contribution à l’élaboration et la mise en oeuvre des méthodes d’identification et d’égalisation aveugle

Abstract

L’identification aveugle d’un canal bruité par un bruit gaussien utilise des algorithmes à base des cumulants d’ordre supérieur, les plus récents sont à bases des cumulants d’ordre quatre. En littérature, ces algorithmes utilisent généralement des calculs matriciels pour estimer les paramètres du canal. Leur performance nécessite des tailles d’échantillons assez grandes, mais en pratique la taille d’échantillon est limitée, ces algorithmes souffrent ainsi d’insuffisance. Pour pallier à ce problème, nous avons proposé deux approches en identification aveugle. Dans la première approche, nous avons proposé un algorithme qui combine les ordres trois et quatre des cumulants. Il a montré son efficacité, il est simple à implémenter et moins coûteux en temps. Dans la seconde approche, nous avons utilisé la théorie des nombres flous pour corriger les erreurs dues à la divergence des algorithmes d’identification aveugle à cause des tailles d’échantillons utilisés qui souvent faibles, ainsi nous avons adapté ces algorithmes à des petites tailles d’échantillons. Dans une première application, nous avons utilisé un canal d’ordre faible. Dans une seconde application, nous avons utilisé un canal d’ordre supérieur à trois, en combinant la méthode d’ACP et la théorie des nombres flous. Cette méthode a montré son efficacité pour au canal radio mobile BRAN A de 18 trajets. Une autre contribution a été réalisée au niveau de l’égalisation aveugle. Le filtre égaliseur souvent utilisé en égalisation aveugle est le Zforcing qui est impraticable dans le cas où l’estimation aveugle de l’un des paramètres du canal est faible. Pour remédier à cet inconvénient, nous avons proposé un filtre récursif plus efficace que Zforcing en transmission de quatrième génération MC-CDMA. Enfin, les simulations réalisées montrent que les méthodes proposées dans ce travail donnent une très bonne satisfaction en termes de taux d’erreur binaire (BER), comparativement à de nombreux algorithmes classiques.