Analyse des signaux de navigation par satellites en utilisant les réseaux de ele neurones convolutionnels (CNN)
No Thumbnail Available
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
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.