Application Des Reseaux De Neurones Artificiels A La Poursuite Des Non Linearites Fluctuantes Des Systemes Satellitaires

Résumé: Ce mémoire est consacré aux améliorations apportées par le traitement non linéaire à base du perceptron multicouche au problème d’égalisation des canaux de transmission. Après avoir montré les limitations des égaliseurs basés sur le traitement linéaire, nous avons présenté deux architectures d’égaliseurs à base du MLP sans et avec retour de décision; soient le MLP et le DFE- MLP respectivement. Nous avons examiné la fonctionnalité des égaliseurs à base du MLP et montré, à travers des exemples, comment ces architectures peuvent être employées pour résoudre le problème d’égalisation. L’introduction d’une variation dans les canaux linéaire et non linéaire met en évidence le caractère adaptatif de nos égaliseurs. L’égaliseur DFE-MLP a montré une grande capacité d’adaptation et a fourni les meilleures performances en terme de vitesse de convergence et d’état stable MSE pour les deux canaux considérés. Nous avons procédé à une comparaison des performances des égaliseurs à base des réseaux de neurones vis-à-vis des égaliseurs conventionnels pour un canal non linéaire. Les égaliseurs à base du MLP ont exhibé une grande capacité à poursuivre les fluctuations du canal non linéaire. Particulièrement l’égaliseur DFE-MLP a donné une amélioration substantielle en terme, de vitesse de convergence, de la valeur de l’état stable MSE et du taux d’erreur binaire BER. L’augmentation de la fluctuation de la non linéarité fait que l’égaliseur DFE-MLP surpasse considérablement l’égaliseur MLP. Ce mémoire se conclut par quelques perspectives de recherches pouvant prolonger les travaux accomplis durant cette étude.

Publié dans la revue: