Pré-distorsion adaptative des non-linéarités HPA dans un système OFDM à l’aide des réseaux de neurones

The aim of the research accomplished in this thesis is to introduce linearization techniques applied to power amplifier for broadband radio- ommunications. In this context, we put forward base-band adaptive pre-distortion techniques using neural networks. After showing the non-linear behavior of power amplifier on both the spectrum and the transmitted signal quality, the classic techniques of linearity improvement are introduced. In the second section, neural networks are presented in particular the multilayer perceptrons as well as their learning techniques. Next, we defined the necessary steps for the establishment of a neural pre-distortion architecture able to offer very good performances within a reasonable complexity forthe non-linearity’s compensation of stationary and memoryless power amplifier, in the context of OFDM systems. The pre-distortion architecture chosen proved good performances in terms of the error rate reducing even with relatively low values of IBO. It equally proved a good correction of the transmitted signal quality in both inside and outside his band. The performance degradation correction following the non-stationary behavior ofpower amplifier has been stressed. Hence, a new architecture of adaptive predistortion has been proposed which allowed to obtain good performances using Levenberg-Marquard algorithm that proved to be the most efficient compared to several other algorithms, in terms of reducing time to adapt to power amplifier behavior changes while noting a reduced complexity. The obtained simulation results justify this hypothesis.Finally, a theoretical analysis allowed to highlight the dispersion origins in the power amplifier response and led to the emergence of new neural architecture of predistortion able to take into account memory effects. This survey concludes with some perspectives for research able to extend the work done during this thesis.
Les travaux de recherche menés dans cette thèse de doctorat ont visé l’étude et la mise en œuvre des techniques de linéarisation d’amplificateurs de puissance destinés aux émetteurs radiofréquences à large bande. Dans ce cadre, nous avons proposé des techniques de pré-distorsion adaptative en bande de base en utilisant les réseaux de neurones. Après avoir montré les conséquences du comportement non linéaire de l’amplificateur sur le spectre et la qualité du signal transmis, les techniques classiques d’amélioration de la linéarité sont présentées. Dans une deuxième partie, les réseaux de neurones sont présentés et en particulier les perceptrons multicouches sans oublier également les techniques d’apprentissage de ces derniers. Ensuite, nous avons défini les étapes nécessaires pour l’établissement d’une architecture neuronale de pré- istorsion capable d’offrir de très bonnes performances avec une complexité raisonnable pour la compensation des non-linéarités d’un amplificateur considéré stationnaire et sans mémoire, dans le contexte des systèmes de communication OFDM. L’architecture de pré-distorsion choisie a montré de très bonnes performances en terme de réduction du taux d’erreur dans la transmission même avec des IBO assez faibles. Elle a montré également une bonne correction du signal à l’intérieur de sa bande utile et en dehors de celle-ci. La dégradation des performances de correction suite à la non-stationnarité de l’amplificateur de puissance a été soulignée. Ainsi, une nouvelle architecture de pré-distorsion adaptative a été proposée. Cette architecture a permis d’obtenir de bonnes performances en utilisant l’algorithme de Levenberg-Marquardt qui s’est avéré le plus efficace, par rapport à plusieurs autres algorithmes, en terme de réduction du temps d’adaptation aux changements du comportement de l’amplificateur tout en notant une complexité réduite. Les résultats de simulation obtenus justifient cette hypothèse. Finalement, une analyse théorique a permis de mettre en évidence les origines de dispersion dans la réponse de l’amplificateur de puissance et a conduit à proposer de nouvelles architectures neuronales de pré-distorsion capables de tenir compte des effets de mémoire. Ce mémoire se conclut par quelques perspectives de recherche pouvant prolonger les travaux accomplis durant cette thèse.