342_p_12170_5

57

4. TÉLÉCOMMUNICATIONSTELECOMMUNICATIONS

4Chapitre 4:Chapitre 4.qxd 26/10/09 14:06 Page2

4.1 Communications numériques Digital communications

Communications numériquesDigital Communications

Pierre DUHAMELL2S - Division SignauxCampus de GifTél. : 33 (0) 1 69 85 17 16E-mail : [email protected]

Hikmet SARIDépartement TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 31E-mail : [email protected]

Daniel LE GUENNECÉquipe SCEE - IETRCampus de RennesTél. : 33 (0) 2 99 84 45 45E-mail : [email protected]

4.1

58

Pour tout renseignement s'adresser à : For further information, please contact:

4. TÉLÉCOMMUNICATIONS TELECOMMUNICATIONS

Dans les systèmes de communications numériques actuels, un problèmeimportant est de pouvoir transmettre un message sans erreur et sécuriséavec des ressources limitées. En raison de variations des caractéristiquestemporelles/fréquentielles/spatiales des utilisateurs, le medium sans filsoffre divers degrés de liberté à exploiter bien que cela puisse induire deserreurs et une connaissance imparfaite du canal à l’émetteur et/ou aurécepteur. De plus, dans les futurs réseaux sans fils, la qualité de service(en termes de sécurité, taux d'erreur) doit être assurée. Dans cetteoptique, deux approches se présentent : La première consiste à améliorer la qualité de la transmission point àpoint en offrant de la diversité et en ajustant correctement les paramètresdu récepteur. Le développement de codes espace-temps permet d'améliorerla diversité tandis que l'égalisation, l'estimation, le traitement non-linéai-re permettent d'optimiser le récepteur.La seconde approche consiste à exploiter de manière opportuniste lesdegrés de liberté du canal, en fonction de la connaissance à l'émission. Lesexemples pratiques concernent le canal à interférence, le network MIMOainsi que les canaux broadcast avec des messages confidentiels.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

In practical digital communication systems, a major challenge consists indealing with the underlying wireless medium under a limited resource.Due to its variation in time/frequency/spatial/user domains, the wirelessmedium potentially offers various degrees of freedom to exploit, although itmight induce errors, imperfect knowledge at transmitter or/and receiver.Moreover, in future secured wireless communication systems, one needs toensure reliable transmission while satisfying an additional secrecyconstraint. To handle these situations, there are roughly two approaches: A classical approach aims to either improve the reliability of a point-to-point wireless link by offering some diversity or to detect unknown para-meters by appropriately designing receivers. A design of practical space-time code focuses on the former aspect, while the channel equalization, esti-mation, non-linearity processing, fall into the latter aspect. A more opportunistic approach consists of exploiting available degrees offreedom of the channel together with some side information. The examplesof such approach include interference channels, capacity with side infor-mation, network multiple-input multiple-output (MIMO), and broadcastchannels with confidential messages.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Techniques de réceptionEgalisation (méthode aveugle pour les systèmes IFDMA).Estimation du canal en présence de forte mobilité.Détection multiutilisateurs.

2. Diversité et codage canalCodes espace-temps à décodage rapide.Optimisation de la redondance en codage canal.Codage canal pour réseaux coopératifs.

3. Communications sécurisées Canaux broadcast avec messages confidentiels.Connaissance du canal imparfaite à l'émission.Codage structuré pour communications sécurisées.

4. Applications de la théorie de l'informationCanaux à interférence.Réseaux MIMO.Interprétation des algorithmes itératifs.Capacité avec information adjacente.

5. Traitement des nonlinéaritésRéduction de la puissance crête des signaux OFDM(A).Réduction des non linéarités par turbo annulation.Applications dans des contextes variés (DVB-T2, SWR, DRM, WLAN).

Topics1. Receiver TechniquesChannel equalization (e.g. blind equalization for IFDMA systems). Channel estimation in the presence of high mobility. Multiuser detection.

2. Diversity and Channel CodingSpace-time codes with fast maximum-likelihood decoding.Redundancy optimization in channel coding.Channel coding for cooperative networks.

3. Physical Layer SecurityBroadcast channels with confidential messages. Imperfect channel state information at transmitter.Structured coding for secured communications.

4. Applications of Information TheoryInterference channels.Network MIMO.Interpretation of iterative algorithms.Capacity with side information.

5. Processing of NonlinearitiesPeak-to-average power ratio (PAPR) reduction of OFDM(A) signals.Non linearity mitigation with turbo cancellation.Applied to DVB-T2, SWR, DRM, WLAN contexts.

Chapitre 4:Chapitre 4.qxd 26/10/09 14:06 Page3

Recherche Research 2009 / 2011

4.1 Communications numériques Digital communications

.....................................................................................................................................................................................................................................

Communications sécurisées sur les canaux sélectifs en fréquence Secured communications over frequency selective fading channels

.....................................................................................................................................................................................................................................

Abstract We consider the secured communication over frequency-selective fading channels. In particular, we focus on the broadcastchannel where a transmitter sends a confidential message to its receiver which must be kept secret to the eavesdropper.For the case of a block transmission followed by a cyclic prefix, the model at hand reduces to a special case of multiple-inputmultiple-output (MIMO) wiretap channel whose secrecy capacity has been proved in [3,4.]. We propose a practical yetorder-optimal Vandermonde precoder that consists of projecting the confidential messages in the null space of the channel seenby the eavesdropper. The proposed scheme can be applied to other multiuser communication scenarios.

Communications numériquesDigital Communications


Mari KobayashiMérouane Debbah

Position du problèmeNous considérons la communication sécurisée où un émetteur transmet unmessage confidentiel destiné à son récepteur tout en le gardant secret vis àvis d'un écouteur. Wyner a introduit ''wiretap channel'' pour modéliser uncanal broadcast dégradé où l'écouteur observe une version dégradée d'unsignal reçu au récepteur [1]. Csiszár et Körner ont ensuite généralisé cemodèle pour le cas non-dégradé avec un message commun [2]. Du faitqu'une capacité secrète positive est atteignable si, et seulement si, la quali-té du récepteur est meilleure que celle de l'écouteur, ces travaux n'avaientpas attiré beaucoup d'attention. Récemment, un nombre significatif de tra-vaux ont été consacrés à ce problème afin d'exploiter les degrés de libertédans le domaine spatial/fréquentiel/temporel. L'idée principale consiste àcacher l'information confidentielle d'une manière opportuniste. En particu-lier, la capacité secrète du multiple-input multiple-output (MIMO) wiretapchannel a été complètement caractérisée par [3] puis son expression analy-tique a été trouvée par [4].

ContributionsPour un canal avec L+1 trajets, nous avons considéré la transmission parbloc (N symboles) sur les canaux sélectifs en fréquence suivi d'un inter-valle de garde (L symboles) pour éviter l'interférence entre les blocs. Cetype de transmission est typiquement utilisé dans les standards tels queIEEE802.11a ou WiMax. Supposant que les deux récepteurs ont la mêmestructure qui est non-modifiable, le canal en question devient un cas spé-cial du MIMO wiretap channel où la matrice MIMO a une structure deToeplitz. Sous ces hypothèses, nous avons proposé un schéma de précoda-ge dénommé ''Vandermonde precoder''. Notre schéma proposé s'inspire dela stratégie optimale pour le MIMO wiretap channel qui projette le mes-sage confidentiel dans un noyau du canal de l'écouteur dans le cas d'unfort rapport signal au bruit (SNR). Pour le cas spécial d'une matrice deToeplitz de taille N * (N+L) avec N lignes indépendantes, il existe unematrice de Vandermonde de taille (N+L) * L, composée des L zéros ducanal, qui permet de cacher l'information confidentielle. Pour ce schémaproposé, nous avons caractérisé :• la région de taux atteignables (R_0, R_c) où R_0, R_c représentent res-pectivement le taux de message commun et message confidentiel ;

• les covariances optimales qui atteignent la région pour certains cas spé-ciaux ;

• le comportement de la région à fort SNR.

