Egalisation de canaux linéaires et non linéaires : approche bayésienne

par Rim Amara

Thèse de doctorat en Physique

Sous la direction de Sylvie Marcos.

Soutenue en 2002

à Paris 11 .


  • Résumé

    Dans cette thèse, nous traitons le problème d'estimation Bayésienne des symboles transmis selon une formulation d'état d'un système de communications numériques en bande de base. Grohan et Marcos ont tenu compte du caractère non gaussien du bruit d'état et ont suggéré l'utilisation de l'approximation de la ddp a posteriori d'une séquence de symboles, non gaussienne donc, par une Somme Pondérée de Gaussiennes (SPG) en se basant sur la théorie de Sorenson et Alspach. Une étude comparative des différentes réalisations de l'égaliseur par Réseau de Filtres de Kalman (RFK) en découlant est effectuée au début de cette thèse afin de réaliser un bon compromis complexité/performance. Une version simplifiée de l'égaliseur par RFK sous forme d'un Réseau de Filtres LMS est fournie afin de réduire encore plus la complexité. Ensuite, nous étendons notre structure d'égaliseur par RFK au cas de canaux linéaires non stationnaires en proposant deux nouveaux algorithmes aveugles pour l'estimation conjointe du canal et des données. . .

  • Titre traduit

    Linear and nonlinear channel equalization : Bayesian approach


  • Résumé

    This phD deals with symbol-by-symbol Bayesian estimation using a state formulation of a digital communication scheme. Grohan and Marcos take into account of the non gaussian character of the state noise probability density function (pdf) and have suggested the approximation of the a posteriori symbol sequence pdf by a Weighted Gaussian Sum (WGS), based on Sorenson and Alspach formalism for non linear and/or non gaussian filtering. A comparative study concerning the different implemenations of the NFK based equalizer so developed is done at the beginning of the dissertation, in order to achieve a tradeoff between complexity and performance. A simplified version of the NFK algorithm in the form of a Network of LMS Filters (NLMSF) is also suggested in order to reduce the complexity. To deal with linear nonstationary channels, two blind algorithms are proposed for the joint MMSE estimation of the channel coefficients and the data. . .

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 155 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.149-154

Où se trouve cette thèse ?