Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/14127
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | Adilia, Nour El Houda | - |
dc.contributor.author | Chalhi, Kenza | - |
dc.date.accessioned | 2023-01-25T13:25:28Z | - |
dc.date.available | 2023-01-25T13:25:28Z | - |
dc.date.issued | 2021 | - |
dc.identifier.uri | http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/14127 | - |
dc.description.abstract | Dans un système à entrées multiples et sorties multiples massives (MIMO), une estimation précise d'état de canal d’un terminal utilisateur est requise en raison de la variabilité temporelle du canal. La longueur des signaux pilotes est limitée et le nombre de séquences pilotes orthogonaux est fini. Par conséquent, les mêmes signaux pilotes doivent être réutilisés dans les cellules voisines et ainsi, ses performances d'estimation de canal sont détériorées par la contamination du pilote. Dans ce mémoire, nous étudions deux méthodes pour l’estimation du canal du système massive MIMO. Pour cela les performances des méthodes classiques telles que NMSE et LS sont étudiées suivi de méthode d'estimation de canal assistée par l'apprentissage en profondeur avec réseau neuronal convolutif. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Akli Mohand Oulhadj - Bouira | en_US |
dc.subject | Estimation de canal, MIMO massif, Deep learning, NMSE, LS. | en_US |
dc.title | Estimation du canal de transmission par deep learning | en_US |
dc.type | Thesis | en_US |
Collection(s) : | Mémoires Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Mémoire de fin d’étude.pdf | 3,45 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.