Méthodes approchées de maximum de vraisemblances pour la classification et identification aveugles en communications numériques

par Steffen Barembruch

Thèse de doctorat en Signal et images

Sous la direction de Éric Moulines.

Soutenue en 2010

à Paris, Télécom ParisTech .


  • Résumé

    La thèse considère la classification aveugle de modulations linéaires en communication numérique sur des canaux sélectifs en fréquence (et en temps). Nous utilisons l'approche de maximum de vraisemblance et nous développons plusieurs estimateurs de modèles exploitant la structure des modulations MAQ. Chaque estimateur de modèles nécessite une étape d'estimation de maximum de vraisemblance de paramètres de canal, connue sous le nom d'identification aveugle. Nous l'implémentons par l'algorithme espérance-maximisation (EM) et nous développons une nouvelle variante utilisant des contraintes parcimonieuses et des méthodes de "Compressive Sensing". Ces deux algorithmes utilisent le lissage particulaire pour lequel nous comparons plusieurs algorithmes existants et introduisons un nouvel algorithme de lissage à deux filtres joints. Nous avons également trouvé des nouvelles méthodes de sélection de particules aléatoires qui améliorent de façon significative l'état de l'art.

  • Titre traduit

    Approximate maximum likelihood methods for large scale blind classification and identification in digital communications


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (172 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 151 réf. bibliogr. Résumé étendu en français

Où se trouve cette thèse ?

  • Bibliothèque : Télécom ParisTech. Bibliothèque scientifique et technique.
  • Disponible pour le PEB
  • Cote : 7.213 BARE
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.