Publication :
Égalisation aveugle et turbo égalisation dans les canaux sélectifs en fréquence invariants et variants dans le temps

Notice brève
bul.contributor.advisor-authkeyHuynh, Huu Tuê|=n 2008060499
bul.contributor.advisor-authkeyChouinard, Jean-Yves|=0054B9450
bul.contributor.author-authkeyBerdai, Abdellah|=XX3961712
bul.description.provenancedbegj
bul.identifier.controlNumber1131603063
dc.contributor.advisorHuynh, Huu Tuê
dc.contributor.advisorChouinard, Jean-Yves
dc.contributor.authorBerdai, Abdellah
dc.date.accessioned2019-06-27T19:02:04Z
dc.date.available2018-04-11T22:57:37Z
dc.date.issued2006
dc.date.updated2018-04-11T22:57:37Z
dc.descriptionTableau d'honneur de la Faculté des études supérieures et postdoctorales, 2006-2007
dc.description.abstractNous étudions à travers ce travail de recherche les méthodes d'égalisation entraînée et aveugle dans les canaux de communications sélectifs en fréquence invariants et variants dans le temps. Ces méthodes d'égalisation trouvent leur place dans un grand nombre d'applications telles que les télécommunications sans fil, le traitement de la parole, etc. L'objectif de l'égalisation entraînée est d'identifier les données émises à partir des observations issues de l'antenne et des séquences d'apprentissage préalablement connues par le récepteur. Alors que l'égalisation aveugle consiste à identifier les données émises uniquement à partir des observations issues de l'antenne. Les méthodes aveugles n'ont donc connaissance a priori ni des signaux émis ni du canal de transmission. Dans le cadre de notre recherche, nous proposons trois modèles d'égalisation : deux modèles autodidactes (sans séquence d'apprentissage) pour l'égalisation dans les canaux sélectifs en fréquence et invariants, et un modèle entraîné (avec séquence d'apprentissage) pour l'égalisation dans les canaux sélectifs en fréquence et variants dans le temps.fr
dc.description.abstractIn this research work, we study the blind and trained equalization methods over stationary and time varying frequency selective channels. These equalization methods find their place in a large number of applications such as wireless Systems, speech processing, etc. The objective of trained equalization is to identify the transmitted data from the received signals and from training sequences known beforehand by the receiver, whereas blind equalization identifies the transmitted data only from the received signals. Blind methods do not have a prior information about transmitted signals, nor the channel. Within the framework of our research, we propose three equalization models : two blind models (without training sequence) for the equalization over stationary frequency selective channels, and a trained model (with a training sequence) for the equalization over time varying frequency selective channels.en
dc.format.extentxiv, 119 f.
dc.identifier.bacTC-QQLA-23919
dc.identifier.other23919
dc.identifier.urihttp://hdl.handle.net/20.500.11794/18416
dc.languagefre
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subject.classificationTK 7.5 UL 2006 B486
dc.subject.rvmÉgaliseurs (Électronique)fr_CA
dc.subject.rvmTraitement du signalfr_CA
dc.subject.rvmTransmission numériquefr_CA
dc.titleÉgalisation aveugle et turbo égalisation dans les canaux sélectifs en fréquence invariants et variants dans le tempsfr_CA
dc.typemémoire de maîtrise
dc.type.legacyCOAR1_1::Texte::Thèse::Mémoire de maîtrisefr
dspace.accessstatus.time2022-11-15 21:12:10
dspace.entity.typePublication
etdms.degree.grantorUniversité Lavalfr_CA
etdms.degree.nameMémoire. Génie électrique et génie informatiquefr_CA
relation.isAdvisorOfPublicationb377b967-704f-42a4-9202-f3e8d6c8fc32
relation.isAdvisorOfPublicationee0b3e08-203f-45d7-a9db-b1726b22a970
relation.isAdvisorOfPublication.latestForDiscoveryb377b967-704f-42a4-9202-f3e8d6c8fc32
relation.isAuthorOfPublication53440756-3bd5-408f-8b5f-3a685b72eb2f
relation.isAuthorOfPublication.latestForDiscovery53440756-3bd5-408f-8b5f-3a685b72eb2f
relation.isResourceTypeOfPublication5324f3cf-6e18-4f28-a339-115c99bd2b34
relation.isResourceTypeOfPublication.latestForDiscovery5324f3cf-6e18-4f28-a339-115c99bd2b34
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
Vignette d'image
Nom :
23919.pdf
Taille :
21.72 MB
Format :
Adobe Portable Document Format
Description :
Texte
Télécharger
Collections
Thèses et mémoires