Beruflich Dokumente
Kultur Dokumente
net/publication/281460203
CITATIONS READS
0 1,726
2 authors:
Some of the authors of this publication are also working on these related projects:
Appropriation des savoirs et savoir-faire lors des transferts electroniques d'argent sur téléphones mobiles en zone rurale View project
propagation models Modeling and optimization based on heuristic and analytic approach: PhD thesis View project
All content following this page was uploaded by Emmanuel Tonye on 04 September 2015.
différents paramètres caractéristiques permettra alors de Figure 1 : Réseau linéaire uniforme de M antennes
valider l’utilité du modèle [2], qui pourrait servir pour une
éventuelle optimisation, prédiction, voire caractérisation. L’origine est en O, premier élément du réseau. Les
Pour l’estimation des directions d’arrivées, nous coordonnées de l’antenne de rang m sont (xm,ym,zm). Le
implémentons les algorithmes Bartlett, Prony, MVDR, déphasage entre le signal reçu à l’origine et celui reçu par
MEM, MMSE, MUSIC et MIN-NORM. Pour la formation l’élément de rang m est d’après [6] :
de faisceaux, nous implémentons le conformateur ∆γm = γm(t) – γ1(t)
conventionnel, celui à annulation de lobes, MVDR, DMI, = − kxmcosϕsinθ − kymsinϕsinθ − kzmcosϕ (1)
LMS, RLS et CMA. où k = 2π/λ est le nombre d’onde et ϕ l’angle entre la
Cet article est organisé comme suit : dans la direction des signaux incidents et l’axe du réseau (Ox).
section 2, nous modélisons les trois configurations
On a xm = (m−1)d et ym = zm = 0. D’autre part, θ = π/2 car lesquels arrivent L signaux en provenance de L sources
les éléments sont tous suivant (Ox). Dès lors : (Fig. 2).
∆γm = − kd(m−1)cosϕ (2) z
La sortie du réseau d’antennes est alors obtenue par : Dès lors, le vecteur signal du réseau devient une matrice:
M
x1 1 x1 2 ... x1 p ... x1 M
Y (t ) = ∑ wm* xm (t ) = WHX(t) (14)
m =1
x 21 x 2 2 ... x 2 p ... x 2 M
où H est l’opérateur « transposée du conjugué complexe ». X (t ) =
(23)
Si les composantes de X(t) peuvent être x x m 2 ... x m p ... x m M
m1
modélisées par des processus stationnaires à moyennes x M 1 x M 2 ... x M p ... x M M
nulles, la puissance moyenne de sortie du réseau est :
P = E[Y(t)Y*(t)] = WHRxxW (15)
où E[.] est l’opérateur « espérance mathématique » et Rxx On peut aussi définir la matrice déphasage du signal
la matrice de corrélation du réseau. On a : provenant d’une source ℓ sur les différents éléments par :
Rxx = E[X(t)XH(t)] (16) 1 a12 ...a1 p ...a1 M
En remplaçant X(t) par (12) et en développant, on obtient :
Rxx = ASAH + σn2I (17) a 21 a 22 ...a 2 p ...a 2 M
Al = ( a m p (φ l )) =
(24)
où I est la matrice identité d’ordre M. a a ...a ...a mM
m 1 m 2 mp
2.2. Réseau planaire a M 1 a M 2 a M p ...a MM
Considérons un réseau carré (par nécessité La matrice déphasage, produite par toutes les L sources,
d’inversion de matrices), comprenant MxM antennes sera une matrice à M lignes et MxL colonnes :
uniformément espacés de d = λ/2, supposés ponctuels, sur
1 a12...a1M Si nous considérons toutes les sources simultanément, le
signal reçu au mième élément est :
a21 a22...a2M
( A )( A ) ...( AL )
L
A= (25) X m (t ) = ∑ ml (t ) e j (2π f0t +∆γ m ) + bm (t )
am1 am2...amM 2 3 l =1
L
TABLEAU II
TEMPS ECOULES DES DIFFERENTS ALGORITHMES
CLASSIQUES D’ESTIMATION DE DOA SUR RESEAU (a) (b)
PLANAIRE EN SECONDES
Figure 14 : Résultats en coordonnées cartésiennes de RLS
Estimateurs de Réseau planaire
DOA 1Lobe 2Lobes 3Lobes 4Lobes
sur réseau linéaire de M = 8 éléments, N=100, δ=0.9,
Bartlett 0.109 0.125 0.125 0.125 utilisateur à couvrir en 60° et interférent à 40°, f=1.8GHz
Prony 2.850 2.880 2.917 2.918 et SNR= 30dB pour différentes valeurs de d,
Capon 1.529 1.513 1.513 1.545 (a) dans [3], (b) avec notre outil
MEM 0.11 0.125 0.109 0.125
MMSE 0.125 0.125 0.109 0.172
MUSIC 0.781 0.343 0.265 0.250 Les Fig. 15 et 16 comparent des résultats de LMS et CMA
MIN-NORM 0.125 0.156 0.156 0.156 à ceux de l’article [4] publié en Juin 2015.
