Cours Com921 Part1

Partie 1:
Gestion de l’interférence entre symboles
Philippe Ciblat
Télécom ParisTech, France

Section 1.1 : Algorithme de Viterbi
Philippe Ciblat Gestion de l’interférence entre symboles 2/1

Canal sélectif en fréquence
On souhaite décoder une trame (de n = 0, · · · , N)

L
X
y (n) = h(`)sn−` + b(n)
`=0
avec sn des symboles d’une constellation quelconque.
Comme y (n) non-indépendants (en raison de l’IES), on travaille avec
y = [y (0), . . . , y (N)]T
et
s = [s−L , · · · , s−1 , s0 , . . . , sN ]T
| {z }
connus

Détecteur ML
2
N
X L
X
[ŝ0 , . . . , ŝN ] = arg min y (n) − h(`)sn−`

[s0 ,...,sN ]
∈constellationN+1 n=0 `=0
Le problème consiste à trouver le minimum

d’une forme quadratique sous certaines contraintes
Approche exhaustive ⇒ trop complexe O(M N+1 )

Optimiser sans contrainte et seuiller ensuite ⇒ mauvaises perfs
Solution
Algorithme de Viterbi (1973) - optimal mais de complexité réduite

Préliminaires
On souhaite donc minimiser la fonction de coût suivante
2
N
X L
X
JN (s(N) ) = y (n) − h(`)sn−`

n=0 `=0
avec
s(N) = [s0 , · · · , sN ]T
Remarque fondamentale
JN (s(N) ) = JN−1 (s(N−1) ) + ∆J(sN , EN )

avec
L
2
X
∆J(sN , EN ) = y (N) − h(`)sN−`

`=0
EN = [sN−1 , · · · , sN−L ]T (mémoire/état du filtre)
Le calcul va pouvoir se réaliser dynamiquement !

Notion de treillis
Permet de visualiser les vecteurs s(N) via les états {En }n
Représente en fait les transitions entre les états du signal
Exemple : M = 2, L = 1 ⇒ deux états E (0) = [−1] et E (1) = [1]
.
’E (0) = −1’ ’−1 reçu’ chemin (un s possible)
e
’1
ch
re
an
çu
br
’
’E (1) = 1’
instant 0 nœud
.
Branche :
− uniquement caractérisée par sn et En (à l’instant n)
− ∆J : métrique de branche (combien ça coûte de passer par cette
branche ?)
On cherche donc le chemin optimal
Principe de l’algorithme (I)
Pour simplifier :
deux états possibles E (0) = [−1] et E (1) = [1]
Plaçons-nous aux instants n − 1 et n
.
’E (0)
= −1’
(n−1)
s|E (0) sn = −1
−1
(n−1) sn =
’E (1) = 1’ s|E (1)
instant n − 1 instant
. n
Parmi les chemins arrivant en E (0) (et en E (1) ), un minimise Jn−1 (.)
(n−1) (n−1) (n−1)
sopt.|E (0) t.q. Jn−1 (sopt.|E (0) ) ≤ Jn−1 (s|E (0) )
(n−1) (n−1) (n−1)
sopt.|E (1) t.q. Jn−1 (sopt.|E (1) ) ≤ Jn−1 (s|E (1) )

Principe de l’algorithme (II)
Que se passe-t-il à l’instant n en l’état E (0) ?

(n) (n)
Autrement dit, que savons-nous sur s|E (0) et sopt.|E (0) .
(n−1) (n−1)
Jn−1 (sopt.|E (0) ) ≤ Jn−1 (s|E (0) )


(n) (n)
(n−1) (n−1)
Jn−1 (sopt.|E (0) ) + ∆J(−1, E (0) ) ≤ Jn−1 (s|E (0) ) + ∆J(−1, E (0) )


(n) (n)
(n−1) (n−1)
Jn ([sopt.|E (0) , −1]) ≤ Jn ([s|E (0) , −1])
Tout chemin sous-optimal à l’instant n − 1 reste sous-optimal


(n) (n)
(n−1) (n−1)
Jn ([sopt.|E (0) , −1]) ≤ Jn ([s|E (0) , −1])
Tout chemin sous-optimal à l’instant n − 1 reste sous-optimal
Au final,
(n) (n−1) (n−1)
sopt.|E (0) = [sopt.|E (0) , −1] ou [sopt.|E (1) , −1]
selon les valeurs respectives de Jn .

