Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo

Dspace KHENCHELA

  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "TAFERGHOUST Amal - KETTAR Fayrouz"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Analyse des signaux de navigation par satellites en utilisant les réseaux de ele neurones convolutionnels (CNN)
    (2023) TAFERGHOUST Amal - KETTAR Fayrouz
    Les systèmes de navigation par satellite GNSS jouent un rôle crucial dans les services de localisation au quotidien. Cependant, leur avenir est menacé par des interférences non intentionnelles provenant d'autres systèmes de communication, ainsi que par des interférences intentionnelles, connues sous le nom de brouillage, qui visent à tromper les récepteurs. Pour relever ces défis, les chercheurs de divers domaines s'orientent vers des solutions pratiques et simples, adaptées aux avancées technologiques actuelles, plutôt que de s'appuyer sur des méthodes traditionnelles complexes et inefficaces. Dans notre étude, nous nous concentrons sur le développement d'un mécanisme robuste et précis pour la détection et la suppression des interférences en utilisant des algorithmes d'apprentissage profond basés sur les méthodes de convolution CNN (réseau de neurones convolutionnels). Les résultats obtenus après simulation sont très satisfaisants en termes d'amélioration des performances de détection et de suppression des interférences. Les modèles CNN surpassent la méthode OCSVM (machines à vecteurs de support à une classe) en termes d'erreur (RMSE) et de coefficient de corrélation (R). Cela démontre l'efficacité des modèles CNN dans ce contexte et met en évidence leur supériorité par rapport aux approches traditionnelles.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback