Author: Roger Sandrin Ntouné Ntouné
Publisher:
ISBN:
Category : Power amplifiers
Languages : fr
Pages : 0

View

Book Description

Author: Fabien Langlet-Caüet
Publisher:
ISBN:
Category :
Languages : fr
Pages : 190

View

Book Description
Avec l'avènement prochain de la troisième génération de système de télécommunication mobile, les transmissions à haut débit à travers des canaux satellites deviennent un problème de premier ordre. L'objet de cette thèse est l'étude et l'implantation de la linéarisation par prédistorsion, de ce système de transmission, à l'aide de réseaux de neurones. Le premier chapitre présente un problème majeur inhérent à la transmission à haut débit dans les canaux satellites : la dualité efficacité spectrale et efficacité en puissance. Cette association introduit des distorsions qui détériorent la qualité de la transmission. L'égalisation, qui est présentée dans ce chapitre, est une solution pour résoudre ce problème. Le second chapitre s'intéresse à la linéarisation, qui est une méthode fréquemment utilisée pour combattre ces distorsions. Après une revue rapide de l'état de l'art, la technique de linéarisation par prédistorsion est présentée, puis proposée pour linéariser un système de transmission par satellite. Le troisième chapitre propose de linéariser par prédistorsion, un système de transmission non-linéaire avec ou sans mémoire, avec des réseaux de neurones [...]

Author: Hasan Abdulkader
Publisher:
ISBN:
Category :
Languages : fr
Pages : 219

View

Book Description
Dans cette thèse nous traitons le problème de la non linéarité introduite par l'amplificateur de puissance embarqué à bord de satellites régénératifs. Afin de résoudre les problèmes de non linéarités (non linéarité de l'amplitude et non linéarité de la phase), nous utilisons la méthode de linéarisation par la prédistorsion de l'amplificateur à bord du satellite. La prédistorsion consiste à linéariser la non linéarité d'amplitude et d'annuler le déphasage non linéaire. Pour que la prédistortion soit adaptative, nous proposons de modéliser l'amplificateur pour ensuite inverser le modèle acquis. Les deux applications (identification et prédistortion) sont faites à base de réseaux de neurones multicouches. Afin d'améliorer la convergence des réseaux de neurones, nous avons opté pour l'algorithme du gradient naturel basé sur l'étude de la géométrie de la variété des réseaux de neurones. Le premier chapitre fait un état d'art de la transmission numérique via satellites et discute des effets négatifs de l'amplification non linéaire. On y discute aussi les méthodes et les outils de traitement non linéaire tels que les réseaux de neurones et les séries de Volterra. Le deuxième chapitre fait une introduction à la géométrie différentielle afin de présenter l'algorithme du gradient naturel comme étant l'algorithme qui tient compte de la géométrie de la variété Riemanienne. Nous appliquons cet algorithme à l'apprentissage des réseaux de neurones déterministes. L'étude de la variété des fonctions a montré qu'elle est Riemanienne et que sa matrice métrique est la matrice de l'information de Fisher [...]

Author: Houssam Eddine Hamoud
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0

