• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Égalisation aveugle et turbo égalisation dans les canaux sélectifs en fréquence invariants et variants dans le temps

Berdai, Abdellah 11 April 2018 (has links)
Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2006-2007 / Nous étudions à travers ce travail de recherche les méthodes d'égalisation entraînée et aveugle dans les canaux de communications sélectifs en fréquence invariants et variants dans le temps. Ces méthodes d'égalisation trouvent leur place dans un grand nombre d'applications telles que les télécommunications sans fil, le traitement de la parole, etc. L'objectif de l'égalisation entraînée est d'identifier les données émises à partir des observations issues de l'antenne et des séquences d'apprentissage préalablement connues par le récepteur. Alors que l'égalisation aveugle consiste à identifier les données émises uniquement à partir des observations issues de l'antenne. Les méthodes aveugles n'ont donc connaissance a priori ni des signaux émis ni du canal de transmission. Dans le cadre de notre recherche, nous proposons trois modèles d'égalisation : deux modèles autodidactes (sans séquence d'apprentissage) pour l'égalisation dans les canaux sélectifs en fréquence et invariants, et un modèle entraîné (avec séquence d'apprentissage) pour l'égalisation dans les canaux sélectifs en fréquence et variants dans le temps. / In this research work, we study the blind and trained equalization methods over stationary and time varying frequency selective channels. These equalization methods find their place in a large number of applications such as wireless Systems, speech processing, etc. The objective of trained equalization is to identify the transmitted data from the received signals and from training sequences known beforehand by the receiver, whereas blind equalization identifies the transmitted data only from the received signals. Blind methods do not have a prior information about transmitted signals, nor the channel. Within the framework of our research, we propose three equalization models : two blind models (without training sequence) for the equalization over stationary frequency selective channels, and a trained model (with a training sequence) for the equalization over time varying frequency selective channels.

Page generated in 0.0232 seconds