Dans ce chapitre nous avons présenté une seconde méthode pour compenser les non-linéarités de l'amplificateur dans un récepteur OFDM. La compensation est cette fois réalisée dans le domaine temporel, ce qui permet d'utiliser des réseaux de neurones plus simples. Dans un premier temps un correcteur simple basé sur le modèle inverse de l'amplificateur non linéaire a été simulé, et il a été établi qu'il est efficace à condition d'y ajouter une marge de saturation. Cependant il nécessite de connaître parfaitement le modèle de l'amplificateur, ce qui est difficile à garantir en pratique.

La méthode choisie, à l'aide de réseaux de neurones, est inspirée de techniques d'égalisation non linéaire dans le contexte de modulations monoporteuses. Nous avons montré d'une part que cette méthode peut s'appliquer au cas de l'OFDM et d'autre part qu'un réseau d'ordre supérieur permet de meilleures performances que le PMC. Il serait intéressant de tester ces correcteurs dans un modulateur monoporteuse afin de voir si un réseau d'ordre supérieur pourrait également avoir de meilleures performances dans ces systèmes.

Comme pour le correcteur fréquentiel, il existe un rapport signal sur bruit optimal pour la constitution de la base d'apprentissage afin d'obtenir les meilleures performances en exploitation. Avec un RPN nous avons obtenu un gain de 6 à 8 dB pour un taux d'erreur binaire de , suivant le modèle d'amplificateur. En pratique cela veut dire qu'il est possible d'utiliser un amplificateur 4 fois moins puissant dans l'émetteur tout en conservant un taux d'erreur binaire de , en ajoutant ce correcteur dans le récepteur. Enfin nous avons présenté un correcteur simplifié, adapté aux amplificateurs de type SSPA, qui est basé sur un réseau HPU et qui obtient les mêmes performances que le correcteur RPN, tout en étant plus simple aussi bien au niveau de l'apprentissage que de l'exploitation.

A présent nous pouvons aborder la mise en oeuvre des correcteurs présentés, et établir quelques éléments de comparaison des différentes approches entre elles et avec d'autres techniques de compensation des non linéarités.