Complexité
Algorithme de mise en œuvre du détecteur ML avec complexité

raisonnable (1973)
Complexité en O((N + 1).M L+1 )

- linéaire en N
- polynômiale en M
- exponentielle en L
Donc M et L doivent être suffisamment petits.
Rappel : maxk τk = LTs , Db = log2 (M)/Ts et B = 1/Ts .
Augmenter le débit revient

soit à augmenter M ⇒ mauvais pour Viterbi
soit à augmenter B et donc L ⇒ mauvais pour Viterbi

Illustrations numériques
Filtre h(z) = 1 + 0.25z −1 et absence de bruit
Début : ’−1’
Séquence de données : ’1, −1, −1, 1’
Fin : ’−1’
Vecteur recherché : [−1, s0 ?, s1 ?, s2 ?, s3 ?, −1]

Vecteur reçu : [y (−1)?, 0.75, −0.75, −1.25, 0.75, −0.75, y (5)?]
Métrique de branche (à l’instant n)

2
∆J = |y (n) − sn − 0.25sn−1 |

Instant 0
.
’−1’ ’−1’
’1’ .
.
’−1’ 0 4 4 ’−1’
0
’1
0 .
Philippe Ciblat Gestion de l’interférence entre symboles 10 / 1

Instant 1
.
4.25
’−1’ 0 4 4 0.25 0 ’−1’
2.
25
0
0
’1
0 4 6.25
4 .
.
’−1’ 0 0 ’−1’
0
’1
0 4
4 .

Instant 2
.
0
’−1’ 0 0 0 4.5 ’−1’
4
0
5
0
0.
’1
0 4 4 6.25 4
10.25 .
.
0
’−1’ 0 0 0 ’−1’
4
0
’1
0 4 .

Instant 3
.
4
’−1’ 0 0 0 0 4 6.25 ’−1’
0
0
25
0
2.
’1
0 4 0.25 0
4.25 .
.
4
’−1’ 0 0 0 0 4 ’−1’
0
0
’1
0 0 .

Instant 4
.
0.25
’−1’ 0 0 0 0 4 4 0.25 0 ’−1’
0
0
0
’1 0
0 0 .
.
’−1’ 0 0 0 0 0 ’−1’
0
0
0
0
’1
0 0 .

Section 1.2 : Egalisation linéaire

Principe
Objectif
Viterbi trop complexe si débit élevé
Construire un récepteur simple (mais sous-optimal)
.
b(n) Filtre global q
sn h y(n) Egaliseur p v(n) ŝn
IESe ≫ IESs .
Question : comment choisir le filtre p (de taille infinie) ?

Egaliseur ZF
On annule entièrement l’IES
1
q = δ ⇔ pZF ? h = δ ⇔ pZF (z) =
h(z)
Ainsi
v (n) = sn + b0 (n)
avec
b0 (n) = pZF ? b(n)
Problème : le bruit b0 (n) a été augmenté !

Défaut : Rehaussement du bruit
Z 1
Es Es 1
RSBe = |h(e2iπf )|2 df RSBs =
2N0 2N0 1 1
R
0
0 |h(e2iπf )|2
df
D’après inégalité de Cauchy-Schwartz,
1 1 1
|h(e2iπf )|
Z Z Z
2iπf 2 1
1= df ≤ |h(e )| df df
0 |h(e2iπf )| 0 0 |h(e2iπf )|2
d’où
RSBs ≤ RSBe

Egaliseur de Wiener (MMSE)
On choisit p t.q.
pWiener = arg min E[|v (n) − sn |2 ]

p
Alors
Es h(e2iπf )
pWiener (e2iπf ) =
Es |h(e2iπf )|2 + 2N0
Remarques :
Fort RSB : pWiener ≈ pZF
Faible RSB : pWiener ∝ h(e2iπf ) (filtre adapté)

Calculs
pk z −k .
P
Soit p(z) = k
J(p) = E[|v (n) − sn |2 ]

X X X
= Es + pk pk 0 ryy (k 0 − k ) − pk rys (k ) − pk rys (k )
k ,k 0 k k
avec rys (τ ) = E[sn+τ y (n)]
∂J X
∀`, =0⇔ pk ryy (` − k ) = rys (`)
∂p`
k
d’où
Sys (e2iπf )
pWiener (e2iπf ) =
Syy (e2iπf )
De plus Sys (e2iπf ) = Es h(e2iπf ) et Syy (e2iπf ) = Es |h(e2iπf )|2 + 2N0 .

