Détection à base d’ann dans des systèmes MIMO-OFDM avec des adc à basse résolution.

Rezaei, Shabnam (2019). Détection à base d’ann dans des systèmes MIMO-OFDM avec des adc à basse résolution. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en télécommunications, 67 p.

Prévisualisation

PDF Télécharger (851kB) | Prévisualisation

Résumé

Dans ce travail, nous proposons un réseau de neurones artificiels multicouches "Artificial Neural Network" (ANN), formé à l’algorithme de Levenberg-Marquardt, à utiliser dans la détection de signaux sur des systèmes de multiplexage par répartition orthogonale de la fréquence à plusieurs entrées "Multiple-Input and Multiple-Output-Orthogonal Frequency-Division Multiplexing" (MIMOOFDM). Nous suggérons, en particulier, son usage avec les convertisseurs analogiques-numériques à faible résolution "Low Resolution Analog-to-Digital Converter" (LRADC). Nous considérons un schéma de détection à l’aveugle dans lequel l’estimation de symbole de données est réalisée sans connaissance des informations d’état de canal sur le récepteur "hannel State Information at Receiver" (CSIR), contrairement aux algorithmes classiques. La principale puissance du détecteur à base d’ANN réside dans son utilisation polyvalente avec n’importe quel schéma de modulation, à l’aveugle, mais sans modification de sa structure. Nous comparons, par simulations, ce nouveau récepteur avec des récepteurs classiques, afin de connaitre le maximum de vraisemblance "Maximum-Likelihood" (ML),l’erreur quadratique moyenne minimale "Minimum Mean Squard Error" (MMSE) et le forçage à zéro "Zero Forcing" (ZF), en termes de performances du taux d’erreur de symbole "Symbol Error Rate" (SER). Les résultats suggèrent que l’ANND approche le ML avec une complexité beaucoup plus faible, surpasse le ZF sur toute la plage de valeurs du rapport signal sur bruit "Signal-to-Noise Ration" (SNR), et le fait également avec le MMSE, sur différentes gammes de SNR.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Affes, Sofiène
Mots-clés libres:	réseaux de neurones artificiels; MIMO-OFDM; convertisseurs analogiquenumérique; détection de signal
Centre:	Centre Énergie Matériaux Télécommunications
Date de dépôt:	03 juin 2020 14:55
Dernière modification:	03 juin 2020 14:55
URI:	https://espace.inrs.ca/id/eprint/10324

Gestion Actions (Identification requise)

Modifier la notice