Scribd
Importer
8 vues2 pages

Modulation OTFS et Estimation LSTM en 5G

Le document traite de l'évolution des technologies de communication mobile, en mettant l'accent sur la 5G et ses défis, notamment la communication en haute mobilité. Il présente la modulation OTFS comme une solution innovante pour améliorer la résilience des communications dans des environnements dynamiques, tout en soulignant l'importance de l'estimation précise du canal. Le projet propose d'intégrer un estimateur de canal basé sur un réseau LSTM pour optimiser les performances du système OTFS, avec une structure en quatre chapitres détaillant les réseaux mobiles, le fonctionnement de l'OTFS, les méthodes d'estimation de canal et les résultats des simulations.

Transféré par

Imene YAHI
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
8 vues2 pages

Modulation OTFS et Estimation LSTM en 5G

Le document traite de l'évolution des technologies de communication mobile, en mettant l'accent sur la 5G et ses défis, notamment la communication en haute mobilité. Il présente la modulation OTFS comme une solution innovante pour améliorer la résilience des communications dans des environnements dynamiques, tout en soulignant l'importance de l'estimation précise du canal. Le projet propose d'intégrer un estimateur de canal basé sur un réseau LSTM pour optimiser les performances du système OTFS, avec une structure en quatre chapitres détaillant les réseaux mobiles, le fonctionnement de l'OTFS, les méthodes d'estimation de canal et les résultats des simulations.

Transféré par

Imene YAHI
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Introduction Générale

L’évolution des technologies de communication mobile a profondément transformé notre


société, en apportant des solutions de connectivité toujours plus rapides, fiables et
omniprésentes. Du passage de la 1G à la 4G, chaque génération a introduit de nouvelles
fonctionnalités répondant à des besoins croissants en termes de débit, de latence et de qualité
de service. Aujourd’hui, la 5G s’impose comme la technologie pivot qui accompagne la
révolution numérique actuelle, avec des applications dans des domaines aussi variés que la
santé, l’industrie, la mobilité intelligente ou encore l’internet des objets (IoT).

Parmi les nombreux défis que soulève le déploiement de la 5G, celui de la communication en
haute mobilité représente un enjeu majeur. Les véhicules connectés, les trains à grande vitesse
ou encore les drones nécessitent des liens de communication robustes, capables de faire face à
des environnements de propagation complexes, caractérisés par une forte sélectivité en temps
et en fréquence. Dans ces conditions, les techniques de modulation classiques, telles que
l’OFDM (Orthogonal Frequency Division Multiplexing), montrent rapidement leurs limites.

C’est dans ce contexte qu’émerge la modulation OTFS (Orthogonal Time Frequency Space),
une technique innovante qui propose une approche radicalement différente. Contrairement à
l’OFDM qui travaille dans le domaine temps-fréquence, l’OTFS opère dans le domaine délai-
Doppler, offrant une meilleure représentation du canal mobile. Cette particularité permet une
meilleure résilience face aux variations rapides du canal, rendant l’OTFS particulièrement
adaptée aux communications en environnement véhiculaires ou très dynamiques.

Cependant, cette robustesse théorique n’est pleinement exploitée que si une estimation
précise du canal est réalisée. En effet, dans un système de communication sans fil, la
connaissance exacte du canal est essentielle pour permettre une démodulation et un décodage
efficaces. L’estimation de canal dans OTFS, bien qu’ayant fait l’objet de diverses approches
classiques (LS, MMSE, etc.), reste un domaine de recherche actif, notamment face à la
complexité induite par les canaux doublement sélectifs.

Avec l’avènement de l’intelligence artificielle, de nouvelles perspectives se dessinent. Les


réseaux de neurones profonds, en particulier les réseaux à mémoire longue à court terme
(LSTM), offrent une capacité remarquable à modéliser des séquences temporelles complexes.
Leur application à l’estimation de canal dans les systèmes OTFS pourrait permettre de
dépasser les limites des méthodes traditionnelles, en exploitant les corrélations temporelles et
les régularités statistiques des canaux mobiles.

Ce projet s’inscrit dans cette démarche. Il vise à concevoir, simuler et évaluer un système de
communication OTFS intégrant un estimateur de canal basé sur un réseau LSTM. L’objectif
est d’analyser les gains en termes de performances (BER, débit) que peut apporter cette
approche dans différents scénarios de mobilité, le débit utile, ainsi que le rapport crête à
moyenne (PAPR), Une implémentation conjointe sous MATLAB (pour la génération et la
transmission des données OTFS) et Python (pour l’entraînement et le test du modèle LSTM)
sera réalisée.

Ce mémoire est structuré en quatre chapitres :


 Le premier chapitre présente un aperçu général des réseaux mobiles, des défis de la
5G et de l’apparition des nouvelles techniques de modulation adaptées à la haute
mobilité.
 Le deuxième chapitre est consacré à la description du système OTFS, de son principe
de fonctionnement ainsi que des particularités du canal délai-Doppler.
 Le troisième chapitre explore les différentes méthodes d’estimation de canal, en
mettant l’accent sur les approches basées sur le Deep Learning et le rôle spécifique des
réseaux LSTM.
 Enfin, le quatrième chapitre présente les simulations réalisées, les résultats obtenus
et une discussion sur les performances du système avec et sans intelligence artificielle.

Vous aimerez peut-être aussi