L'intérêt majeur de ce schéma réside dans les aspects suivants :• il permet de transmettre L symboles confidentiels sans interférer avecles N symboles simultanément sur un bloc de N+L symboles ;

• il est applicable à n'importe quelle technique de codage de canal clas-sique et garantit la sécurité parfaite. Ce dernier comporte un avantagepar rapport à la méthode conventionnelle nécessitant un codage trèscomplexe (random binning) ;

• il est également applicable aux autres scénarios de communicationsecrète (voir plus de détails [5]).

Pour des raisons évidentes de manque d'espace, nous ne donnons ici qu'unseul exemple de résultat.

Un exemple de résultats (5)La figure 1 représente le taux secret atteignable par Vandermonde preco-ding avec et sans contrôle de puissance en fonction du SNR pour N=64,L=16. Comme référence, nous montrons aussi la performance du « gene-ralized SVD » proposé dans [1]. Nous voyons, par exemple, que les deux

schémas permettent d'augmenter le taux secret à l'ordre de 1/5 log(SNR)en envoyant le message confidentiel sur 16 canaux.

Figure 1 : Taux secret de Vandermonde precodin

Figure 1: Taux secret de Vandermonde precoding

59

Références

[1] A. D Wyner, “The Wiretap Channel,” Bell. Syst. Tech. J., vol. 54,1975.

[2] I. Csiszár and J. Körner, “Broadcast Channels with ConfidentialMessages,” IEEE Trans. Inform. Theory, vol. 24, 1978.

[3] A. Khisti, G. Wornell, A. Wiesel, and Y. Eldar, “On the GaussianMIMO wiretap channel,” Proc. ISIT'07, Nice, France.

[4] R. Bustin, R.Liu, H. Vincent Poor, and S. Shamai (Shitz), “AnMMSE Approach to the Secrecy Capacity of the MIMO GaussianWiretap Channel,” to appear in EURASIP, special issue on WirelessPhysical Security, 2009.

[5] M. Kobayashi, M. Debbah and Shlomo Shamai (Shitz), “On thesecrecy capacity of frequency-selective fading channels : A practicalVandermonde precoding,” to appear in EURASIP, special issue onWireless Physical Security, 2009.


Systèmes de radiocommunicationsWireless Communications Systems

Pierre DUHAMELL2S – Division SignauxCampus de GifTél. : 33 (0) 1 69 85 17 16E-mail : [email protected]

Mohamad ASSAADDépartement TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 43E-mail : [email protected]

Christophe MOYÉquipe SCEE - IETRCampus de RennesTél. : 33 (0) 2 99 84 45 84E-mail : [email protected]

4.2

60


Les systèmes de radiocommunications connaissent une évolution extrê-mement rapide depuis le début des années 1990. Les réseaux de troisièmegénération sont maintenant en place, les systèmes WiMAX mobile ontrécemment fait leur apparition et les systèmes de quatrième génération(IEEE 802.16m et LTE Advanced) sont dans une phase de spécification. Les systèmes de quatrième génération font face à des défis technologiquesconsidérables : non seulement, il faut augmenter la capacité des cellulespar des techniques MIMO et d’autres fonctions sophistiquées, mais il fautaussi fournir un service à des utilisateurs avec une forte mobilité.Les travaux de recherche abordent l’optimisation de la couche physique,mais aussi l’allocation des ressources radio par une optimisation inter-couches.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Wireless Communications Systems are an area, which has been experien-cing an extremely rapid development since the beginning of the 1990s.Third generation networks are now well in place, mobile WiMAX systemshave been recently developed and deployed, and forth-generation networks(WiMAX evolutions based on IEEE 802.16m as well as LTE Advanced) arein the specification phase.Fourth-generation systems are facing considerable technological chal-lenges: Not only the cell capacity and performance must be substantiallyincreased by sophisticated MIMO techniques and other physical layer func-tions, but also service must be provided to users with very high mobility.Research topics in wireless communications systems include optimizationof physical layer functions, adaptive radio resource allocation, and cross-layer design.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Fonctionnement et surveillance des réseaux électriquesTechniques de transmission et d’accès multiple pour la voie montantedu système LTE.Multiplexage spatial de signaux MIMO en polarisation croisée pourapplications WiMAX mobile et LTE Advanced.Optimisation des ressources radio dans les systèmes WiMAX/LTEpour différents types de trafic.Conception de la couche MAC en présence d’une connaissance impar-faite du canal radio.Optimisation conjointe des ressources radio et des algorithmes derelayage dans un contexte de coopération entre stations de base et uti-lisateurs.Diffusion multiutilisateur (« Multicast ») et optimisations associées

1. Systèmes multistandards et hétérogènesOptimisation des ressources radio dans un environnement hétérogène.Architectures d’équipements radio multi-standards.Gestionnaire de reconfiguration et de radio intelligente d’un équipe-ment.Capteurs pour la radio intelligente.Prise de décision pour la radio intelligente.Traitements du PAPR des signaux multi-standards.Conception d’équipements multi-standards à base d’opérateurs com-muns.Conception de haut-niveau, méta-modélisation.

.

Topics1. Fourth-Generation SystemsTransmission and multiple access for the uplink of LTE systems.Spatial multiplexing of orthogonally polarized MIMO signals for mobile WiMAX and LTE Advanced.Radio resource optimization in WiMAX/LTE systems for various types of traffic.MAC design in the presence of imperfect channel knowledge.Joint optimization of resource allocation and relaying in the context of cooperation between base stations and users.Multicast in wireless networks, and corresponding optimizations.

2. Multistandard and Heterogeneous SystemsRadio resource allocation in a heterogeneous network environment. Multi-standard equipments architecture.Reconfiguration and cognitive radio management for equipments.Cognitive radio sensors.Decision making for cognitive radio.Multi-standards signals’PAPR processing.Multi-standards equipments design based on common operators.High-level design, meta-modeling.


4.2 Systèmes de radiocommunications Wireless communications systems


.....................................................................................................................................................................................................................................

Optimisation des ressources dans les réseaux hétérogènes Resource Optimization in heterogeneous networks

.....................................................................................................................................................................................................................................

Abstract We develop a discrete optimization framework in order to deal with Radio Resource Management (RRM) in heterogeneous wireless systems. An efficient resource management solution, requiring low computation and signalling overhead, is proposed.This solution consists in splitting the resource allocation problem into two parts. First, Users and Base Stations negotiate amean allocation using a Rate Scheduling algorithm issued from a discrete optimization problem. Then, Base Stations allocate power independently and instantaneously in order to cope with changing radio conditions. Simulation resultsshow that the proposed M3RS converges quickly to an efficient allocation. Indeed, it reduces power usage in all systems and increases the number of satisfied Users compared to a mono-system RRM algorithm.


Christophe Gaie,Mohamad Assaad Pierre Duhamel

Recherche Research 2009 / 2011 61

Références

[1] S. Boyd and L. Vandenberghe, “Convex Optimization,” New York :Cambridge University Press, 2004.

[2] W. Yu,W. Rhee, S. Boyd, and J. Cioffi, “IterativeWater-filling forGaussian Vector Multiple-access Channels,” IEEE Trans. on InformationTheory, vol. 50, no. 1, pp. 145-152, Jan. 2004.

