Techniques d'optimisation des réseaux d'antennes intelligentes

Dans cet ouvrage, nous proposons une méthode d'optimisation qui permet de faire la synthèse d'un réseau d'antennes linéaires en contrôlant les poids d'alimentations et/ou la distance inter-éléments d'un réseau d'antennes adaptatif, afin de maximiser le rapport signal à bruit plus interférences (SINR) et minimiser le niveau de lobes secondaires (NLS). Cette méthode est basée sur une méthode récente, dite méthode des mauvaises herbes (invasive weed optimization), inspirée du comportement intelligent de la colonisation des mauvaises herbes dans la nature. Elle a été développée pour la première fois en 2006, puis modifiée afin d'augmenter la vitesse de convergence et améliorer l'exploration de l'espace de recherche. Le choix de l'écart type affecte souvent les deux caractéristiques précédentes (la vitesse de convergence et l'exploration de l'espace de recherche). Pour évaluer la robustesse et les performances de cette méthode par rapport à d'autres méthodes équivalentes telles que l'algorithme génétique, l'essaim de particule et l'algorithme d'évolution différentielle (DE), plusieurs exemples de synthèse sont présentés.

Autorentext

DJAHLI Farid a obtenu ses diplômes d'ingénieur en télécommunications, de Magister en microondes et de Doctorat en microélectronique en 1981 et en 1985 (ENPA, Algérie) et en 1992 (LPM, INSA de Lyon), respectivement. Il est professeur à l'institut d'électronique de l'université de Sétif (Algérie) et auteur de plus de 120 publications internationales.

Klappentext

Dans cet ouvrage, nous proposons une méthode d'optimisation qui permet de faire la synthèse d'un réseau d'antennes linéaires en contrôlant les poids d'alimentations et/ou la distance inter-éléments d'un réseau d'antennes adaptatif, afin de maximiser le rapport signal à bruit plus interférences (SINR) et minimiser le niveau de lobes secondaires (NLS). Cette méthode est basée sur une méthode récente, dite méthode des mauvaises herbes (invasive weed optimization), inspirée du comportement intelligent de la colonisation des mauvaises herbes dans la nature. Elle a été développée pour la première fois en 2006, puis modifiée afin d'augmenter la vitesse de convergence et améliorer l'exploration de l'espace de recherche. Le choix de l'écart type affecte souvent les deux caractéristiques précédentes (la vitesse de convergence et l'exploration de l'espace de recherche). Pour évaluer la robustesse et les performances de cette méthode par rapport à d'autres méthodes équivalentes telles que l'algorithme génétique, l'essaim de particule et l'algorithme d'évolution différentielle (DE), plusieurs exemples de synthèse sont présentés.