TABLEAU III
TEMPS ECOULES DES DIFFERENTS ALGORITHMES
CLASSIQUES D’ESTIMATION DE DOA SUR RESEAU
CIRCULAIRE EN SECONDES
Estimateurs de Réseau circulaire
DOA 1Lobe 2Lobes 3Lobes 4Lobes
Bartlett 0.156 0.218 0.202 0.218
Prony 0.218 0.202 0.187 0.202
Capon 0.187 0.203 0.203 0.203
MEM 0.187 0.187 0.172 0.156
MMSE 0.234 0.171 0.188 0.187
MUSIC 0.156 0.172 0.156 0.172
MIN-NORM 0.219 0.234 0.172 0.203
Les Fig. 18 à 20 présentent divers conformateurs que nous 4.2.2. Courbes d’erreurs
Nous présentons sur les figures 21 à 23, les
avons implémentés sur réseaux linéaire, carré et circulaire.
courbes d’erreur de divers conformateurs classiques sur
réseaux linéaires, planaires et circulaires respectivement.
Figure 19 : Divers conformateurs adaptatifs sur réseau Figure 22 : Diverses courbes d’erreurs en sortie de
carré de M = 9x9 éléments, SNR=30dB, N = 100, d=0.5λ, conformateurs adaptatifs sur réseau carré de la Fig.19
f=1.8GHz, deux lobes statiques à former (80°, 120°)
4.3. Discussions
Nous observons une mauvaise annulation
d’interférence par CMA sur réseau linéaire (Fig.18) et une
piètre résolution de DMI sur réseau planaire (Fig. 19).
Les algorithmes ayant retenus notre attention sont MUSIC
et Capon pour l’estimation des DOA, LMS et MVDR pour
la formation de faisceaux. Néanmoins tous ces algorithmes
admettent des résultats acceptables en fonction des
paramètres d’étude tels l’espacement d entre les éléments
rayonnants, le nombre d’éléments rayonnants M, le
nombre d’itérations N, le rapport signal sur bruit SNR,
dans une très moindre mesure la fréquence f, le nombre de
sources à détecter ou le nombre de lobes à former en
Figure 23 : Diverses courbes d’erreurs de conformateurs présence ou pas d’interférents, la mobilité et surtout la
adaptatifs sur réseau circulaire de la Fig. 20 configuration du réseau d’antennes. Nous résumons dans
4.2.3. Temps écoulés le tableau VII, une étude comparée des trois configurations
Les tableaux IV à VI résument les différents de réseaux d’antennes planaires adaptatives.
temps écoulés des conformateurs classiques. Les
simulations ont été menées avec N = 100 pour 1 ou 2 lobes TABLEAU VII
et N = 200 pour les cas avec interférents (1L1Z, 1L3Z). COMPARAISON DES TROIS CONFIGURATIONS PRINCIPALES
D’ANTENNES PLANAIRES ADAPTATIVES
Les autres paramètres sont ceux par défaut sur l’outil.
Réseau linéaire Réseau carré Réseau
TABLEAU IV circulaire
TEMPS ECOULES DES DIFFERENTS ALGORITHMES AV -Plus facile à -Lobes plus fins -Indiqué
CLASSIQUES DE FORMATION DE FAISCEAUX SUR AN miniaturiser. -Plus « robuste » car pour la
RESEAU LINEAIRE EN SECONDES TA -Coût matériel ne subit pas trop localisation
Conformateurs Réseau linéaire GES moindre. d’influence de la part aérienne
classiques 1Lobe 1L1Z 1L3Z 2Lobes -Détecte bien des différents -Couvre
Conventionnel 0.390 0.406 0.078 0.065 les DOA. paramètres facilement
Null-steering 0.087 0.06 0.04 0.042 -Meilleur en d’antennes. 360° avec
MVDR 6.895 13.450 13.494 6.90 formation de -Meilleur en détection 01 seul
DMI 7.773 7.716 7.686 4.832 lobes des DOA. réseau.