[3] W. Rhee and J. Cioffi, “Increase in Capacity of Multiuser OFDMSystem using Dynamic Subchannel Allocation,” Proceedings of the IEEEVehicular Technology Conference, pp. 1085-1089, May 2000.

[4] C. Saraydar, N.Mandayam, and D. Goodman, “Efficient Power Controlvia Pricing in Wireless Data Networks,” IEEE Trans. onCommunications, vol. 50, no. 2, pp. 291-303, 2002.

[5] Z. Han and K. Liu, “Noncooperative Power-control Game andThroughput Game over Wireless Networks,” IEEE Trans. OnCommunications, vol. 53, no. 10, pp. 1625-1629, 2005.

[6] H. J.M. Peters, “Axiomatic Bargaining Game Theory,” KluwerAcademic Publishers, 1992.

[7] L. Zhou, “The Nash Bargaining Theory with Non-convex Problems,”Econometrica, vol. 65, pp. 681-685, May 1997.

[8] Z. Han, Z. Ji, and K. Liu, “Fair Multiuser Channel Allocation forOFDMA Networks using Nash Bargaining Solutions and Coalitions,”IEEE Trans. on Communications, vol. 53, no. 8, pp. 1366-1376, 2005.

[9] C. Gaie, M. Assaad, M. Muck and Pierre Duhamel, “Discrete ResourceOptimization in Heterogeneous Networks”, In proceedings of IEEESPAWC 2008.

Position du problème De nos jours, l'émergence de nombreuses technologies de radiocommunica-tions a accru l'intérêt envers les méthodes de Gestion des RessourcesRadios, en particulier dans des systèmes hétérogènes. Les études déjà existantes dans l'état de l'art sur l'allocation des ressourcesdans des contextes mono et multi-technologies utilisent souvent uneapproche centralisée fondée sur l'optimisation convexe de fonctions conti-nues. Le problème est donc résolu en introduisant des multiplicateurs deLagrange et l'allocation est faite via des algorithmes de type « montée deseaux, Waterfilling » [1-3]. Ainsi, ces algorithmes nécessitent une signalisa-tion importante et une complexité élevée, ce qui les rend peu efficaces enpratique. Pour surmonter ces problèmes, la théorie des jeux sans coopéra-tion entre les différentes entités a été envisagée [4-5]. Cependant, ce typed'approche aboutit à une solution sous-optimale du problème d'optimisationenvisagé. Par conséquent, des modèles fondés sur la coopération des entitésont été proposés [6-8]. Cependant, ces solutions requièrent une signalisationélevée de manière à assurer la coordination entre les différentes entités. Dans cette étude [9], nous nous proposons de rechercher une méthode dis-tribuée permettant de réaliser l'allocation de ressources prenant desvaleurs discrètes. La solution proposée doit permettre de réduire la com-plexité et la signalisation, comparé à une optimisation centralisée ou àd'autres solutions distribuées basées sur la Théorie des Jeux.

ContributionsL'idée principale de l'algorithme proposé consiste à utiliser le fait quechaque utilisateur connait ses propres conditions radios sur chacun desréseaux auquel il a accès. Ainsi, il est possible de procéder à des négociationssuccessives entre les utilisateurs et les stations de base afin de déterminerle débit moyen minimum alloué par chaque station de base à chaque utili-sateur.La proposition est fondée sur un découpage du problème initial en deuxsous-problèmes. Tout d'abord, les utilisateurs cherchent à obtenir des sta-tions de base leur débit minimal par des négociations successives. Ce pro-cessus repose sur la décomposition du problème initial en Ns sous-pro-blèmes d'optimisation (Ns est le nombre de réseaux considérés), en utilisantla théorie de la décomposition et résoudre chaque sous-problème par uneméthode issue de l'optimisation discrète non linéaire permettant d'atteindrele point optimal sur l'enveloppe convexe avec convergence rapide. Une foisl'allocation moyenne obtenue, chaque station peut allouer de manière indé-pendante les ressources radios de manière à respecter les contraintes desutilisateurs et la contrainte de puissance de la-dite station. Ce deuxièmeproblème est aussi formulé sous la forme d'un problème d'optimisation dis-crète et résolu par un algorithme simple et efficace.

Pour des raisons évidentes de manque d'espace nous ne donnons ici qu'unseul exemple de résultat.

Un exemple de résultats [9]La Figure 1 montre que les utilisateurs utilisant l'ODC convergent vers lasolution optimale en moins de 3 itérations. Les utilisateurs effectuant leursrequêtes à l'aide du “Best SNR” n'améliorent pas leur configuration au coursdu temps. Ainsi, notre algorithme converge rapidement vers une solutionqui permet de diminuer la puissance consommée au niveau des stations debase.

Figure 1


4.2 Systèmes de radiocommunications Wireless communications systems


Réseaux sans fils distribués et coopératifsDistributed and cooperative wireless networks

Samson LASAULCEL2S - Division SignauxCampus de GifTél. : 33 (0) 1 69 85 17 34E-mail : [email protected]

Mérouane DEBBAHChaire Alcatel-LucentCampus de GifTél. : 33 (0) 1 69 85 14 47E-mail : [email protected]

Mohamad ASSAAD - Sheng YANG Département TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 43 / 50E-mail : [email protected],[email protected]

4.3

62


Traditionnellement, les réseaux de communications sans fils étaient cen-tralisés, et donc sans coopération entre utilisateurs. Or, la mise en place decoopérations et de décisions décentralisées apparaît de plus en pluscomme la voie principale d'amélioration de ces réseaux dans un futurproche. Il existe de nombreuses raisons pour cela, et nous ne donneronsque deux de ces raisons ici. La première est que certains réseaux sans filssont naturellement décentralisés. C'est le cas des réseaux WiFi et plusgénéralement de tous les réseaux de terminaux opérant dans les bandessans licence. La seconde est que le fait de distribuer certaines tâches entreles terminaux du réseau et de les autoriser à coopérer a de nombreuxavantages tels que : la diminution du coût de déploiement d'un réseausans fils, la diminution voire l'annulation du coût de signalisation pourcontrôler le réseau, la suppression des mécanismes de retour d'informa-tion, la possibilité d'avoir un réseau plus flexible, la répartition des coûtsde calculs, etc. En particulier, l'allocation de ressources distribuée estreconnue comme un problème fondamental dans les réseaux sans fils.Savoir bien concevoir et implanter des mécanismes d'allocation de res-sources distribuée s'avère donc déterminant pour obtenir un réseau per-formant mais aussi pour déployer, avec un coût faible, des réseaux tels quedes réseaux ad-hoc, cognitifs, mesh, à relais ou bien encore MIMO virtuels.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Traditionally, wireless communication networks were centralized, hencewithout cooperation between the various users. However, allowing decen-tralized decisions and cooperation between various users appears to be oneof the main ingredients for improving the next generation networks. Thereare many reasons for this, and we will just mention two of them. Somewireless networks are decentralized by conception. For example, this is thecase for WiFi networks and more generally for wireless systems operatingin unlicensed bands. Distributing some tasks between wireless devices hasmany desirable features: decreasing network deployment costs, decreasingthe amount of signalling needed to control the network, avoiding feedbackmechanisms, making the network more flexible, sharing computationaltasks, etc. In particular, the problem of distributed resource allocation isrecognized as being crucial in wireless networks. Being able to design andimplement smart resources allocation policies not only allows one to achie-ve good performance but also to deploy in a cost-effective manner importanttypes of wireless networks such as ad-hoc networks, cognitive networks,mesh networks, network MIMO with limited capacity backbone, relay net-works and virtual MIMO systems.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. ApplicationsRéseaux ad-hoc, radio cognitive, réseaux coopératifs, réseaux hétéro-gènes, réseaux mesh, bandes libres, réseaux de capteurs.