View

Book Description
Les systèmes de communication modernes convergent vers un fonctionnement multi-standard associé à des formats de modulation à fort PAPR où l'amplificateur de puissance doit être d'abord optimisé en rendement et où la linéarité sera corrigée ensuite par l'ajout d'un prédistorteur. Si cette solution semble fonctionnelle, elle parait inadaptée et peu efficace sur les systèmes 5G où les largeurs de bandes visées posent à la fois des problèmes d'architecture (complexité de la voie d'observation) etde précision des modèles comportementaux usuels basés sur une simplification de la série de Volterra dans sa forme discrète (GMP, DDR) face à des effets de mémoire exacerbés mais également d'efficacité énergétique du système linéarisé (DPD+PA). Il devient nécessaire dans ce contexte d'aller vers un modèle de prédistorteur moins dépendant des caractéristiques du signal à linéariser, notamment par le modèle TPM (Two path Memory) développé à XLIM, basé sur une simplification de la série de Volterra dans sa forme continue, s'avère indépendant des caractéristiques du signal à linéariser.Notre travail s'est attaché à évaluer les performances en linéarité des modèles classiques (GMP, DDR) et du modèle TPM sur différents amplificateurs de puissance, soit à partir de simulations ou à partir de mesures physiques du PA. Pour ce faire nous avons mis en place un environnement de simulation ainsi qu'un banc d'évaluation des modèles de prédistorsion avec le PA physique afin de quantifier les performances en ACPR suivant la variation de caractéristique du signal (puissance, fréquence, statistique). L'ensemble de ces expérimentations ont permis de vérifier d'une part la faible robustesse des approches classiques (GMP/DDR), d'autre part la stabilité des performances de l'approche TPM quel que soit le scenario envisagé. Cette étude ouvre donc la voie d'une nouvelle génération de prédistorteur qui, extrait une fois pour toute, ne nécessiterait qu'une mise à jour sur des phénomènes à dynamique lente (vieillissement) et permettrait d'envisager une architecture simplifiée de la voie d'observation du DPD ; donc une amélioration de l'efficacité énergétique globale du système linéarisé.

Author: Horacio Rostro-González
Publisher:
ISBN:
Category :
Languages : en
Pages : 152

View

Book Description
Dans cette thèse, nous étudions à un niveau pratique comment nous pouvons réaliser des processus computationnels avec des potentiels d'action (spikes). Nous étudions le problème de la programmation d'un système dynamique modélisé comme un réseau de neurones, et nous considérons des implémentations en software et en hardware. Tout d'abord, nous révisons le modèle de réseau de neurones à temps discret introduit par Soula et al. (2006) et nommé ici BMS. L'intérêt d'utiliser ce modèle est dû à son habileté à reproduire des dynamiques assez riches (voir la section 1.2.4) et aussi permettre d'établir un lien direct entre le potentiel de la membrane et les impulsions de la neurone (spiking activity). En se basant sur une généralisation de ce modèle, nous proposons une méthode afin d'estimer d'une manière efficace les paramètres (les poids synaptiques à différents délais) d'un réseau de neurones à partir de l'observation de sa dynamique (train d'impulsions). L'idée est d'éviter le problème NP-complet qui se pose dès que nous considérons les poids synaptiques et les délais de transmission. Notre méthode permet de définir un système de programmation linéale à partir du modèle BMS et d'effectuer l'estimation des paramètres de manière polynomiale. Ensuite, nous introduisons un mécanisme de réservoir computing (réseau de neurones cachés) afin de faire une estimation plus robuste. Finalement, nous appliquons cette idée à l'implémentation de transformations entrée-sortie, où la méthode est capable d'apprendre les paramètres implicites correspondant à la fonction de transfert. Dans un second temps, nous travaillons au développement d'implémentations numériques permettant de valider nos algorithmes. De plus, nous faisons des contributions au niveau de la programmation de méthodes pour l'analyse de trains d'impulsions et la simulation de réseaux de neurones à impulsion. Nous co-développons une librairie numérique en C++, nommée EnaS et distribuée sous une licence gratuite CeCILL-C. Cette librairie est également compatible avec d'autres simulateurs et peut être utilisée comme un plugin. La dernière partie de la thèse se focalise sur les implémentations en hardware de modèles bio inspirés. Nous faisons le choix de regarder des technologies à bas coût basées sur les FPGA (réseau de portes programmables in situ) et les GPU (processeur graphique). Nous évaluons la réponse des implémentations en hardware des modèles de neurones du type intègre-et-tire quand ils sont soumis aux différents régimes d'activité neuronale. L'implémentation sur le FPGA a été accomplie en faisant une analyse sur la précision et sa performance a été comparée avec celle du GPU.