Titre :	Architectures neuronales pour la conversion analogique/numérique : contribution à l'amélioration des performances des convertisseurs analogiques/numériques linéaires et nonlinéaires
Type de document :	texte imprimé
Auteurs :	Mounir Bouhedda, Auteur
Editeur :	Berlin : Editions Universitaires Europeennes
Année de publication :	2011
Importance :	194 p.
Présentation :	couv. ill. en coul., ill.
Format :	21,9 cm.
ISBN/ISSN/EAN :	978-6-13-156727-8
Note générale :	Thèse de doctorat (2008)
Langues :	Français (fre)
Catégories :	ELECTRONIQUE
Index. décimale :	09-02 Mesures-schémas-circuits éléctroniques
Résumé :	Les travaux présentés dans ce travail porte principalement sur la mise en oeuvre de nouvelles architectures intelligentes, flexibles et moins complexes pour la conversion analogique/numérique rapide et précise. Cela répondra au besoin de l'industrie des capteurs intelligents (smart sensors) et des composants MEMS à savoir, la digitalisation des signaux de capteurs et la réalisation d'une fonction importante de correction des non-linéarités de la caractéristique des capteurs. Plusieurs structures neuronales pour la conversion analogique/numérique ont été synthétisées et optimisées en vue de les implémenter sur circuits analogiques. Également, d'autres circuits analogiques et hybrides (analogique/FPGA) ont été réalisés pour la conversion analogique/numérique et la linéarisation en mème temps. La conception de ces derniers était modulaire en utilisant des modèles neuronaux optimaux. Les architectures développées ont été soumises à des tests temporels, statistiques et spectraux normalisés qui ont permis d'en conclure sur les performances des nouvelles architectures réalisées en montrant la capacité de linéarisation et de conversion en binaire de la sortie d'un capteur non-linéaire.
Note de contenu :	Sommaire Chapitre 1:Introduction Chapitre 2:Contexte d'étude de la chaîne de mesure Chapitre 3:Méthodologie des solutions à bases de réseaux neuronaux et circuits FPGAs Chapitre 4:Étude d'architectures neuronales pour la conversion A/N linéaire et nonlinéaire Chapitre 5:Mise en oeuvre et expérimentation Chapitre 6:Conclusions et perspectives -Index

Architectures neuronales pour la conversion analogique/numérique : contribution à l'amélioration des performances des convertisseurs analogiques/numériques linéaires et nonlinéaires [texte imprimé] / Mounir Bouhedda, Auteur . - Berlin : Editions Universitaires Europeennes, 2011 . - 194 p. : couv. ill. en coul., ill. ; 21,9 cm.
ISBN : 978-6-13-156727-8
Thèse de doctorat (2008)
Langues : Français (fre)

Catégories :	ELECTRONIQUE
Index. décimale :	09-02 Mesures-schémas-circuits éléctroniques
Résumé :	Les travaux présentés dans ce travail porte principalement sur la mise en oeuvre de nouvelles architectures intelligentes, flexibles et moins complexes pour la conversion analogique/numérique rapide et précise. Cela répondra au besoin de l'industrie des capteurs intelligents (smart sensors) et des composants MEMS à savoir, la digitalisation des signaux de capteurs et la réalisation d'une fonction importante de correction des non-linéarités de la caractéristique des capteurs. Plusieurs structures neuronales pour la conversion analogique/numérique ont été synthétisées et optimisées en vue de les implémenter sur circuits analogiques. Également, d'autres circuits analogiques et hybrides (analogique/FPGA) ont été réalisés pour la conversion analogique/numérique et la linéarisation en mème temps. La conception de ces derniers était modulaire en utilisant des modèles neuronaux optimaux. Les architectures développées ont été soumises à des tests temporels, statistiques et spectraux normalisés qui ont permis d'en conclure sur les performances des nouvelles architectures réalisées en montrant la capacité de linéarisation et de conversion en binaire de la sortie d'un capteur non-linéaire.
Note de contenu :	Sommaire Chapitre 1:Introduction Chapitre 2:Contexte d'étude de la chaîne de mesure Chapitre 3:Méthodologie des solutions à bases de réseaux neuronaux et circuits FPGAs Chapitre 4:Étude d'architectures neuronales pour la conversion A/N linéaire et nonlinéaire Chapitre 5:Mise en oeuvre et expérimentation Chapitre 6:Conclusions et perspectives -Index