2. TechnologiesCoopération entre stations de bases ou points d'accès, systèmes à relais,optimisation inter-couches, systèmes d'antennes distribuées, systèmesMIMO distribués, management de ressources et ordonnancement dis-tribués, apprentissage, codage réseau, codage distribué, sondage duspectre, répartition du spectre.

3. ThéoriesRéseaux bayésiens, optimisation convexe, théorie des jeux, théorie desgraphes, théorie de l'information pour les réseaux.

Topics1. ApplicationsAd-hoc networks, cognitive radio, cooperative networks, heterogeneousnetworks, mesh networks, open spectrum access, sensor networks.

2. TechnologyBS or AP cooperation, relay strategies, cross layer optimization, distri-buted antenna systems, distributed MIMO, distributed RRM or schedu-ling, learning, network coding, distributed coding, radio spectrum sen-sing, spatial spectrum sharing.

3. TheoryBayesian networks, convex optimization, game theory, graph theory, net-work information theory.


4.3 Réseaux sans fils distribués et coopératifs Distributed and cooperative wireless networks


.....................................................................................................................................................................................................................................

Contrôle de puissance distribué pour les communications efficaces énergétiquementDistributed power control for energy-efficient communications

.....................................................................................................................................................................................................................................

Abstract The problem of power control in wireless multiuser channels where terminals can selfishly maximize their performance is consi-dered. The performance metric under consideration is energy-efficiency that is, the number of bits successfully transmitted perJoule burnt at the terminal. The non-cooperative nature of the type of networks under investigation generally results in an inef-ficient Nash equilibrium (when it exists). We have shown to what extent hierarchy, repetition and multiple antennas can helpto not only improve the performance of the overall network but also the individual performance for every user.

Mohamad ASSAAD - Sheng YANG Département TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 43 / 50E-mail : [email protected],[email protected]

Samson LasaulceMérouane Debbah


Références

[1] S. Lasaulce, Y. Hayel, R. El Azouzi and M. Debbah, “Introducing hie-rarchy in energy games”, IEEE Trans. on Wireless Comm., Vol. 8, No.7,July 2009.

[2] M. Le Treust and S. Lasaulce, “Contrôle de puissance distribué effica-ce énergétiquement et jeux répétés”, Proc. of the Gresti Conference, 2009.

[3] V. Belmega, S. Lasaulce, M. Debbah and A. Hjorungnes, “A new ener-gy-efficiency measure for quasi-static MIMO channels”, IEEE ICWMC,June 2009, invited paper.

[4] V. Belmega and S. Lasaulce, “How useful are multiple antennas inenergy-efficient power control games? An information-theoretic answer”,2009, ACM Proc. of the International Conference on PerformanceEvaluation Methodologies and tools (Valuetools).

Position du problèmeLe contrôle de puissance (CP) est un problème crucial dans certains réseauxtels que les réseaux sans fils où la technique d'accès multiple est le CDMA.Dans les réseaux sans fils distribués ou décentralisés (CDMA ou non), le casdes bandes sans licences en est un exemple, il n'y a pas d'entité centrale quirégule le CP des émetteurs (supposés autonomes) ce qui rend ce problèmeencore plus délicat. Nous nous intéressons ici au CP dans de tels réseauxlorsque chaque terminal veut maximiser de manière égoïste l'efficacité énergétique de sa communication au sens de la mesure de performance suivante :

où pi est le niveau de puissance instantanée de l'émetteur i, Ri est son débitmoyen de communication, p-i correspond à l'ensemble des puissances desautres émetteurs et fi est une fonction d'efficacité de la communication (parexemple le taux d'erreur paquet moyen). La maximisation égoïste par chaqueémetteur du nombre de bits transmis correctement par Joule consomméconduit à un équilibre du réseau, dit équilibre de Nash, qui est inefficace.

ContributionsA ce jour, nous avons contribué à l'analyse et la résolution du problème décritsur essentiellement quatre aspects :

• Nous avons montré comment l'introduction d'un degré de hiérarchie dansle réseau permet d'obtenir un équilibre (de Stackelberg) plus efficace etd'avoir un curseur permettant de régler le compromis entre signalisation etperformances énergétiques [1].

• En analysant l'aspect dynamique du jeu de contrôle de puissance nousavons montré comment la répétition d'une situation d'interaction entre lesjoueurs, interaction due à l'interférence d'accès multiple, change le compor-tement de ceux-ci : la meilleure chose à faire pour maximiser son propre pro-fit est de coopérer. L'équilibre résultant est Pareto-optimal [2].

• Alors que la multiplication d'antennes au niveau des terminaux est connuecomme un moyen de diminuer la puissance émise pour un débit et une qua-lité de communication donnés, cette possibilité n'avait pas été explorée jus-qu'ici en ce qui concerne la métrique ui. Nous avons étudié cet aspect dans[3].

• Enfin, jusqu'à présent, la seule fonction d'efficacité fi qui avait été considé-rée était une expression empirique du taux d'erreur paquet. Récemment [4]nous avons donné une interprétation plus fondamentale (via la notion deprobabilité de coupure issue de la théorie de l'information) à cette quantité,permettant ainsi d'évaluer, pour les canaux quasi-statiques, la limite ultimedu nombre net de bits transférable par Joule consommé.

Pour des raisons évidentes de manque d'espace nous ne donnons ici qu'unseul exemple de résultat qui concerne le quatrième aspect uniquement.

Un exemple de résultats [4]La figure 1 représente l'efficacité énergétique en bit par Joule en fonction dela puissance d'émission [W] pour différents nombres d'antennes (unique-ment des systèmes MIMO carrés sont considérés) et pour une efficacité spec-trale de 1 bit par symbole. Nous voyons, par exemple, qu'un terminal mono-antenne (cas n=1) ayant 1 W de puissance disponible qui émet à pleine puis-sance voit son efficacité énergétique divisée par huit par rapport à la situa-

tion optimale où il émet à p* = 96 mW. Nous voyons aussi qu'un systèmeMIMO 4x4 (n=4) permet d'atteindre une efficacité énergétique environ deuxfois supérieure au système SISO (7 ,77/3,71) et de plus avec une puissancequatre fois plus faible (96/26).

Figure 1 : Influence du nb. d'antennes sur l'efficacité énergétique [4]


4.3 Réseaux sans fils distribués et coopératifs Distributed and cooperative wireless networks


Radio logicielle/ Radio intelligenteSoftware Radio and Cognitive Radio

Jacques PALICOTÉquipe SCEE - IETRCampus de RennesTél. : 33 (0) 2 99 84 45 41E-mail : [email protected]


Mérouane DEBBAHChaire Alcatel-LucentCampus de GifTél. : 33 (0) 1 69 85 14 47E-mail : [email protected]

