Amache Salazar, Alexander Antonio
(2022).
« L'apprentissage non supervisé pour la détection des signaux d'interférence radio fréquentiels » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en génie électrique.
Fichier(s) associé(s) à ce document :
Résumé
La présence de signaux indésirables dans les ondes radio, appelés interférences RF, peut entraîner une dégradation des performances ou une perte d’information dans les systèmes de communication sans fil. Ainsi, la détection des interférences RF est essentielle pour améliorer la qualité des communications sans fil comme première étape du processus d’élimination de ces interférences. Dans ce mémoire, nous proposons deux approches pour détecter les interférences RF en utilisant l’apprentissage automatique non supervisé. Nous étudions deux approches de détection d’anomalies qui s’appuient sur les vecteurs de support pour la délimitation des frontières de classes normales, c.-à-d., avec l’utilisation de données normales (Sans interférences RF). Tout d’abord, nous étudions la détection d’anomalie à l’aide de l’algorithme appelé machine à vecteur de support à une classe (One-Class SVM), formé avec une base de données normale (c.-à-d., sans interférences RF) constituée par les scalogrammes du signal d’intérêt (en anglais signal of interest ou SOI). Ensuite, nous considérons l’algorithme appelé SVDD (en anglais Support Vector Data Description). Nos résultats de simulation pour trois types d’interférences RF, en utilisant la mise à l'échelle des caractéristiques sur une plage (en anglais Scaling Features to a Range) comme méthode de normalisation, montrent que la détection d’interférences RF par SVDD a une faible complexité de calcul et une précision de détection de 90,74 % contre une précision de 91,67% pour le SVM à une classe.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : détection d’anomalies, interférence RF, SVDD, One-Class SVM, Apprentissage non supervisé.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Ajib, Wessam |
| Mots-clés ou Sujets: |
Détection de brouillage électromagnétique / Interférence sur les fréquences radioélectriques / Transmission sans fil / Apprentissage automatique |
| Unité d'appartenance: |
Faculté des sciences |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
04 nov. 2022 10:02 |
| Dernière modification: |
04 nov. 2022 10:02 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/16001 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
