dc.contributor.author |
Abdelgheffar, Lydia |
|
dc.contributor.author |
Bouamara, Rosa |
|
dc.contributor.author |
Tounsi, M. ; promoteur |
|
dc.date.accessioned |
2022-01-03T12:56:45Z |
|
dc.date.available |
2022-01-03T12:56:45Z |
|
dc.date.issued |
2021 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/17652 |
|
dc.description |
Option : Réseaux et Télécommunication |
en_US |
dc.description.abstract |
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.
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.iso |
fr |
en_US |
dc.publisher |
Université Abderrahmane Mira- Bejaia |
en_US |
dc.subject |
Radio Cognitive : Diversité coopérative : Système MIMO : SM-MIMO : Radio intelligente : La : Apprentissage automatique : SVM |
en_US |
dc.title |
Reconnaissance Automatique de la Modulation à base des Séparateurs à Vaste Marge (SVM). |
en_US |
dc.type |
Thesis |
en_US |