4.4

64


La Radio Logicielle fait référence à un ensemble de techniques qui per-mettent la reconfiguration d'une chaîne de communication sans modifierun quelconque élément matériel. Cette idée très simple fait appel à ungrand nombre de domaines d'études et de technologies qui vont desaspects économiques et de régulation, aux aspects matériels et microélec-troniques en passant par les problèmes de téléchargement et d'intergiciel,etc… Parmi tous ces domaines le Traitement du Signal est particulière-ment important car c'est grâce aux progrès en Traitement du Signal quele véritable concept de Radio Logicielle verra le jour.Nos études concernent les architectures de plate forme reconfigurables,ainsi que les architectures du Front End.Un autre thème de recherche concerne le concept de Radio Intelligente,avec ses différentes implications dans l'adaptation des liaisons radio, de lagestion des réseaux, de la santé, du développement durable.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Software Radio refers basically to an ensemble of techniques that permitthe reconfiguration of a communication system without the need to changeany hardware system element. This basic idea of Software Radio involvesa large spectrum of areas going from economical aspects to hardware andmicroelectronics problems trough software architecture and middlewareconsiderations. Among all these topics, Signal Processing is one of the most importantbecause SP tools are used by all the others domains and because all the SPadvances offer the possibility to reach the true Software Radio concept.Our activities concern mainly the execution hardware platform architectu-re and mainly the real time reconfiguration on heterogeneous platforms.Another topic concerns the problems of the Analog Front End architecture.The most long term item is, without any doubt, the “Cognitive Radio”concept. Within this very attractive concept, we study the architecture offuture smart terminals, the link adaptation, the connection with the“context aware” concept, and the relations between cognitive radio, healthand Green communications.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Architectures matériellesEtude des architectures radio pour terminaux multistandard ; architec-tures parallèles ; architectures matérielles reconfigurables favorisant laconception des systèmes mobiles embarqués ; architectures matérielleshétérogènes à hautes performances (DSP, FPGA, SoC, SoPC) ; reconfi-guration dynamique ; reconfiguration partielle ; techniques de paramé-trisation. Architecture de récepteurs multiservices simultanés.

1. Front-endAnalyse de la découpe AFE/DFE. Etude des « front-end » large bandedans le récepteur. Modélisation des non linéarités. Définition de nou-velles fonctions, suite à la numérisation à haute fréquence.

3. Radio IntelligenteTerminaux intelligents ; étude des capteurs matériels; capteurs IHM ;contexte aware ; Terminal universel ; reconnaissance autodidacte desstandards ; reconnaissance de la ressource spectrale disponible, auto-adaptation du lien physique ; radio intelligente et santé, radio intelli-gente et développement durable.

Topics1. Hardware platform architecture Study of multistandards, mutibands receivers for real time mobile hand-set. Real time reconfiguration of heterogeneous platforms( DSP FPGA,SOC,…). Partial reconfiguration of FPGA. Parameterization techniques.Simultaneous multiservices receiver architecture.

2. Front EndAnalysis of the sharing between AFE/DFE. Study of the wide-bandFront End. Non-linearity modelisation. Definition of new functions inthe receiver. New design of Carrier and clock recoveries.

3. Cognitive RadioSmart Terminal. Study of sensors. IHM sensors. Context aware.Universal receiver. Blind recognition of the standard. Blind detection ofthe available resources. Link adaptation. Cognitive Radio and Health.Cognitive radio and green communication.


4.4 Radio logicielle - Radio intelligente Software radio - Cognitive radio


.....................................................................................................................................................................................................................................

HDCRAM : un gestionnaire pour la conception d'architectures d'équipements de radio intelligente HDCRAM: a management architecture for the design of cognitive radioequipment

.....................................................................................................................................................................................................................................

Résumé Afin de concevoir un équipement de radio intelligente, il ne sera plus uniquement suffisant de programmer des opérations detraitement du signal (radio). Un tel équipement devra intégrer également une architecture de gestion dite intelligente. Elle com-prend notamment des fonctions de gestion de reconfiguration (que nous prônions déjà pour la conception radio logicielle), ainsique de prise en compte du reste du cycle cognitif (capteurs et prise de décision). Nous proposons pour cela aux concepteurs deradio intelligente une architecture appelée HDCRAM (pour Hierarchical and Distributed Cognitive Radio ArchitectureManagement) qui intègre les éléments nécessaires à une gestion efficace de ces fonctionnalités (reconfiguration, prise dedécision, capteurs, traitement du signal) à l'intérieur d'un équipement. Afin de faciliter la conception de tels équipements, unmétamodèle a été dérivé du HDCRAM pour une première approche de conception de haut-niveau.

Radio logicielle/ Radio intelligenteSoftware Radio and Cognitive Radio

Christophe MOYJacques PALICOT


IntroductionFuture cognitive radio (CR) equipments will have to be able to sense theirenvironment, learn and make decisions in order to reconfigure the radiophysical layer (but we consider the entire protocol stack indeed) so as toadapt their operation to their environment. Sensing, decision making andreconfiguring are the major 3 steps of the cognitive cycle defined by JoeMitola [1] to characterize cognitive radio.It derives that the design of CR equipments does not consist anymore indesigning a set of radio operations. A CR equipment should be then com-posed of:• a flexible hardware platform,• radio processing functions (in software, firmware or wired),• sensing processing functions or devices,• decision making algorithms,• an infrastructure to support both reconfiguration and cognitive management.

This last point is often neglected if not forgotten.

A cognitive management architectureThis is what HDCRAM provides to a cognitive radio equipment, whateverthe hardware composition of the platform. HDCRAM stands forHierarchical and Distributed Cognitive Radio Architecture Management.HDCRAM has been thought to support the management of multi-proces-sing heterogeneous platforms composed for instance of DSPs, GPPs,FPGAs, ASICs, etc. It has been first introduced in [2] and is detailed in [3].In order to support the reactivity necessary for a real-time cognitive beha-vior in an heterogeneous hardware platform, HDCRAM is composed of 3levels of hierarchy as we can see in Figure 1. These 3 levels offer a mana-gement framework (or architecture) on top of processing operators consi-dered here at its largest sense, e.g. any processing function from radio toapplication layer, but also processing functions for sensing purposes, hard-wired devices, etc.. We are clearly addressing a cross-layer view of thecognitive management as any information from any OSI layer can provi-de useful information to adapt the protocol stack in the whole. Each of theHDCRAM 3 levels is made of both a cognitive (CRM) and a reconfigura-tion (ReM) management sub-part.

HDCRAM metamodelA cognitive radio equipment is becoming a complex system combininghardware-software co-design, mixing processing and management (somecontrol indeed), so that solutions foreseen for complex system design arein the scope of cognitive radio design. Trends in complex systems designare clearly moving towards high level design solutions (Model DrivenEngineering). A metamodeling design approach of HDCRAM is conse-quently also proposed. The HDCRAM metamodel is shown in Figure 1. Ametamodel is a way to set design rules, e.g. to orient/adapt UML semanticfor a specific domain, here cognitive radio domain.

Cognitive radio equipment design simulationHowever, meta-languages only support structural specifications and donot support operational semantic. We also consider the use of an execu-table language in order to specify actions in the meta-model structure. TheKermeta language is developed by the INRIA in order to support a beha-vioral definition and provide an action language, which enables to specifythe body of operations in meta-models.

Figure1: HDCRAM metamodel

With the help of the Kermeta language, the HDCRAM can be describedwith both structural and behavioral definitions with the creation of a DSLfor the CR. This offers the opportunity to refine the meta-model with sce-narios that ensure that the system conforms to specifications, while kee-ping a high level of abstraction.

Future workA key point is that this meta-model is defined at a very high level of abs-traction, meaning that it does not tackle physical constraints such as timeconstraint, physical interface, resource limitation, etc. The purpose of thisexecutable meta-model is to validate CR equipment APIs and its functio-nalities at a high level of abstraction. This is a necessary first step in themodeling process, which helps to refine the CR specifications. As a perspective, in a future step of our research, thanks to specific rules, thedesigner could use model transformations in order to specify the physicalconstraints. This means that appropriate abstraction levels have to bedefined (there may be several of them), as well as a pertinent representa-tion format (UML or SystemC).


4.4 Radio logicielle - Radio intelligente Software radio - Cognitive radio

References

[1] J. Mitola, G. Maguire, “Cognitive radio: making software radiosmore personal, Personal Communications”, IEEE WirelessCommunications, Vol. 6, No. 4. (1999), pp. 13-18.

