Réseaux de neurones : Application aux systèmes de communication numériques

Abstract

L’objectif du travail présenté dans cette thèse, est d’introduire de nouvelles structures neuronales comme les réseaux de neurones à mémoires et les réseaux de neurones diagonals afin de les appliquer au domaine des transmissions numériques. Ce mémoire est divisé en quatre parties. La première partie présente une synthèse sur les réseaux de neurones, introduit de nouveaux algorithmes et architectures neuronaux comme les réseaux de neurones vectoriels. La deuxième partie est théorique. Elle rappelle les éléments de base en transmission numérique. La troisième partie présente les algorithmes d’égalisation et les distorsions non linéaires introduites par les canaux de communications numériques. La dernière partie est consacrée aux applications aux transmissions numériques. Nous avons d’abord utilisé les nouvelles structures neuronales pour l’égalisation de canaux non linéaires dont le but consiste à éliminer les interférences entre symboles non linéaires pour améliorer le taux d’erreur. La méthode neuronale offre de meilleures performances que les outils classiques. Les égaliseurs proposés ont en suite été comparés expérimentalement à d’autres égaliseurs de type neuronales, avec comme critères de comparaison le temps de convergence, la taille du réseau et le taux d’erreur. Nous présentons ensuite une application des réseaux à l’égalisation aveugle, et montrons la capacité de l’égaliseur à réaliser une égalisation aveugle d’un canal non linéaire. Nous présentons également des résultats expérimentaux pour montrer l’application réussie des réseaux proposés à l’égalisation aveugle.