LMS 7.340 13.510 13.385 6.833 L I -Lobes moins -Coût matériel élevé. -Coût
RLS 7.821 7.876 7.976 4.915 MI fins que pour le - Implémentation matériel
CMA 8.062 13.292 7.657 4.895 T ES réseau carré. numérique plus ardue. moyen
-Subit un peu -Résultats de -Lobes
TABLEAU V plus d’influence formation de lobes presque
TEMPS ECOULES DES DIFFERENTS ALGORITHMES des paramètres parfois laissant à identiques
CLASSIQUES DE FORMATION DE FAISCEAUX SUR d’antennes. désirer. à ceux du
RESEAU PLANAIRE EN SECONDES -Peut nécessiter réseau
Conformateurs Réseau planaire plusieurs pour couvrir linéaire
classiques 360°
1Lobe 1L1Z 1L3Z 2Lobes
Conventionnel 0.437 0.437 0.437 0.094 Quant aux temps de calcul, ceux des estimateurs
Null-steering 0.185 0.115 0.12 0.150
MVDR 11.138 26.523 26.814 12.183
de DOA tournent autour de 0.2s ; ce qui est satisfaisant car
DMI 9.436 16.415 16.384 9.16 pour des applications temps réel, la valeur maximale
LMS 11.357 22.808 22.214 11.170 admissible est de 0.3s. Les temps écoulés des
RLS 10.242 20.237 20.345 10.33 conformateurs par contre, sont de plusieurs secondes (5 à
CMA 9.334 55.722 65.778 26.944
plus de 20s pour certains) et devront donc être améliorés.
TABLEAU VI
TEMPS ECOULES DES DIFFERENTS ALGORITHMES V. CONCLUSION
CLASSIQUES DE FORMATION DE FAISCEAUX SUR
RESEAU CIRCULAIRE EN SECONDES Dans cet article, nous avons modélisé les trois
Conformateurs Réseau circulaire configurations courantes d’antennes planaires adaptatives
classiques 1Lobe 1L1Z 1L3Z 2Lobes
Conventionnel 0.156 0.218 0.202 0.218
(linéaire, carrée et circulaire). Nous avons aussi présenté
Null-steering 0.218 0.202 0.187 0.202 les principales approches analytiques généralement
MVDR 0.187 0.203 0.203 0.203 utilisées pour les implémenter. Par la suite un outil de
DMI 5.432 8.817 8.692 5.354 simulation fut développé et une étude de performances
LMS 7.488 15.147 15.054 7.378
RLS 5.541 8.988 8.942 5.417
menée. Aux termes de ces travaux, nous pouvons
MIN-NORM 5.416 8.755 8.848 5.416 confirmer que les antennes intelligentes permettent une
augmentation importante de qualité de service dans les
réseaux radio mobiles (notamment de portée, de capacité,
de débit, etc.). En fait, l’annulation de certaines directions
permet d’éliminer des émissions parasites qui pourraient [9] Md. Bakhar, R.M.Vani, and P.V. Hunagund,
perturber les communications ou diminuer le débit de Performance analysis of MUSIC and LMS algorithms for
transmission. Ceci évite d'interagir avec d’autres systèmes smart antenna systems, International Journal of Electronics
ou d’endommager certains équipements, "préservant" ainsi Engineering, 2(2), 2010, 271-275.
non seulement la batterie mais aussi et surtout http://csjournals.com/IJEE/PDF%202-2/Article_8.pdf
l’environnement. Toutefois, ces antennes présentent [10] Ivan P. Pokrajae et al., Cyclic MUSIC algorithm for
quelques inconvénients, tels leur structure lourde et le plus DOA estimation of wideband coherent signals in
de matériel nécessité. D’autre part, les temps de calcul des frequency domain, 15th Telecommunications forum
algorithmes de « beamforming » dépassent parfois 20s, TELFOR 2007, Serbia, Belgrade, November 20-22, 2007.
largement supérieurs à la limite admissible de 0,3s. Il nous http://2007.telfor.rs/files/radovi/05_16.pdf
faudra donc rechercher des techniques plus rapides de [11] G.C. Nwalozie, A simple comparative evaluation of
formation de lobes. Une attention particulière se porte adaptive beamforming algorithms, International Journal of
aujourd’hui sur les approches heuristiques dont font partie Engineering and Innovative Technology (IJEIT), 2(7),
les algorithmes génétiques et les réseaux de neurones. January 2013.
http://www.ijeit.com/vol%202/Issue%207/IJEIT14122013
REFERENCES 01_73.pdf
[12] Ch. Santhi Rani et al., LMS and RLS algorithms for
Toutes ont été consultées le 26 Août 2015. smart antennas in W-CDMA mobile communication
[1]http://www.thwink.org/sustain/articles/000_AnalyticalA environment, International Journal of Engineering and
pproach/index.htm Applied Sciences, 4(6), August 2009.