[2] L. Godard, C. Moy, J. Palicot, “From a Configuration Managementto a Cognitive Radio Management of SDR Systems”, CrownCom'06,8-10 June 2006, Mykonos, Greece, pp. 11-15.

[3] L. Godard, C. Moy, J. Palicot,"An Executable Meta-Model of aHierarchical and Distributed Architecture Management for theDesign of Cognitive Radio Equipments", Annals ofTelecommunications Journal, Special issue on Cognitive Radio,vol. 64, number 7-8, Aug. 2009, pp. 463-482.


Traitement du signal pour le multimédiaSignal Processing for Multimedia

Michel KIEFFERSujets 1, 2, 3 / Topics 1, 2, 3L2S - Division Signaux Campus de GifTél. : 33 (0) 1 69 85 17 32E-mail : [email protected]

Claude DELPHASujet 4 / Topic 4L2S - Division SignauxCampus de GifTél. : 33 (0) 1 69 85 17 64E-mail : [email protected]

4.5

66


L'essor des communications modernes et des nouveaux services qui s'yrattachent introduisent un grand nombre de problématiques nouvellespour les chercheurs en traitement du signal. En particulier, la mise en place de transmission numérique de signauxaudio-visuels pose de manière aigue deux problèmes : (i) lors de cette transmission, des erreurs peuvent intervenir. Si l'on faitabstraction de toute contrainte (délai de transmission, réutilisation deréseaux existants), une optimisation séparée du codeur de source et ducodeur canal est optimale. Cependant, dans de nombreux cas concrets, uneoptimisation conjointe est plus efficace, car la moindre erreur de trans-mission engendre un comportement catastrophique du décodeur source.De plus, la transmission à travers l'ensemble des couches réseau ajoute dela structure au flux binaire. Exploiter cette structure permet une meilleu-re réception;(ii) dans un système bien conçu au niveau « transmission » on peut dupli-quer et diffuser à l'infini de tels signaux. Il est alors nécessaire de contrô-ler cette diffusion à l'aide d'outils spécifiques, comme le tatouage (water-marking).

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

The expansion of modern communication systems as well as the emergenceof new services state many interesting problems for signal processingresearch. For example, the digital transmission of audio-visual signals states in avery accurate manner two problems: (i) during this process, transmission errors may occur. If there is no exter-nal constraint (such as transmission delay, re-use of existing networks forother signals than those initially planned) such errors should not happen,since a separate optimization of the source encoder and the channel coderis optimal. However, in numerous cases, and due to practical constraints, ajoint optimization is more efficient, since transmission errors generate acatastrophic behaviour of the source decoder. Moreover, the transmissionacross the various network layers adds some structure and redundancy tothe bitstream. This can be used for a better reception;(ii) as a result, in a well designed system, one can duplicate and indefini-tely forward such signals. Thus, it is necessary to control this disseminationthrough the use of specific tools such as watermarking.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Décodage source-canal-protocole conjointDécodage itératif source/canal, analyse de la structure du train binai-re issu du codeur source, analyse de la structure du train binaire intro-duite par les différentes couches réseau.

2. Réception robuste d'entêtesCalcul optimal et approché de métriques prenant en compte les CRC,optimisation inter couches (allocation de redondance).

3. Codage source-canal conjointIntroduction délibérée de redondance dans le flux issu du codeur desource pour une meilleure robustesse : Codage entropique correcteurd'erreur (VLC, arithmétique), codes source-canal conjoints.

4. Tatouage et sécurité des transactionsTechniques de tatouage de signaux audiovisuels, théorie des jeux,tatouage robuste et fragile, analyse système de situations pratiques,tatouage indécelable (stéganographie).

Topics1. Joint source-channel-protocol decoding Iterative source/channel decoding, Analysis of the structure of the bits-tream issued by the source coder, Analysis of the structure of the bits-tream issued by the various protocol layers.

2. Robust Header ReceptionOptimal and approximate metric computation making use of the CRC,cross-layer optimization (redundancy allocation).

3. Joint Source and Channel Coding Introducing redundancy in the bitstream issued by the source coder foran improved robustness: error correcting entropy codes (VLC, arithme-tic), joint source-channel encoders.

4. Watermarking and securityTools for watermarking audiovisual signals, game theory, robust andfragile watermarking, analysis of practical situations, transparentwatermarking (steganography).


4.5 Traitement du signal pour le multimédia Signal processing for multimedia


.....................................................................................................................................................................................................................................

Décodage protocole-canal conjointJoint protocol-channel decoding

.....................................................................................................................................................................................................................................

Abstract When transmitting multimedia contents over wireless channels, many packets may be considered as unusable as soon as theyare corrupted with (even very few) errors. This work presents an enhanced permeable layer mechanism, allowing damaged pac-kets to reach the upper protocol layers, where they may be corrected thanks to joint source-channel decoding techniques [1].Packet header recovery at various protocol layers using MAP estimation is the cornerstone of the proposed solution. The inhe-rently available intra-layer and inter-layer header correlation proves to be very effective in selecting a reduced set of possibleheader configurations for further processing. The best candidate is then obtained through soft decoding of CRC protected dataand CRC redundancy information itself. Simulation results for WiFi transmission using DBPSK modulated signals overAWGN channels show a substantial (up to 12 dB) link budget improvement over classical hard decision procedures.

C. Marin, U. Ali, K. Bouchireb

M. Kieffer, P. Duhamel


Références

[1] P. Duhamel et M. Kieffer, Joint source-channel decoding: A Cross-Layer Perspective with Applications in Video Broadcasting. AcademicPress, 2009.

[2] Marin, C. and Leprovost, Y. and Kieffer, M. and Duhamel, P., RobustMAC-lite and header recovery based improved permeable protocol layerscheme, Proceedings IEEE ISSSTA 2008.

[3] ANSI/IEEE. 802.11, part 11: Wireless LAN medium access control(MAC) and physical layer (PHY) specifications. Technical report, 1999.

[4] K. Bouchireb, C. Marin, P. Duhamel, et M. Kieffer, Improved retrans-mission scheme for video communication systems, Proc. IEEE PIRMC2008, Cannes.

Le contexteLors de la transmission de contenus multimédia sur des canaux sans fils telsque Wifi, WiMAX ou encore LTE, de nombreux paquets peuvent être enta-chés d'erreurs de transmission. Ces erreurs, lorsqu'elles ne sont pas corrigéespar les décodeurs de canal, conduisent généralement à la perte des paquetsconcernés, même si ceux-ci ne contiennent qu'un très faible nombre d'er-reurs.

L'objectif du décodage protocole-canal conjoint est d'exploiter la redondanceprésente au sein de la pile protocolaire pour améliorer le décodage des en-têtes des paquets erronés, voir la Figure 1. Ceci doit permettre la remontéede ces paquets au sein de la pile protocolaire, et leur prise en charge auniveau applicatif par des techniques de décodage source-canal conjoint [1].L'intérêt est de limiter le nombre de paquets à retransmettre.

