Algorithmes De Prise De D Cision Pour La Cognitive Radio Et Optimisation Du Mapping De Reconfigurabilit De L Architecture De L Impl Mentation Num Rique
Download Algorithmes De Prise De D Cision Pour La Cognitive Radio Et Optimisation Du Mapping De Reconfigurabilit De L Architecture De L Impl Mentation Num Rique PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Algorithmes De Prise De D Cision Pour La Cognitive Radio Et Optimisation Du Mapping De Reconfigurabilit De L Architecture De L Impl Mentation Num Rique book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Algorithmes de prise de décision pour la "cognitive radio" et optimisation du "mapping" de reconfigurabilité de l'architecture de l'implémentation numérique
Dans cette thèse nous nous intéressons au développement d'une méthode de prise de décision pour un équipement de réception de Radio Intelligente qui s’adapte dynamiquement à son environnement. L'approche que nous adoptons est basée sur la modélisation statistique de l'environnement radio. En caractérisant statistiquement les observations fournies par les capteurs de l'environnement, nous mettons en place des règles de décisions statistiques qui prennent en considération les erreurs d'observation des métriques radio, ce qui contribue à minimiser les taux des décisions erronées. Nous visons aussi à travers cette thèse à utiliser les capacités intelligentes de prise de décision pour contribuer à la réduction de la complexité de calcul au niveau de l'équipement de réception. En effet, nous identifions des scénarios de prise de décision de reconfiguration qui limitent la présence de certains composants ou fonctions de la chaîne de réception. En particulier, nous traitons, deux scénarios de décision qui adaptent respectivement la présence des fonctions d’égalisation et du beamforming en réception. La limitation de ces deux opérations contribue à la réduction de la complexité de calcul au niveau de la chaîne de réception sans dégrader ses performances. Enfin, nous intégrons notre méthode de décision par modélisation statistique ainsi que les deux scénarios de décision traités dans une architecture de gestion d'une radio intelligente, afin de mettre en valeur le contrôle de l'intelligence et de la reconfiguration dans un équipement radio.
Chapitre 9 - Application de l’intelligence artificielle dans les réseaux de radio cognitive
Dans cet article, nous nous intéressons aux techniques de l’intelligence artificielle (IA) qui ont été les plus utilisées dans les trois dernières années dans la radio cognitive (RC). Nous nous intéressons à des métaheuristiques qui n’étaient pas discutées dans les précédents travaux, comme l’algorithme des lucioles, la recherche coucou, l’algorithme de recherche gravitationnel et l’optimisation par essaim de particules. Nous présentons également les travaux récents liés à l’application des autres techniques d’IA dans la RC, à savoir les algorithmes génétiques, les algorithmes de colonies d’abeilles, la logique floue, la théorie des jeux, les réseaux de neurones, les modèles de Markov, les machines à vecteurs de support, le raisonnement à partir de cas, les arbres de décision, les réseaux bayésiens, les systèmes multi-agents et l’apprentissage par renforcement. DOI : 10.51926/ISTE.9008.ch9
Modèle de gestion hiérarchique distribuée pour la reconfiguration et la prise de décision dans les équipements de radio cognitive
Le travail présenté porte sur la mise en œuvre d’une architecture de gestion pour équipement radio cognitif en vue d’applications dans le domaine des radiocommunications. L’architecture retenue porte le nom HDCRAM (Hierarchical and Distributed Cognitive Radio Architecture Management). HDCRAM est distribuée de façon hiérarchique au sein de l’équipement afin de prendre en compte l’une des problématiques qui est l’hétérogénéité des plateformes d’exécution. Grâce à une modélisation à haut niveau d’abstraction par l’utilisation d’UML nous avons pu définir HDCRAM de façon totalement indépendante des contraintes matérielles. Le choix de doter cette modélisation d’un métalangage de programmation exécutable nommé Kermeta permet d’ajouter une description comportementale. La finalité de ce travail est de proposer un simulateur qui permet de valider et de raffiner HDCRAM par la simulation de scénario radio cognitif. Ainsi le simulateur devient un outil de conception pour équipement Radio Cognitif.