Sparse channels estimation applied in software defined radio - Télécom Paris Accéder directement au contenu
Thèse Année : 2019

Sparse channels estimation applied in software defined radio

Estimation de canaux parcimonieux pour la radio logicielle

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.
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.
Fichier principal
Vignette du fichier
85191_CRESPO_MARQUES_2019_archivage.pdf (2.4 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03091975 , version 1 (01-01-2021)

Identifiants

  • HAL Id : tel-03091975 , version 1

Citer

Elaine Crespo Marques. Sparse channels estimation applied in software defined radio. Signal and Image processing. Institut Polytechnique de Paris, 2019. English. ⟨NNT : 2019IPPAT004⟩. ⟨tel-03091975⟩
111 Consultations
222 Téléchargements

Partager

Gmail Facebook X LinkedIn More