Figure 1 : Pile protocolaire de type Wifi 802.11

Notre contribution Dans une chaîne de transmission de données en mode paquet, les en-têtesdes paquets successifs d'une même couche protocolaire sont fortement cor-rélés : leur contenu varie le plus souvent très peu d'un paquet au suivant.De même, les en-têtes des différentes couches protocolaires peuvent égale-ment présenter des redondances. Enfin, de nombreux en-têtes sont protégéspar des CRC ou des checksums, utilisés de manière classique pour vérifierl'intégrité de l'en-tête ou du paquet. L'idée du décodage protocole-canal conjoint est d'exploiter cette redondanceinter et intra-couches protocolaires pour réaliser une estimation eu sens dumaximum a posteriori des en-têtes des paquets au niveau de chaque coucheprotocolaire. La redondance permet de réduire significativement la taille del'espace de recherche pour les en-têtes erronés. De plus, CRC et checksumne sont plus utilisés comme codes à détection d'erreurs, mais sont intégrésdans l'estimateur au sens du maximum a posteriori, où ils jouent le rôle decodes correcteurs d'erreurs. La figure 2 illustre les performances de notre schéma de décodage protoco-le-canal conjoint dans un contexte de transmission de données via une pileprotocolaire de type Wifi 802.11 [3], pour les paquets de la couche physique(PHY). Les signaux sont modulés DBPSK et transmis sur canal à bruit

blanc additif gaussien. Le schéma de référence est un décodeur classique. Ledécodeur robuste exploite la redondance inter et intra-couches protoco-laires, tandis que le décodeur CRC-robuste exploite en plus la présence duCRC protégeant l'en-tête des paquets PHY. Des gains pouvant aller jusqu'à12 dB en rapport signal-à-bruit sont observés.

Figure 2 : Comparaison des performances pour le décodage des en-têtes de la couche physique

Nos perspectivesLa remontée de paquets erronés dans les couches protocolaires supérieurspermet de réduire largement la quantité de paquets à retransmettre(lorsque c'est possible). Nous souhaitons étendre aux couches supérieuresles résultats obtenus pour les couches PHY et MAC. Par ailleurs, un test aposteriori permettant de détecter si le décodage conjoint s'est effectué cor-rectement devient indispensable pour déterminer la qualité du paquet déco-dé. Quelques pistes ont été présentées en ce sens dans [4].


4.5 Traitement du signal pour le multimédia Signal processing for multimedia


Systèmes de numérisation Digitization systems

Richard KIELBASADépartement Signaux et Systèmes ÉlectroniquesCampus de GifTél. : 33 (0) 1 69 85 14 03E-mail : [email protected]

Philippe BENABESDépartement Signaux et Systèmes ÉlectroniquesCampus de GifTél. : 33 (0) 1 69 85 14 19E-mail : [email protected]

Caroline LELANDAIS-PERRAULTDépartement Signaux et Systèmes ÉlectroniquesCampus de GifTél. : 33 (0) 1 69 85 14 20E-mail : [email protected]

4.6

68


C'est une évidence de constater tout à la fois la dissémination et l'évolu-tion des performances des systèmes numériques mobiles et communicants(téléphones portables, PDA, GPS, etc.). L'augmentation des débits, l'opti-misation des ressources radio, la versatilité et l'interopérabilité des maté-riels mobiles (« radio logicielle ») nécessitent de résoudre de nombreux pro-blèmes. L'un d'entre eux est incontournable : celui du passage entre lemonde radio et le monde numérique. Les changements de fréquence et laconversion analogique-numérique classique ne permettent pas de s'adap-ter par logiciel à différents standards dont certains requièrent une largebande à faible résolution et d'autres une bande étroite mais avec une réso-lution élevée. Les systèmes de numérisation du futur devront, dans une technologie don-née, présenter ces caractéristiques afin de rendre réalisable le concept de« radio logicielle ». De tels systèmes feraient également jouer les écono-mies d'échelle, même si leur complexité intrinsèque est plus élevée.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

The general domain of mobile communications (cellular phones, PDAs,GPS) is always increasing. Higher data rates, optimization of the use of RFresources, versatility and interoperability of mobile terminals (e.g. “softwa-re radio”) need to solve a number of problems. One of them appears to becrucial: the necessary interface between the radio and digital worlds. IFstages and classical analog-to-digital conversion cannot fit to differentstandards requirements i.e. a wide bandwidth with a high resolution or anarrow bandwidth with a higher resolution.Tomorrow's digitization systems should offer, for a given process technolo-gy, the above characteristics in order to enable software radio applications.Defined to be versatile, such systems would lead to low costs of productionbecause of scaling effects, even though they would be certainly more com-plex than conventional ones.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Bancs de Filtres Hybrides (BFH) Les BFH permettent d'effectuer une conversion passe-bande large-bande. On peut de plus améliorer dynamiquement leur résolution dansune sous-bande. Ils se synthétisent à partir de filtres analogiques d'en-trée quelconques, mais leur sensibilité aux imperfections des dispositifsanalogiques exige l'emploi de techniques de compensation spécifiques(sujet 3).

2. Bancs de modulateurs sigma-deltaÀ l'origine, la mise en parallèle de modulateurs sigma-delta dérive duprincipe des BFH, mais du fait du suréchantillonnage, chaque sous-bande n'est convertie que par un seul modulateur, ce qui élimine lesproblèmes de repliement de spectre des BFH.

3. Compensation des défauts de l'analogique par adaptation dutraitement numériqueLes composants analogiques, indispensables dans les étages d'entrée,sont sources d'incertitudes (dérives, imprécision de fabrication…). Desméthodes numériques spécifiques permettent de les identifier, puis lescorriger. Il est cependant préférable d'adapter directement le traite-ment numérique sans identifier les imperfections. Dans le cas des BFH,l'égalisation adaptative permet d'effectuer une calibration du systèmeafin d'obtenir la résolution voulue dans la bande à convertir souhaitée.

Topics1. Hybrid Filter Banks (HFB)HFB allow band-pass and wide band conversion. Moreover, the resolu-tion may be dynamically improved in a narrower bandwidth. Some syn-thesis methods make it possible to design HFB from any analog inputfilters. But the HFB sensitivity to analog errors requires specific correc-tion techniques (topic 3).

2. Sigma delta modulators banksThis parallel delta-sigma modulators architecture relies upon frequencyband decomposition as HFB do, but due to oversampling, each subbandis converted by a single modulator, which removes the aliasing termsinherent in HFB.

3. Compensation of inaccuracy and drift in analog part of circuitsAnalog components must be present in the front-end, even if they aresubject to a number of uncertainties due to drifts, inaccuracy of the pro-cess… Relevant digital methods permit to identify and then compensatethese problems. It is however preferable to adapt directly the digital pro-cessing without identifying the imperfections. In the case of HFB, anadaptive equalization can calibrate the digital filtering in order to getthe good resolution in the signal band.


4.6 Systèmes de numérisation Digitization systems


.....................................................................................................................................................................................................................................

Band-Pass Continuous-Time Delta-Sigma Modulators employing acoustic waves filters resonators Modulateurs sigma delta passe-bande à temps continu à base de filtres à ondes acoustiques

.....................................................................................................................................................................................................................................

Philippe BénabèsRichard Kielbasa



4.6 Systèmes de numérisation Digitization systems

References

[1] R. Yu, Y.P. Xu, “Band-pass Sigma-Delta Modulator Employing SAWResonator as Loop Filter”, IEEE Transactions on Circuits and Systems,Regular Papers, Vol. 54, No. 4, April 2007.

[2] P. Benabes, A. Beydoun, J. Oksman, “Extended Frequency-Band-Decompostion sigma-delta A/D converter”, Analog Integrated Circuitsand Signal Processing, January 2009.

[3] M. Javidan, P. Benabes, “Band-Pass Continuous-Time Delta-SigmaModulators Employing LWR Resonators”, IEEE InternationalConference on Electronics, Circuits, and Systems (ICECS'08), ISBN: 978-1-4244-2181-7, pp. 1119-1122, St Julians, Malta, August 31 - September3, 2008.

