Heuristiques et Méta-heuristiques

Table des matières

Liste des Figures
Liste des Tableaux
Liste des Acronymes
Introduction Générale
1. Contexte et motivation de la thèse
2. Contribution de la thèse
3. Organisation de la thèse
Chapitre 1 Techniques de Communication pour les Systèmes MIMO-OFDM
1. Introduction
2. Généralités sur le canal de propagation sans fil
2.1. Evanouissement à grande échelle
2.2. L’évanouissement à petite échelle
2.3. Les paramètres de l’évanouissement à petite échelle
2.4. Classe des canaux à évanouissments
2.4.1. Représentation mathématique du canal multi-trajets
2.4.2. Canal à évanouissement non sélectif en fréquence (plat)
2.4.3. Canal à évanouissement sélectif en fréquence
2.4.4. Canal à évanouissement rapide
2.4.5. Canal à évanouissement lent
2.5. Modélisation du canal de propagation
2.5.1. Canal gaussien (AWGN)
2.5.2. Canal de Rayleigh
3. Système de transmission MIMO
3.1. Principe des systèmes MIMO
3.2. Mono-utilisateur et Multi-utilisateur MIMO
3.3. Technique de multiplexage spatial (SM)
3.3.1. Multiplexage spatial SDM ou (V-BLAST)
3.3.2. Multiplexage spatial SDMA
3.4. Capacité du canal MIMO
4. Introduction de l’OFDM
4.1. Notion d’orthogonalité
4.2. Principe de la modulation/démodulation OFDM
4.3. Intervalle de garde
4.3.1. Préfixe cyclique (CP-OFDM)
4.3.2. Zero-padding (ZP-OFDM)
4.4. Implémentation numérique du modulateur/démodulateur OFDM
4.5. Synchronisation en OFDM
4.6. Avantages et limites de l’OFDM
4.6.1. Avantages de l’OFDM
4.6.2. Limites de l’OFDM
5. L’intérêt de l’association MIMO-OFDM
6. Conclusion
Chapitre 2  Techniques de Détection multi-utilisateurs classiques MUDs pour les Systèmes MIMO-OFDM
1. Introduction 
2. Description du schéma d’association MIMO-OFDM à un seul utilisateur 
3. Techniques de détection multi-utilisateurs classiques MUD  
3.1. Détecteur ZF
3.2. Détecteur MMSE
3.3. Détecteur OSIC
3.4. Détecteur ML
4. Résultats de simulation 
4.1. Etude comparative des différents détecteurs classiques dans un système MIMOVBLAST à un seul utilisateur
4.2. Etude comparative des différents détecteurs classiques dans un système MIMOVBLAST-OFDM à un seul utilisateur
5. Description du système MIMO-SDMA-OFDM multi-utilisateur  
6. Résultats de simulation 
6.1. Etude comparative des détecteurs multi-utilisateurs MUD classiques dans un système MIMO-SDMA-OFDM
7. Conclusion 
Chapitre 3  Etude sur les méthodes méta-heuristiques
1. Introduction 
2. Problème d’optimisation combinatoire 
3. Heuristiques et Méta-heuristiques 
4. Les approches méta-heuristiques pour l’optimisation mono-objectif 
4.1. Les méta-heuristiques à solution unique
4.1.1. La méthode de descente
4.1.2. Le recuit simulé
4.1.3. La méthode de recherche tabou
4.2. Les méta-heuristiques à population de solution
4.2.1. Les algorithmes évolutionnaires
4.2.1.1. L’algorithme génétique
4.2.2. Les algorithmes d’intelligence en essaim
4.2.2.1. L’algorithme de colonies de fourmis
4.2.2.2. L’algorithme d’accouplement des abeilles
5. Hybridation des méta-heuristiques 
5.1. Classification hiérarchique
5.1.1. Hybridation de bas niveau en relais
5.1.2. Hybridation de bas niveau en co-évolution
5.1.3. Hybridation de haut niveau en relais
5.1.4. Hybridation de haut niveau en co-évolution
5.2. Classification plate
5.2.1. Homogène/Hétérogène
5.2.2. Globale/Partielle
5.2.3. Générale/Spécialisée
6. Application des méta-heuristiques dans la détection multi-utilisateur (MUD) 
7. Conclusion 
Chapitre 4  Proposition de nouvelles méta-heuristiques pour la détection multi-utilisateurs MUD dans un système MIMO SDMA-OFDM
1. Introduction 
2. Formulation du problème 
3. Algorithme hybride proposé TS-LS pour le système SDMA-OFDM MUD 
4. Résultats de simulation 
4.1. Comparaison de la performance entre le détecteur TS-LS-MUD et les détecteurs classiques
4.2. Influence du nombre d’itération sur la performance du détecteur TS LS-MUD
4.3. Influence de la taille de la liste de voisinage sur la performance du détecteur TSLS-MUD
5. L’algorithme hybride proposé HBMO-TS pour le système SDMA OFDM-MUD  
5.1. Génération de la population d’abeilles
5.2. Classement de la population d’abeilles
5.3. Le processus d’accouplement (Mating)
5.4. Amélioration des couvains par les ouvrières (workers) en utilisant l’algorithme de recherche tabou
6. Résultats de simulation 
6.1. Influence du nombre d’itération sur la performance du HBMO-TS
6.2. Comparaison de la performance entre HBMO-TS, LS et MMSE pour les différents systèmes
6.3. Influence du nombre d’utilisateurs sur la performance des détecteurs MUD
6.4. Influence du nombre d’itération et la taille de voisinage sur l’évolution de la fonction coût du HBMO-TS
6.5. Influence du nombre d’itération et la taille de la population sur la performance du HBMO-TS
6.6. Etude de la complexité temporelle de l’algorithme HBMO-TS
6.7. Etude de la complexité algorithmique des détecteurs MUD
6.8. Comparaison entre la détection HBMO-TS et GA-TS
7. Conclusion 
Conclusion Générale et Perspectives
Annexe A: Communications Numériques
Liste des Publications
Bibliographie