Egaliseur DFE
Egaliseur non-linéaire
Egaliseur à retour de décision (Decision Feedback Equalizer)
.
b(n) Filtre DFE
sn y(n) v(n) ŝn

h Filtre transverse
T
Filtre récursif
R
ZF-DFE
MMSE-DFE

Illustrations numériques
Canaux testés : Proakis A, Proakis B, Proakis C
Module du spectre en fonction de ω = 2πf .
Reponse frequentielle du Proakis A Reponse frequentielle du Proakis B Reponse frequentielle du Proakis C

10 10 10
1
1
0.1
0.1
1
0.01
0.01
Amplitude
Amplitude
Amplitude
0.001
0.001
0.0001
0.1
0.0001
1e-05
1e-05
1e-06
0.01 1e-06 1e-07

0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
w w w
Peu sélectif (A) Sélectif (B) Très sélectif (C)

Performances de l’algorithme de Viterbi
Taux Erreur Symbole en fonction du Eb/No (recepteur optimal)

1
BBGA
Selectif (B)
Tres selectif (C)
0.1
Taux Erreur Symbole
0.01
0.001
0.0001
1e-05
0 5 10 15 20
Eb/No (en dB)

Performances de l’égaliseur de Wiener
Probabilite d erreur avec Wiener

0
10
BBGA
A
B
C
−1
10
−2
Pe
10
−3
10
−4
10
0 5 10 15 20 25 30
Eb/N0

Comparaison des performances (canal B)
Taux Erreur Binaire (Canal B)

0
10
BBGA
Viterbi
DFE
MMSE
−1
10
TEB
−2
10
−3
10
−4
10
0 5 10 15 20 25 30
Eb/N0

Comparaison des performances (canal C)
Taux Erreur Binaire (Canal C)

0
10
BBGA
Viterbi
DFE
MMSE
−1
10
TEB
−2
10
−3
10
−4
10
0 5 10 15 20 25 30
Eb/N0

Exemple : données réelles
Transmission sur canal sélectif (B) avec MDP-2 et RSB=10dB
Originale BBGA
Wiener Non égalisé

Exemple : données réelles
Transmission sur canal très sélectif (C) avec MDP-2 et RSB=10dB
Originale BBGA
Wiener Non égalisé

Section 1.3 : OFDM

Plan
OFDM
− Modèle matriciel du signal
− Quelques lemmes fondamentaux
− Déduction de l’OFDM
− Dimensionnement
− Quelques défauts
Détection en OFDM
− Quelques résultats généraux
− Application à l’OFDM

Modèle matriciel Entrée/Sortie (I)
Travaillons avec des versions échantillonnées des signaux au

temps-symbole.
Soient
x(n) le signal émis
y (n) le signal reçu
{h(`)}`=0,··· ,L le filtre associé au canal de propagation
L
X
y (n) = h(`)x(n − `)
`=0
Considérons des blocs de signaux de taille N

→ Y = [y (N − 1), · · · , y (0)]T
→ X = [x(N − 1), · · · , x(0)]T
→ X̃ = [x(−1), · · · , x(−L)]T

Modèle matriciel Entrée/Sortie (II)
Y = T1 X + T2 X̃
avec
T1 une matrice dont la k ème ligne est donnée par
− [0k −1 , h(0), h(1), · · · , h(L), 0N−L−k ] (si k ≤ N − L)
− [0k −1 , h(0), h(1), · · · , h(N − k − 1)] (si k > N − L)
T2 une matrice dont la k ème ligne est donnée par
− 0L (si k ≤ N − L)
− [h(L), h(L − 1), · · · , h(N − k + 1), 0N−k ] (si k > N − L)
Remarque :
T1 une matrice Toeplitz de taille N × N
T2 une matrice Toeplitz de taille N × L

Lemme 1 (I)
Considérons la relation Entrée/Sortie suivante
Y = WX
avec W une matrice quelconque de mélange (d’où, interférence)

MIMO
IES si W = T1 et X̃ = 0, i.e., si présence d’un intervalle de garde
entre les blocs
IES si X̃ s’écrit linéairement en fonction de X , i.e., l’intervalle de
garde n’est pas vide mais dépend du bloc courant.
POLMUX (optique)
etc
Question : comment créer un système sans interférence au

niveau du récepteur (en modifiant l’émetteur) ?

