Approximate Maximum Likelihood Methods for Large Scale Blind Classification and Identification in Digital Communications

Méthodes approchées de maximum de vraisemblances pour la classification et identification aveugles en communications numériques

Steffen Barembruch (1)

1 LTCI - Laboratoire Traitement et Communication de l'Information

We consider blind classification of linear modulation schemes for digital communication over frequency- (and time-) selective channels. We use the maximum likelihood principle and we develop several model estimators exploiting the specific structure of th

La thèse considère la classification aveugle de modulations linéaires en communication numérique sur des canaux sélectifs en fréquence (et en temps). Nous utilisons l'approche de maximum de vraisemblance et nous développons plusieurs estimateurs de modèle

Mots clés: Classification; Identification aveugle; Monte Carlo séquentiel; Estimation de modèle; Compressive Sensing; Communication numérique

Mots clés: Identification; Sequential Monte Carlo; Model Estimation; Digital Communication

Domaines: Applications [stat.AP]

Steffen Barembruch. Approximate Maximum Likelihood Methods for Large Scale Blind Classification and Identification in Digital Communications. Applications [stat.AP]. Télécom ParisTech, 2010. English. ⟨NNT : ⟩. ⟨pastel-00574365⟩