Abstract FR:

L'objet de cette these est l'application des reseaux de neurones aux communications numeriques et plus particulierement aux fonctions d'egalisation et de decodage de canal. L'utilisation de reseaux de neurones a permis d'aborder deux problemes non resolus tels que le decodage optimal d'un long code en bloc dans un temps raisonnable ou le traitement des non linearites lors d'une transmission par satellite. Un autre axe de recherche interessant est de coupler egalisation et decodage dans un seul reseau. Pour les simulations, l'essentiel des etudes concerne le perceptron multicouche car le modele de kohonen s'est avere moins performant. En decodage, on montre qu'un reseau de neurones permet de decoder les codes courts. Cependant, il n'a pas ete possible de mettre assez de relations entre les poids pour simplifier l'apprentissage des codes longs. La transmission par satellite genere des non linearites dues a l'amplificateur. Elles sont efficacement corrigees quand la structure du neurone est adaptee a la modulation employee. A partir de la sigmoide classique, on construit une fonction d'activation en escalier dont le nombre de niveaux depend de la constellation. Un procede d'initialisation du reseau permettant l'utilisation du perceptron en mode aveugle est egalement etudie. Les resultats sont degrades, mais approchent les performances des autres egaliseurs en mode adaptatif avec une meilleure resistance au bruit. Les resultats obtenus en egalisation pour la modulation quadrature partial response signaling montrent qu'un perceptron est capable d'egaliser et de decorreler les signaux en meme temps. On montre ainsi qu'il est possible de rassembler les deux operations (egalisation et decodage) dans un seul reseau. La derniere partie propose des solutions pour adapter la structure du perceptron a un probleme donne