Ce mémoire présente les travaux effectués au sein de l'équipe ETSN de Supélec, campus de Rennes, sur la réduction des effets des non linéarités dans une modulation OFDM, à l'aide de réseaux de neurones.<br />Tout d'abord, le mémoire commence par une introduction aux communications numériques et en particulier à la modulation OFDM. Aujourd'hui, plusieurs standards reposent sur cette technique de transmission, en particulier en raison de la simplicité de l'égalisation du canal, et donc la possibilité de transmettre avec plus d'efficacité des données sur des canaux multitrajets. Cependant le signal OFDM temporel est particulièrement sensible aux non-linéarités présentes dans l'amplificateur d'émission et diverses techniques sont étudiées pour diminuer ces effets.<br />Ensuite, les réseaux de neurones sont présentés, ainsi que leur utilisation dans le domaine de l'approximation de fonctions. Après avoir décrit les deux modèles de réseaux de neurones les plus courants, les réseaux d'ordre supérieur, tels que le RPN, sont introduits. Les techniques d'apprentissage de ces différentes architectures de réseaux de neurones sont également décrites.<br />Dans les différents correcteurs étudiés dans cette thèse, le réseau de neurones est placé dans le récepteur, après l'égalisation de canal. Son objectif est de corriger le signal reçu afin de compenser les effets des non-linéarités. Dans un premier temps le réseau de neurones est placé dans le domaine fréquentiel. Dans un système OFDM à 4 porteuses avec une modulation MAQ16, un amplificateur de type SSPA, un recul de 0 dB et pour un taux d'erreur binaire de 10-2, le correcteur avec un réseau RPN apporte un gain de 1,5 dB de rapport signal sur bruit. Cependant des difficultés apparaissent durant la phase d'apprentissage du réseau de neurones avec un nombre de porteuses supérieur.<br />Pour palier ce défaut, les réseaux de neurones décrits précédemment sont simplifiés en étant placés dans le domaine temporel. Ce système est plus proche des solutions déjà proposées pour la compensation des non-linéarités dans une modulation monoporteuse, avec toutefois des différences au niveau de l'égalisation du canal et de la nature de la fonction que doit accomplir le réseau de neurones. Un correcteur basé sur un réseau RPN a montré de très bonnes performances, même en augmentant le nombre de porteuses. Un gain de 8 dB a été mesuré pour un taux d'erreur binaire de 10-2 dans un système OFDM à 48 porteuses, une modulation MAQ16 et un amplificateur de type SSPA avec un recul de 0 dB. Le système présenté permet donc dans ces conditions de diviser la puissance de l'amplificateur, et donc sa consommation d'énergie, par un facteur supérieur à 4 tout en conservant la même qualité de transmission.<br />Le correcteur à RPN dans le domaine temporel est ensuite simulé sur un canal multitrajet, afin de vérifier que la compensation reste efficace dans le cas d'un canal sévère. Enfin les deux approches proposées (fréquentielle et temporelle) sont comparées, au niveau des performances obtenues et de la puissance de calcul nécessaire dans le récepteur. Une comparaison avec une autre approche proposée dans la littérature est également présentée. Le correcteur temporel basé sur un RPN est bien moins complexe que le système cité, au détriment d'une légère dégradation des performances.<br />Ce mémoire se conclut par quelques perspectives de recherche pouvant prolonger les travaux accomplis durant cette thèse.

Vu que la modulation multi-porteuses est largement utilisée dans les communications sans fil et la radio cognitive (CR pour “Cognitive Radio”) améliore l’utilisation des ressources radio et du spectre, nous nous concentrons sur les réseaux radio cognitifs (CR) pour faire progresser l’allocation des ressources, le routage, et l’ajustement de la puissance d’émission vers les récepteurs (synthèse de faisceaux ou beamforming) dans cette thèse. Nous étudions deux types de modulations multi-porteuses :Orthogonal Frequency-Division Multiplexing (OFDM) à base d’ondelettes (WOFDM pourWavelet OFDM) et OFDM dans sa forme classique ou traditionnelle (OFDM s’appuyant sur la transformation de Fourier pour partager les ressources). WOFDM adopte Wavelet Packet Modulation (WPM) pour obtenir des lobes secondaires beaucoup plus faibles dans la densité spectrale de puissance du signal transmis en comparaison à OFDM. WPM permet de surcroit à WOFDM de s’affranchir du Préfixe Cyclique (indispensable à OFDM) et d’exploiter l’égalisation pour combattre l’Interférence entre Symboles (ISI). Nous évaluons la performance de WOFDM sous différentes conditions du canal radio. Nous comparons la performance de WOFDM, qui s’appuie sur l’égalisation dans le domaine temporel, à celle de OFDM, qui requiert l’utilisation du Préfixe Cyclique et opère dans le domaine fréquentiel / In view of the wide usage of multicarrier modulation in wireless communications and the prominent contribution of Cognitive Radio (CR) to deal with critical shortage of spectrum resource, we focus on multicarrier based cognitive radio networks to investigate general resource allocation issues: subcarrier allocation, power allocation, routing, and beamforming in this thesis. We investigate two types of multicarrier modulation: Wavelet-based Orthogonal Frequency Division Multiplexing (WOFDM) and Fourier-based Orthogonal Frequency Division Multiplexing (OFDM). WOFDM adopts Wavelet Packet Modulation (WPM). Compared with fourier-based OFDM, wavelet-based OFDM achieves much lower side lobe in the transmitted signal. Wavelet-based OFDM excludes Cyclic Prefix (CP) which is used in fourier-based OFDM systems. Wavelet-based OFDM turns to exploit equalization to combat Inter-Symbol Interference (ISI). We evaluate the performance of WOFDM under different channel conditions. We compare the performance of wavelet-based OFDM using equalization in the time domain to that of fourier-based OFDM with CP and the equalization in the frequency domain