Applications des réseaux de neurones aux systèmes de communication numériques

Abstract

Ce mémoire traite le concept d’égalisation non linéaire des canaux de transmission par réseaux de neurones, et en particulier le perceptron multicouche. Nous avons présenté dans ce mémoire deux architectures principales, l’égaliseur MLP, et l’égaliseur DFE-MLP, qui sont les homologues des égaliseurs LTE, et DFE basés sur les filtres numériques. Nous avons montré également comment le perceptron multicouche peut être employé pour réaliser la fonction d’égalisation, et résoudre les problèmes causés par le bruit et l’interférence entre symboles, en fait, il s’agit de trouver la structure convenable qui donne les meilleurs résultats. Nous avons aussi comparé les performances des égaliseurs à base des réseaux de neurones et ceux obtenues par les égaliseurs conventionnels qui sont construits par des filtres numériques pour un canal linéaire. Les égaliseurs à base du MLP ont montré une grande capacité d’égalisation vis-à-vis aux autres. Particulièrement, l’égaliseur DFE-MLP a donné une amélioration substantielle en termes, du signal égalisé, de la valeur de l’état stable MSE et du taux d’erreur binaire BER.