[2] D. Besnard, La simulation comme méthodologie de http://www.arpnjournals.com/jeas/research_papers/rp_200
R&D, CLEFS CEA – N° 47 – Hiver 2002-2003, 9-19. 9/jeas_0809_231.pdf
http://www.google.com/url?sa=t&rct=j&q=&esrc=s&sour [13] A. Arunitha et al., Adaptive beamforming algorithms
ce=web&cd=1&ved=0CB4QFjAA&url=http%3A%2F%2 for MIMO antenna, International Journal of Innovative
Fwww.cea.fr%2Fcontent%2Fdownload%2F2947%2F1378 Technology and Exploring Engineering (IJITEE), 4(8),
3%2Ffile%2F009-014_besnard.pdf&ei=La6RVY7eDcqu- January 2015.
QGh0IH4Aw&usg=AFQjCNF76jTMR2JEHrPcHIn22Qq http://www.ijitee.org/attachments/File/v4i8/H1948014815.
OnqS2ow&bvm=bv.96783405,d.cWw pdf
[3] Miss Nayan B. Shambharkar et al., Implementation of [14] Ahmed Badawy et al., A simple angle of arrival
RLS beamforming algorithm for smart antenna system, estimation scheme, arxiv:1409.5744v1[cs.SY], 2014.
International Journal of Engineering and Management http://arxiv.org/pdf/1409.5744.pdf
Research, 4(2): 194-198, April 2014.
http://www.ijemr.net/April2014Issue/ImplementationOfR
2
LSBeamforming%20AlgorithmForSmartAntennaSystem% Simon KEPCHABE
Ingénieur des Télécommunications et DEA de
28194-198%29.pdf Physique option Electronique de l’Université de
[4] O. Borazjani, W. Daryasafar, and M. Tangaki, Yaoundé I (2009). Travaille sur la caractérisation
simulation and comparison of adaptive algorithms for par méthodes analytiques, synthèse par approches
optimal weighting of array elements in smart antennas, heuristiques et intégration sur systèmes embarqués,
des antennes intelligentes. Explore également la
Science International (Lahore), 27(3), 2015, 1899-1902. possibilité d’utiliser ces dernières pour la
http://sci-int.com/pdf/16216725311899- sécurisation de la couche physique des réseaux
1902%20Omid%20Borazjani--NAVID-EE-MODIFIED-- mobiles de nouvelles générations.
Malaysia--COMPOSED%20PAID.pdf
[5] Ch. Santhi rani, Dr. P.V. Subbaiah, Dr. K. 1
Emmanuel TONYE
Chennakesava reddy, Smart antenna algorithms for Doctorat d’Etat en Sciences (spécialité
WCDMA mobile communication systems, International Electronique) de l’Institut National Polytechnique
Journal of Computer Science and Network Security, 8(7), de Toulouse (France, 1987). Professeur des
Universités. Vice-Recteur chargé de la Recherche,
2008, 182-186. de la Coopération et des Relations avec le Monde
http://paper.ijcsns.org/07_book/200807/20080727.pdf des Entreprises de l’Université de Yaoundé I.
[6] T. Mathes, I. Stevanovic, J.R. Mosig, Algorithms for Directeur du Laboratoire d’Electronique et de
Direction of arrival Estimation in a Smart antenna, Traitement du Signal du Département des génies
Electriques et des Télécommunications de l’Ecole
Semester project summer 2002-2003, LEMA, Lausanne, Nationale Supérieure Polytechnique de Yaoundé.
Suisse, 2003. Enseignant-Chercheur en Télécommunications,
[7] Ahmed Najah Jabbar, Simulation of adaptive Télédétection et Ingénierie pédagogique.
beamforming algorithms for phased array antennas,
Journal of Babylon University, pure and applied sciences,
2011. http://www.docin.com/p-564404272.html
[8] L.C. Godara, applications of antenna arrays to mobile
communications, part II: Beamforming and direction of
arrival considerations, Proc. IEEE, 85 (8), 1997, 1195-
1245. http://wsl.stanford.edu/~ee359/godara2.pdf