Ce chapitre a tout d'abord présenté les modulations numériques, puis le principe et les avantages des modulations multiporteuses. Dans le cas de canaux sélectifs en fréquence, tels que les canaux radio en milieu urbain ou confiné ainsi que les liaisons filaires à haut débit, les modulations multiporteuses permettent de réduire les interférences entre symboles dûes aux trajets multiples des signaux. Cependant le facteur de crête élevé du signal temporel à transmettre le rend sensible aux non-linéarités de l'amplificateur, et les perturbations engendrées peuvent faire apparaître des erreurs de transmission.

Dans la dernière partie les méthodes actuellement proposées pour s'affranchir de ces problèmes sont exposées. La première technique repose sur une modification du signal temporel avant émission. Le but est de réduire les intermodulations générées par l'amplificateur, mais les erreurs de transmissions ne sont pas compensées. Un second ensemble de méthodes consiste à modifier le codage canal afin de générer un signal temporel avec un faible facteur de crête. Généralement ces techniques ont un faible rendement, surtout en augmentant le nombre de porteuses, et le débit utile de la transmission chute. D'autres méthodes modifient les symboles OFDM dans le domaine fréquentiel afin également de réduire le facteur de crête, également au détriment du débit utile. La prédistorstion est une autre méthode, efficace sur une modulation monoporteuse, mais qui a une efficacité bien moindre en multiporteuses en raison du facteur de crête élevé du signal. Enfin un dernier ensemble de méthodes effectue une correction à la réception pour retrouver le symbole émis. Ces méthodes ont l'avantage de ne pas modifier l'émetteur et le protocole de communication, mais augmentent dans de grandes proportions la complexité du récepteur.

C'est dans ce dernier contexte que nous allons réaliser un correcteur basé sur un réseau de neurones. Le chapitre suivant est donc consacré aux techniques neuronales, et surtout leur utilisation pour l'approximation de fonction.