Lemme 1 (II)
Hypothèse : connaissance parfaite de W à l’émetteur (CSIT).
Soit la décomposition en valeur singulière de W, W = UH ΛV avec
U et V deux matrices unitaires.
Λ = diag(λ0 , · · · , λN−1 ).
Soit un vecteur S de taille N composé de symboles d’information.
Au lieu d’envoyer X = S, on envoie X = VH S
Au lieu de détecter sur Y , on détecte sur Z = UY
⇒ Z = ΛS
Remarque :
On place l’information dans les vecteurs propres (qui, par
définition, n’interfèrent pas entre eux !)
Les vecteurs dépendent généralement de W
Problème : CSIT irréaliste en sans fil, moins en optique

Lemme 2
Soit C une matrice circulante de taille N × N associée au canal
{h(`)}`=0,··· ,L
 
h(0) h(1) · · · h(L) 0 ··· 0
 0 h(0) h(1) · · · h(L) 0 0 
C=  ···

··· ··· ··· ··· ··· ··· 
h(1) · · · h(L) 0 ··· 0 h(0)
Propriété :
les v.e.p. de C sont les vecteurs de Fourier (et donc
indépendants du canal !)
les v.a.p. sont les réponses du filtre aux fréquences de Fourier
C = FH ΛF
avec
F matrice de FFT (d’où, FH = F−1 )
PL `n
λn = H(e2iπn/N ) = `=0 h(`)e−2iπ N

Principe de l’OFDM
Si X̃ = [x(N − 1), · · · , x(N − L)]T , alors
Y = T1 X + T2 X̃ ⇔ Y = CX
Donc
Z = ΛS
avec Z = FY et X = F−1 S.
Ainsi, pour le bloc k et la porteuse n, on a
zk (n) = H(e2iπn/N )sk (n) ∀n, k
Remarque : le préfixe cyclique transforme une Toeplitz en une

Circulante (qui diagonalise dans une base indépendante du canal !)

Approche alternative
A cause du canal, on reçoit :


 y (N − 1) = h(0)x(N − 1) + h(1)x(N − 2) + · · · + h(L)x(N − L − 1)

..
 .
y (0) = h(0)x(0) + h(1)x(−1) + · · · + h(L)x(−L)

L L
X Pr .Cyclique X
y (n) = h(`)x(n − `) =⇒ y (n) = h(`)x(n − ` mod N)
`=0 `=0
Transformation d’une convolution en une convolution circulaire

Si convolution (T1 , T2 ), Y (e2iπn/N ) 6= H(e2iπn/N )X (e2iπn/N )
Si convolution circulante (C), Y (e2iπn/N ) = H(e2iπn/N )X (e2iπn/N )

Grâce au préfixe cyclique, on reçoit en fait :


 y (N − 1) = h(0)x(N − 1) + h(1)x(N − 2) + · · · + h(L)x(N − L − 1)

..
 .

y (0) = h(0)x(0) + h(1) + · · · + h(L)
x(−1) x(−L)

L L
X Pr .Cyclique X
y (n) = h(`)x(n − `) =⇒ y (n) = h(`)x(n − ` mod N)
`=0 `=0


Grâce au préfixe cyclique, on reçoit donc :


 y (N − 1) = h(0)x(N − 1) + h(1)x(N − 2) + · · · + h(L)x(N − L − 1)

..
 .
y (0) = h(0)x(0) + h(1)x(N − 1) + · · · + h(L)x(N − L)

L L
X Pr .Cyclique X
y (n) = h(`)x(n − `) =⇒ y (n) = h(`)x(n − ` mod N)
`=0 `=0


Schéma récapitulatif
.
TX RX
s x y z Freq EQ. ∝s
FFT−1 Add CP Canal h Remove CP FFT
(typ. ZF)
Convolution
Toeplitz matrix
Circular convolution / Circulant matrix .
Le préfixe cyclique est fondamental !

