Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/17652
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAbdelgheffar, Lydia-
dc.contributor.authorBouamara, Rosa-
dc.contributor.authorTounsi, M. ; promoteur-
dc.date.accessioned2022-01-03T12:56:45Z-
dc.date.available2022-01-03T12:56:45Z-
dc.date.issued2021-
dc.identifier.urihttp://hdl.handle.net/123456789/17652-
dc.descriptionOption : Réseaux et Télécommunicationen_US
dc.description.abstractLe travail présenté dans le cadre de ce mémoire concerne la diversité coopérative avec laquelle nous avons combiné trois techniques très utilisées dans le domaine des communications sans fil à savoir : le système MIMO, le système MIMO à modulation spatiale (SM-MIMO) et radio intelligente, et ce dans le but d’améliorer d’avantage les performances et la qualité des transmissions. La reconnaissance automatique de type de modulation (AMC) est un composant important des radios cognitives (RC), elle permet aux utilisateurs d’écouter le spectre et de y détecter les espaces blancs existants. Ce projet porte sur l’étude des performances d’un système de classification automatique de type de modulation, basée sur l’apprentissage automatique : les séparateurs à Vaste Marge (SVM) qui visent une identification optimale des types de modulation. Les résultats de simulations obtenus ont démontré de meilleures performances des solutions proposées et une grande robustesse face aux erreurs d’estimation des canaux. Le travail présenté dans le cadre de ce mémoire concerne la diversité coopérative avec laquelle nous avons combiné trois techniques très utilisées dans le domaine des communications sans fil à savoir : le système MIMO, le système MIMO à modulation spatiale (SM-MIMO) et radio intelligente, et ce dans le but d’améliorer d’avantage les performances et la qualité des transmissions. La reconnaissance automatique de type de modulation (AMC) est un composant important des radios cognitives (RC), elle permet aux utilisateurs d’écouter le spectre et de y détecter les espaces blancs existants. Ce projet porte sur l’étude des performances d’un système de classification automatique de type de modulation, basée sur l’apprentissage automatique : les séparateurs à Vaste Marge (SVM) qui visent une identification optimale des types de modulation. Les résultats de simulations obtenus ont démontré de meilleures performances des solutions proposées et une grande robustesse face aux erreurs d’estimation des canaux.en_US
dc.language.isofren_US
dc.publisherUniversité Abderrahmane Mira- Bejaiaen_US
dc.subjectRadio Cognitive : Diversité coopérative : Système MIMO : SM-MIMO : Radio intelligente : La : Apprentissage automatique : SVMen_US
dc.titleReconnaissance Automatique de la Modulation à base des Séparateurs à Vaste Marge (SVM).en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Mémoire_ AL_BR_corrigé_AMR_SVM_2021VFF.pdf2.98 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.