Annulation de bruit impulsif dans les systèmes OFDM en utilisant l’apprentissage profond

Abstract

Au cours des dernières années, l'apprentissage en profondeur (DL) a suscité un intérêt croissant en tant que méthode prometteuse pour l'annulation de bruit. Contrairement aux récepteurs OFDM classiques, la transmission OFDM est sensible aux interférences non gaussiennes causées par des phénomènes impulsifs. De ce fait, plusieurs algorithmes d'annulation de bruit ont été développés en supposant que le bruit est de nature gaussienne, tel que le bruit blanc additif gaussien (AWGN). Dans ce contexte, nous présentons une nouvelle approche basée sur l'apprentissage profond pour l'annulation du bruit impulsif, afin d'améliorer les performances des récepteurs OFDM traditionnels. Notre schéma propose une application spécifique au système OFDM dans un canal d'évanouissement de Rayleigh. Les résultats de nos simulations démontrent l'efficacité de nos solutions en termes d'annulation du bruit et d'amélioration des performances du taux d'erreur binaire (BER), même en présence d'un fort bruit impulsif.