Dimensionnement : règles
N doit être suffisamment grand
L N ⇒ LTs NTs ⇒ Td NTs
N B/Bc ⇔ ∆f Bc
N doit être suffisamment petit
(L + N)Ts Tc ⇒ NTs Tc
N B/Bd ⇔ ∆f Bd
car aussi
− Désynchronisation des VCO (qq dizaines de ppm en sans fil)
− Complexité de la FFT (en N log(N))
− Temps de latence
Dimensionnement : exemples
DAB Wifi ADSL

Fréquence porteuse 900 MHz 5.2 GHz 0.6 MHz
Bande 2 MHz 20 MHz 1.1 MHz
Temps d’échantillonnage 0.5 µs 50 ns 0.9 µs
Longueur filtre 30 à 60 µs 800 ns 135µs
Degré filtre 60 à 120 16 150
Préfixe cyclique 128 16 32
Perte efficacité spectrale 20% 20% 12.5 %
Nb de porteuses 512 64 256
Durée symbole OFDM 320 µs 4 µs 256 µs
Ecart entre porteuses 3.9 kHz 312.5 kHz 4.31 kHz
Bande de cohérence 16.6 kHz 1.25 MHz 7.4kHz
Bande Doppler 110 Hz (14m/s) 52Hz (3m/s) 0
Remarque : en ADSL, on introduit un Time Equalizer (TEQ), i.e., un

« raccourcisseur de canal » (channel shortening)
Principe de la détection optimale
On suppose que
Y = WS + B
avec B un bruit blanc gaussien de variance σ 2 (de taille NW ≥ 2)
Objectif : A la donnée de Y et W, on souhaite détecter S avec la

probabilité d’erreur la plus faible possible
Résultat fondamental
Si les vecteurs S sont équiprobables, alors le détecteur du Maximum
de Vraisemblance (ML : Maximum Likelihood) est optimal
ŜML = arg max p(Y |S) ⇔ ŜML = arg min kY − WSk

S S

Détecteur optimal
ŜML = arg minS kY − WSk
Problème simple en l’absence de contrainte sur S
Approche ML : (cf. COM941)

− Décodeur par sphère
− Décodeur de Schnorr-Euchner
− ...
Bien adapté au MIMO ou POLMUX (car NW petit)

Mal adapté à l’IES (car NW grand)
− utilisation de la structure de la matrice W = T1
− algorithme de Viterbi
− filtrage sous-optimal ZF, MMSE, DFE

Détecteur optimal
ŜML = arg minS∈C N kY − WSk
Problème complexe en raison de la contrainte sur S
Approche ML : (cf. COM941)

− Décodeur par sphère
− Décodeur de Schnorr-Euchner
− ...
Bien adapté au MIMO ou POLMUX (car NW petit)

Mal adapté à l’IES (car NW grand)
− utilisation de la structure de la matrice W = T1
− algorithme de Viterbi
− filtrage sous-optimal ZF, MMSE, DFE

Détecteurs sous-optimaux
.
Y Ŝ
Q +
R
.
ZF : Q = W−1 , R = 0 (rehaussement du bruit)

MMSE : Q = WH (WWH + σ 2 I)−1 , R = 0
DFE : R 6= 0
Cas particulier (IES)

Matrices trop grandes
Mise en place de ces principes par des filtres

Cas particulier : OFDM (SISO)
Propriété : la matrice W est diagonale

On peut donc raisonner porteuse par porteuse (car pas
d’interférence). On a donc, sur la porteuse n,
z(n) = H(n)s(n) + b(n)
avec
− z(n) le signal scalaire reçu en aval de la FFT
− s(n) le symbole émis en amont de l’IFFT
− H(n) le canal pour la porteuse n
Détecteur optimal
Détecteur à seuil sur le signal H(n)−1 z(n)

