| Titre : | Deep Learning pour le débruitage impulsif dans les systèmes OFDM |
| Auteurs : | KAAROUR Kaouther, Auteur ; KADA Rekia, Auteur ; MOKADEM Djelloul, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | [S.l.] : Université Saïda – Dr. Tahar Moulay – Faculté des Mathématiques, de l’Informatique et de Télécommunications, 2024/2025 |
| Format : | 75 ص |
| Accompagnement : | CD |
| Langues: | Anglais |
| Index. décimale : | BUC-M 003676 |
| Catégories : | |
| Mots-clés: | : OFDM: Bruit impulsif: Apprentissage en profondeur (DL): BER. : OFDM: Impulsive noise: Deep Learning (DL): BER. |
| Résumé : |
Abstract
In recent years, Deep Learning (DL) has attracted increasing attention as a promising method for achieving noise cancellation. Unlike the traditional OFDM receiver, OFDM transmission is affected by non- Gaussian interference caused by impulsive phenomena.... A number of noise cancellation algorithms have been developed, based on the assumption that noise is Gaussian, such as additive white Gaussian noise (AWGN). It is within this framework that we propose a deep learning-based scheme to achieve impulsive noise cancellation to support the performance of traditional OFDM receivers. The application is specifically realized at the OFDM system level in a Rayleigh fading channel. Our simulation results clearly demonstrate the effectiveness of our solutions in cancelling impulsive noise and improving BER (bit error rate) performance, even in the presence of impulse noise interference. Résumé Ces dernières années, l’apprentissage profond (Deep Learning, DL) a attiré une attention de plus en plus importante en tant que méthode prometteuse pour réaliser l’annulation de bruit. À la différence du récepteur OFDM traditionnel, la transmission OFDM est affectée par des interférences non gaussiennes causées par des phénomènes impulsifs.. Ainsi, plusieurs algorithmes d’annulation de bruit ont été mis en place en reprenant l’hypothèse que le bruit est gaussien, à l’exemple du bruit blanc additif gaussien (AWGN). C’est dans ce cadre que nous proposons un schéma à base d’apprentissage profond pour réaliser l’annulation du bruit impulsif afin de soutenir les performances des récepteurs OFDM traditionnels. L’application est spécifiquement réalisée au niveau du système OFDM dans un canal d’évanouissement de Rayleigh. Les résultats de nos simulations montrent bien l’efficacité de nos solutions pour annuler le bruit impulsif et améliorer les performances BER (taux d’erreur binaire), même en cas d’interférence de bruit impulse. ملخص في السنوات األخيرة، اجتذب التعلّم العميق(DL)اهتمامًا متزايدًا كطريقة واعدة لتحقيق إلغاء الضوضاء. على عكس مستقبلOFDM التقليدي، يتأثر إرسالOFDMبالتداخل غير الغاوسي الناجم عن الظواهر االندفاعية. لذلك تم تطوير العديدمن خوارزميات إلغاء الضوضاء بناء ً على افتراض أن الضوضاء غاوسي، مثل الضوضاء الغاوسية البيضاء المضافة(AWGN).في هذا اإلطار، نقترح مخططًا قائمًا على التعلم العميق إلجراء إلغاء الضوضاء االندفاعية من أجل دعم أداء مستقبالتOFDMالتقليدية. يتم تنفيذ التطبيق على وجه التحديد على مستوى نظامOFDMعلى مستوى نظامOFDMفي قناة رايلي المتالشية. تُظهر نتائج عمليات المحاكاة التي أجريناها بوضوح فعالية حلولنا في إلغاء الضوضاء االندفاعية وتحسين أداء معدل خطأ البت(BER)، حتى في وجود تداخل الضوضاء االندفاعية |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003676 Adobe Acrobat PDF |
