Égalisation adaptative des canaux de transmission non-stationnaires et non-linéaires par des réseaux neuronaux R. B. F.

par Rima Assaf

Thèse de doctorat en Électronique

Sous la direction de Safwan el- Assad, Mohamed Zoaeter et de Youssef Harkouss.

Soutenue en 2009

à Nantes .


  • Résumé

    Dans cette thèse, nous avons étudié et réalisé l’égalisation adaptative des canaux radio-mobiles, par des égaliseurs neuronaux RBFNN et RBFNN-DF qui implémentent la fonction de décision bayésienne optimale symbole par symbole, et traitent le problème de l’égalisation comme un problème de classification. Une architecture pour l’égaliseur RBFNN-DF est proposée, elle se caractérise par une réduction du nombre des neurones de la couche cachée. Un algorithme de classification non-supervisé est proposé, il se caractérise par sa convergence rapide et ses bonnes performances de classification. Pour l’implémentation de l’égaliseur RBFNN-DF, un algorithme supplémentaire est proposé. L’apprentissage des paramètres seuils et poids de connexions, est réalisé par différents algorithmes d’apprentissage basés descente de gradient. Ces algorithmes utilisent deux critères d’optimisation, l’EQM et le TEB, et deux modes d’apprentissage, le gradient stochastique, et le gradient total, ainsi qu’un troisième mode on-line proposé. Le mode proposé, combine les avantages des modes on-line et off-line (rapidité, stabilité de convergence, et faible occurrences des minimums locaux). L’analyse comparative des performances obtenues, dans le cas d’un canal non-linéaire et non stationnaire, des différents égaliseurs testés, montre en général, la supériorité de l’égaliseur RBFNN-DF. Les égaliseurs proposés, sont ensuite, testés sur un modèle TDL de simulation des canaux radio mobile, permettant d’exhiber les dispersions fréquentielles et temporelles. Les paramètres du modèle ont été totalement déterminés, conformément aux données décrites par les standards de télécommunications GSM et UMTS

  • Titre traduit

    Adaptive equalization of the non-stationary and non-linear transmission channels by neural networks R. B. F.


  • Résumé

    The thesis investigates the adaptive equalization of nonlinear time-varying communication channels, by the Radial Basis Function Neural Network without feedback (RBFNN) and with feedback RBFNN-DF. These equalizers implement the decision function of the Bays optimal solution for classification by, adjusting adequately theirs parameters i. E. The centers and the spreads of neurons of the hidden layer and the weights connection of the hidden-output layer. We propose a new architecture for the equalizer RBFNN-DF, which reduces the number of hidden layer neurons, and gives good performances in comparison with the RBFNN equalizer. We proposed as well, an unsupervised classification algorithm to determine the centers of the hidden layer. Advantages of the proposed algorithm are: the determination of the channel states without knowing their number previously, and its rapid training in comparison with others found in the literature such as the LBG (Lind, Buzo and Gray) competitive algorithms. Also, we proposed a supervised algorithm for the classification of determined channel states. It is used in the case of the RBFNN-DFE. Algorithms based on descent of the gradient are used for the training of others parameters, following two criteria: the mean square error and the bit error rate. Besides the two well known training modes (online and offline), these algorithms apply also a third proposed mode that combines the advantages of these modes, such as rapidity, convergence stability as well as the occurrence of the global minimum solution. Performances of the equalizers are evaluated by using TDL models which implement reel GSM and UMTS channels

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (171 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 167-171

Où se trouve cette thèse ?

  • Bibliothèque : Université de Nantes. Service commun de la documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 2009 NANT 2006
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.