Cas particulier : OFDM (MIMO)
On considère NH le nombre d’antennes à l’émission et à la réception
z(n) = H(n)s(n) + b(n)
avec
− z(n) le signal vectoriel (de taille NH × 1) reçu en aval de la FFT
− s(n) les symboles émis en amont de l’IFFT sur les NH antennes
− H(n) le canal MIMO (de taille NH × NH ) pour la porteuse n
⇒ Modèle « flat-fading channel » par porteuse (cf. COM941)
Détection
Appliquer les résultats du transparent 40 (car NH est petit)

Problème du PAPR (I)
Soit {x(n)} un signal numérique, on définit le facteur de crête par
maxn={0,··· ,N−1} |x(n)|2

F =
E[|x(n)|2 ]
PAPR : Peak to Average Power Ratio

Si F grand, on sort de la plage linéaire des amplificateurs
Histogramme de PAPR en OFDM avec N=256 et en mono avec 16QAM

0.2
Pourcentage de PAPRs trouvés par rectangle (pour 10000 tests)

OFDM
Signal OFDM 0.18 mono
0.16
N−1 0.14
1 X
x(n) = √ s(m)e2iπmn/N 0.12
N m=0
0.1
0.08
⇒ Fmax = N si BPSK 0.06
⇒ x(n) tend vers un signal 0.04
0.02
gaussien (si N → ∞) 0
0 5 10 15
PAPR

Problème du PAPR (II)
Défaut de saturation de l’amplificateur : input back-off (IBO)
IBO = 10 log10 (Pmax /Px )
Pmax la puissance maximale admise par l’amplificateur

Px la puissance moyenne du signal entrant dans l’amplificateur
Loss in performance for QPSK−OFDM (N=256) [Deumal 2007]
−1
10
perfect amplifier
IBO=6dB
IB0=4dB
−2 IBO=2dB
10
−3
10
BER
−4
10
−5
10
−6
10
6 7 8 9 10 11 12
Eb/N0

Problème de synchronisation
Soit
ya (t) = (ha ? xa )(t − τ )e2iπδφt .
L’OFDM admet une sensiblité plus grande aux erreurs :
Temps de retard (sauf si inclus dans l’intervalle de garde)
Résidu de fréquence porteuse et/ou fréquence d’échantillonnage
Y = ∆CX avec ∆ = diag(1, e2iπδφTs , · · · , e2iπδφTs (N−1) )
BER avec Doppler post−compensé pour différentes vitesses v en km/h (SNR=5dB)

0
10
v=0
v=50
Exemple v=100
v=300
v=1000
Si canal plat (Λ = Id) −1

10
F∆F−1 S
BER
ZOFDM =
Zmono = ∆S −2
10
Pas d’IEP/ICI en mono

−3
10
100 200 300 400 500 600 700 800 900 1000
N

Allocation de ressources : canal connu à l’émetteur
Contexte filaire
Voie de retour nécessaire (canal lentement variable).
Maximiser le débit à probabilité d’erreur identique sur chaque

porteuse ⇒ Adapter les constellations M-MAQ pour chaque
porteuse.
Si RSB élevé sur la porteuse k , alors M grand.
Si RSB faible sur la porteuse k , alors M petit.
s !
3Eb log2 (M)
Pe = Nmin Q
N0 (M − 1)
Puissance totale constante ⇒ attribution intelligente des

puissances par porteuse augmente la capacité (« waterfilling »).

Allocation de ressources : canal inconnu à l’émetteur
Contexte radio-mobile
Sur chaque porteuse, on a un canal de Rayleigh (cf. COM941)
⇒ Si évanouissement fréquentiel, détection peu fiable.
Adaptation du système :
Codage
Entrelacement
? fréquentiel
? temporel
On parle alors de COFDM.
En pratique, code convolutif.

Performances DAB
Radio-numérique DAB (1990)

MDP-4 et Code convolutif de rendement 1/2
0
10
MDP−4 / Canal BBGA − non codé
MDP−4 / Canal BBGA − codé
OFDM / Canal DAB − non codé
OFDM / Canal DAB− codé
−1
10
TES
−2
10
−3
10
−4
10
0 5 10 15 20 25 30
Eb/No

Conclusion
Avantages :
Bonne gestion de l’IES
Bien adapté au MIMO
Inconvénients :
Sensibilité accrue à la désynchronisation
Facteur de crête
Bibliographie :
R. van Nee, « OFDM for wireless multimedia communications », 2000
A. Burr, « Modulation and coding for wireless communication », 2001
A. Molisch, « Wideband wireless digital communication », 2001
D. Tse, « Fundamentals of wireless communications », 2005

Cours Com921 Part1

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cours Com921 Part1

Hochgeladen von

Copyright:

Verfügbare Formate

Partie 1:

Gestion de l’interférence entre symboles

Télécom ParisTech, France

Philippe Ciblat Gestion de l’interférence entre symboles 2/1

On souhaite décoder une trame (de n = 0, · · · , N)

avec sn des symboles d’une constellation quelconque.

