Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/20077
Full metadata record
DC FieldValueLanguage
dc.contributor.authorChadi, Lydia-
dc.contributor.authorAinennas, Silia-
dc.contributor.authorTounsi, M. ; promoteur-
dc.contributor.authorBeknadj, D.; promoteur-
dc.date.accessioned2022-10-25T07:56:40Z-
dc.date.available2022-10-25T07:56:40Z-
dc.date.issued2022-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/20077-
dc.descriptionOption : Réseaux et Télécommunicationsen_US
dc.description.abstractLe travail présenté dans le cadre de ce mémoire concerne la diversité coopérative avec laquelle nous avons utilisées les fonctions de radio intelligente qui permet aux utilisateurs de la radio cognitive d’écouter le spectre et de y détecter les espaces blancs existants dans la reconnaissance automatique du type de modulation et ce dans le but d’améliorer d’avantage les performances et la qualité des transmissions. Ce projet porte sur l’étude des performances d’un système de classification automatique de type de modulation en utilisant une technologie récente connue sous l’appellation de l’apprentissage en profondeur à l’aide des réseaux de neurones convolutifs comme solution liée au traitement des données complexes. Les résultats de simulations obtenus ont démontré de meilleures performances des solutions proposées et une grande précision de classification de différents types de modulations.en_US
dc.language.isofren_US
dc.publisherUniversité Abderrahmane Mira- Bejaiaen_US
dc.subjectDiversité coopérative : Radio intelligente : Radio Cognitive : Deep Learningen_US
dc.titleClassification Automatique de Modulation à base du Deep Learning.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
1656917553159_PFE_AMC_VF.pdf2.57 MBAdobe PDFView/Open


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