 64-QAM در کانالهای فیدینگ MIMO با 4 آنتن ارسال و 4 آنتن دریافت، شبیه سازی نمود. الگوریتم های کدگشایی کروی بر “انتخاب یک کره و پیدا کردن نزدیک ترین نقطه لتیس به سیگنال دریافتی که در این کره محصور باشد”، استوار است. در بسیاری از مقالات اخیر اشاره شده است که انتخاب شعاع این کره در میزان محاسبات الگوریتم نقش عمده ای دارد؛ اما در مورد میزان این نقش بحثی به میان نیامده است. در این پایان نامه با استفاده از نرم افزار MATLAB، کانال های MIMO با فیدینگ تخت رایلی و مدولاسیون M-QAM مستطیلی شبیه سازی شده و الگوریتم II برای کدگشایی ML رشته های ارسالی در این اعمال گردیده است. با این کار تاثیر دقیق انتخاب شعاع کره در میزان محاسبات کدگشایی، در کانال های MIMO در شرایط متفاوت از لحاظ تعداد آنتن های ارسال و دریافت، تعداد نقاط منظومه و میزان SNR نشان داده شده است. همچنین در این تحقیق مشخص شده است که اندازه شعاع اولیه کره در عملکرد سیستم نیز تاثیر دارد. علاوه بر این در اینجا پیشنهاد شده است که با انتخاب شعاع نهایی کره؛ می توان از محاسبات اضافی که تاثیری در عملکرد سیستم ندارد؛ کاست. این پیشنهاد با شبیه سازی ایده و استخراج نتایج شبیه سازی در کانال های MIMO، کاملا بررسی شده است.

ساختار کلی پایان نامه به شرح زیر است:

در فصل اول به مزایای کانال های MIMO، ظرفیت آنها و انواع کدینگ کانال که برای این کانال ها رایج است، پرداخته شده تا جایگاه کدینگ فضا – زمان و کدگشایی نگاشت، در این کانال ها مشخص شود. در انتهای این فصل، انواع فیدینگ و نویز در کانال های بی سیم ارائه شده تا فرضیات شبیه سازی کانال که در این پایان نامه استفاده شده، واضح تر گردد.

در فصل دوم، مدولاسیون M-QAM و پارامترهایش معرفی شده و سپس لتیس ها و تئوری های مربوط به آن ارائه می گردد تا به کمک ریاضیات، ارزش و توانایی های این مدولاسیون در کانال های MIMO شناخته شود و دلیل انتخاب آن در اینجا مشخص شود.

در فصل سوم، اصول کدینگ فضا – زمان و معیارهای انتخاب کد مناسب بررسی می شود تا مقدمه ای برای برشمردن چند نوع باارزش از این کدها باشد. در ادامه در فصل چهارم چند نوع از انواع کاربردی کدینگ فضا – زمان، به ترتیب از ساده به پیچیده، معرفی شده و تا حدی به خواص شان پرداخته می شود. با معرفی هریک از روش های کدینگ، روش مناسب کدگشایی آن که در مقالات پیشنهاد شده، ارائه می شود تا وابستگی پردازش این کدها به کدگشایی و اهیمت این روش کدگشایی در عرصه کدینگ فضا – زمان نمایان شود.

و...

NikoFile