Comme y (n) non-indépendants (en raison de l’IES), on travaille avec

Philippe Ciblat Gestion de l’interférence entre symboles 2/1

Le problème consiste à trouver le minimum

Approche exhaustive ⇒ trop complexe O(M N+1 )

Philippe Ciblat Gestion de l’interférence entre symboles 3/1

JN (s(N) ) = JN−1 (s(N−1) ) + ∆J(sN , EN )

Le calcul va pouvoir se réaliser dynamiquement !

Philippe Ciblat Gestion de l’interférence entre symboles 6/1

Que se passe-t-il à l’instant n en l’état E (0) ?

Philippe Ciblat Gestion de l’interférence entre symboles 7/1

Que se passe-t-il à l’instant n en l’état E (0) ?

Philippe Ciblat Gestion de l’interférence entre symboles 7/1

Que se passe-t-il à l’instant n en l’état E (0) ?

Tout chemin sous-optimal à l’instant n − 1 reste sous-optimal

Philippe Ciblat Gestion de l’interférence entre symboles 7/1

Que se passe-t-il à l’instant n en l’état E (0) ?

Tout chemin sous-optimal à l’instant n − 1 reste sous-optimal

Philippe Ciblat Gestion de l’interférence entre symboles 7/1

Algorithme de mise en œuvre du détecteur ML avec complexité

Complexité en O((N + 1).M L+1 )

Rappel : maxk τk = LTs , Db = log2 (M)/Ts et B = 1/Ts .

Augmenter le débit revient

Philippe Ciblat Gestion de l’interférence entre symboles 8/1

Filtre h(z) = 1 + 0.25z −1 et absence de bruit

Vecteur recherché : [−1, s0 ?, s1 ?, s2 ?, s3 ?, −1]

Métrique de branche (à l’instant n)

Philippe Ciblat Gestion de l’interférence entre symboles 9/1

Philippe Ciblat Gestion de l’interférence entre symboles 10 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 11 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 12 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 13 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 14 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 15 / 1

sn h y(n) Egaliseur p v(n) ŝn

Question : comment choisir le filtre p (de taille infinie) ?

Philippe Ciblat Gestion de l’interférence entre symboles 15 / 1

On annule entièrement l’IES

Problème : le bruit b0 (n) a été augmenté !

Philippe Ciblat Gestion de l’interférence entre symboles 16 / 1

Philippe Ciblat Gestion de l’interférence entre symboles 17 / 1

pWiener = arg min E[|v (n) − sn |2 ]

Philippe Ciblat Gestion de l’interférence entre symboles 18 / 1

J(p) = E[|v (n) − sn |2 ]

avec rys (τ ) = E[sn+τ y (n)]

De plus Sys (e2iπf ) = Es h(e2iπf ) et Syy (e2iπf ) = Es |h(e2iπf )|2 + 2N0 .

sn y(n) v(n) ŝn

Philippe Ciblat Gestion de l’interférence entre symboles 20 / 1

Canaux testés : Proakis A, Proakis B, Proakis C

Module du spectre en fonction de ω = 2πf .

Reponse frequentielle du Proakis A Reponse frequentielle du Proakis B Reponse frequentielle du Proakis C

0.01 1e-06 1e-07

Peu sélectif (A) Sélectif (B) Très sélectif (C)

Philippe Ciblat Gestion de l’interférence entre symboles 21 / 1

Taux Erreur Symbole en fonction du Eb/No (recepteur optimal)

Philippe Ciblat Gestion de l’interférence entre symboles 22 / 1

Probabilite d erreur avec Wiener

Philippe Ciblat Gestion de l’interférence entre symboles 23 / 1

L N ⇒ LTs NTs ⇒ Td NTs