Sparse channels estimation applied in software defined radio

par Elaine Crespo Marques

Thèse de doctorat en Information, communications, électronique

Sous la direction de Lirida Alves de Barros.

Soutenue le 20-12-2019

à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec Télécom Paris (Palaiseau) (établissement de préparation de la thèse) et de Laboratoire Traitement et communication de l'information (Paris ; 2003-....) (laboratoire) .

Le président du jury était Jacques-Olivier Klein.

Le jury était composé de Pietro Maris Ferreira, Hao Cai.

Les rapporteurs étaient Hassan Aboushady, Raimundo Carlos Silvério Freire.

  • Titre traduit

    Estimation de canaux parcimonieux pour la radio logicielle


  • Résumé

    Les canaux de communication sont utilisés pour transmettre des signaux d'information. Cependant, ces canaux peuvent causer plusieurs distorsions sur le signal à transmettre, telles que l'atténuation, la perte par trajets multiples et le décalage Doppler, entre autres. Pour une meilleure récupération des messages, le récepteur peut estimer le canal et améliorer la fiabilité des systèmes de communication. Plusieurs systèmes de communication, tels que la télévision haute définition, le système mmWave, les large bande HF et les bandes ultra-large, disposent de canaux parcimonieux. Cette caractéristique peut être utilisée pour améliorer les performances de l'estimateur et réduire la taille de la séquence d'apprentissage, diminuant ainsi la puissance consommée et la bande passante. Cette thèse traite le problème de l'estimation du canal en explorant des méthodes qui exploitent sa parcimonie. L'étude de l'acquisition comprimée et de ses algorithmes a conduit à la proposition d'un nouvel algorithme appelé Matching Pursuit based Least Square (MPLS). L'utilisation de réseaux de neurones (NN) pour l'estimation de signaux parcimonieux a également été explorée. Les travaux ont été axés sur NN, inspirés d'algorithmes d'd'acquisition comprimée tels que Learned Iterative Shrinkage-Thresholding Algorithm (LISTA). Cela a abouti à deux approches qui améliorent les performances de LISTA ainsi qu'à un nouveau réseau de neurones adapté à l'estimation de signaux parcimonieux.


  • Résumé

    Communication channels are used to transmit information signals. However, these channels can cause several distortions on the signal to be transmitted, such as attenuation, multipath loss and Doppler shift, among others. For a better message recovery, the receiver can estimate the channel and bring more reliability to the communications systems. Several communications systems, for example high-definition television, mmWave system, wideband HF and ultra-wideband have sparse channels. This characteristic can be used to improve the performance of the estimator and reduce the size of the training sequence so decreasing the consumption power and bandwidth. This thesis handles the channel estimation problem by investigating methods that exploit the sparsity of the channel. The study of Compressive Sensing and its sparse recovery algorithms led to the proposition of a new algorithm called Matching Pursuit based on Least Square (MPLS). The use of neural networks (NN) to sparse signals estimation was also explored. The work focused on NN inspired by sparse recovery algorithms such as Learned Iterative Shrinkage-Thresholding Algorithm (LISTA). This resulted in two approaches that improve LISTA performance as well as to a new neural network suitable to estimate sparse signals.



Le texte intégral de cette thèse sera accessible librement à partir du 31-12-2020


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Télécom Paris. Centre de ressources documentaires numériques (CRDN).
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.