IntroductionContinuous-time Sigma-Delta modulators are an attractive way to buildband pass A to D converters. They are composed with an analog modulatorthat oversamples the input signal and a digital filter that reduces the sam-pling frequency and removes the out-of-band quantization noise. The modu-lator consists in an analog filter, a fast A-to-D converter, and a feedback D-to-A converter. The filter is the critical part of the modulator as it must havepoles with high quality factor and precise resonance frequency. Among alltechnologies to build the filters, acoustic wave filters are a promising tech-nology, especially Lamb Waves Resonators [1].

Lamb Wave Resonator (LWR)The structure of Lamb Wave Resonators (LWR) which is similar to AcousticWave resonator (SAW) and Film Bulk Acoustic Resonator (FBAR), is compo-sed of a piezoelectric layer sandwiched between two thin electrodes and pla-ced on a membrane (Fig. 1). The LWR employs lateral wave propagation.

Figure 1: Lamb wave resonator working on (a) fundamental (b)third harmonic

The advantages of LWR are:- accurate central frequency without the need for tuning,- wide available resonant frequency range up to Gigahertz,- high stability versus temperature.

A LWR resonator can be modeled by a RLC serial filter in parallel with a capa-citance C0. C0 is the inherent static capacitance between the two terminals.The presence of the static capacitance leads us to use a differential resona-tor structure with anti-resonance cancelation (Fig. 2). Two capacitive paths(Cc) are added. These paths act effectively as a negative capacitance. If Cc ismade equal to C0, the effect of C0 can be cancelled.

Figure 2: Proposed resonator topologyto anti-resonance cancelation

New continuous-time modulator topologyIn the context of parallel converters banks [2], sigma delta modulators mustbe able to work in a wide range of central frequencies. The topology presen-ted in Fig.3 [3] can work at a central frequency between 0.2fs and 0.3fs wherefs is the sampling frequency.

The Gm elements are voltage to differential current converters, the Z aredual current to voltage converters, and the M element are true differentialcurrent to current converters (current mirrors). The signal transfer functionwill be controlled by the gains of Gm1, Gm2 & Gm3

Figure 3: Innovative modulator filter topology

There are two major advantages for this structure:

- the filter transfer function of this structure is compatible with a wide rangeof central frequencies,

- this topology employs a single feedback DAC.

The NTF can be controlled by the gains of the current mirrors and the DACdelay. The optimal DAC delay will be equal to 1:95Ts for a central frequencyequal to 0:2Fs. It should be 1:08Ts for a central frequency equal to 0:3Fs.

Fig.4 shows the Noise Transfer Function (NTF) of the topology obtained forthree central frequencies.(fc= 0.22fs , fc=0.25fs , fc=0.28fs).

Figure 4: Noise Transfer Function for three central frequencies (fc).

Résumé La conversion analogique-numérique très large-bande peut se réaliser par une mise en parallèle de modulateurs sigma-delta àcondition de savoir réaliser des modulateurs capables de travailler dans une large gamme de fréquences centrales. Afin degarantir une performance minimale, les filtres utilisés dans ces modulateurs doivent présenter des facteurs de qualité suffi-sants. Les filtres à ondes de Lamb, dont les fréquences de résonance peuvent être définies à la conception en fonction de para-mètres géométriques simples sont une solution prometteuse. Mais il est nécessaire de concevoir de nouvelles topologies de modu-lateurs compatibles avec ces filtres.


Outils méthodologiquesMethodological tools

Mérouane DEBBAHChaire Alcatel LucentCampus de GifTél. : 33 (0) 1 69 85 14 47E-mail : [email protected]

Samson LASAULCEL2S - Division Signaux Campus de GifTél. : 33 (0) 1 69 85 17 34E-mail : [email protected]

Antoine BERTHETDépartement TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 62E-mail : [email protected]

4.7

70


Dans ses premiers travaux, Shannon a étudié les transmissions point-à-point et a développé une théorie complète connue sous le nom de théoriede l'information. Aujourd'hui, les réseaux doivent faire face à des problèmes plus larges et plus complexes et ceci, pour trois raisons princi-pales : les réseaux sont hétérogènes en puissance de transmission, fré-quence, portée, efficacité spectrales et standards. Les communicationssont souvent limitées entre les systèmes et les décisions doivent se fairede manière décentralisée. Enfin, les systèmes sont souvent complexes etdenses et il est assez difficile de prendre en compte tous les paramètresd'intérêt. Un des problèmes les plus importants est de gérer la complexitéde ces systèmes et de développer les outils adéquats pour étudier les dyna-miques et les performances spatiales et temporelles des systèmes com-plexes. Afin de proposer une théorie fructueuse, la recherche dans cedomaine est interdisciplinaire et résulte d'un mélange de plusieurs théo-ries et domaines : théories des matrices aléatoires, théories des probabili-tés libres, inférence bayésienne, théorie des jeux, modèles graphiques et lagéométrie de l’information

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

In his early papers, Shannon studied the point-to-point channel and deve-loped a full theory known as information theory. Nowadays, wireless net-works face much broader and complex problems due to three facts: the sys-tems are heterogeneous in transmit power, frequencies, range, QoS require-ments, spectral efficiency and standards. Very often, no communication bet-ween the different systems is allowed and decisions have to be taken in adecentralized or distributed manner. Finally, systems are often dense andit is quite hard to capture all the parameters of interest. One of the mostchallenging problems is to manage complexity and develop the adequatetools to reason about the spatial and temporal dynamics of complex sys-tems. In order to provide a fruitful new theory, the research in this field isinter-disciplinary and is a blend of several important theories and fields,namely random matrix theory, free probability theory, Bayesian inference,game theory, graphical models and information geometry.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sujets1. Matrices aléatoiresThéorèmes centraux limites, comportement de la plus grande/petitevaleur propres, modèles spiked, matrices aléatoires non centrées,matrices aléatoires avec un profil de variances.

2. Théorie des probabilités libresDéconvolution libre, partitions non-croisées, transformées en R, trans-formées en S, méthodes des moments, cumulants libres, variables aléa-toires non-commutatives, produits libres, algèbres de Von-Neumann.

3. Inférences bayésiennesMéthodes Maxent, procédures de marginalisation, théorème de Bayes,comparaison de modèles bayésiens, description minimale, maximisationd'entropie.

4. Théorie des jeuxThéorie des jeux algorithmique, jeux coopératifs/non-coopératifs, équi-libres, jeux avec information complète/incomplète, théorie de la connais-sance, apprentissage, rationalité, jeux statiques/dyamiques.

5. Modèles graphiquesGraphes factoriels, réseaux bayésiens, champs de Markov, approxima-tion normale pour les champs de Markov et pour les graphes de dépen-dance, propagation de croyance, algorithme somme-produit, analyse enconvergence, évolution de densité, méthodes issues de la physique sta-tistique.

6. Géométrie de l'informationEtude des algorithmes itératifs, accélération de convergence, caractéri-sation des points d'équilibre.

Topics1. Random MatricesCentral limit theorems, behavior of the maximum/minimum eigenvalueof Random matrices, spiked models, non-central random matrices, ran-dom matrices with a profile of variance.

2. Free ProbabilityFree deconvolution, non-crossing partitions, R-transform, S-transform,moments method, free cumulant, non-commutative random variables,free products, Von-Neumann algebras.

3. Bayesian InferenceMaxent Method, marginalization procedure, Bayes theorem, Bayesian modelcomparison, Minimum description length, Occam's razor, entropy maximi-zation.

4. Game theoryAlgorithmic game theory, cooperative/non-cooperative games, equili-bria, games with complete/incomplete information, knowledge theory,learning, rationality, static/dynamic games.

5. Graphical modelsFactors graphs, Bayesian networks, Markov random fields, normalapproximation for MRF and for dependency graphs, belief propagation,sum-product algorithm, convergence analysis, density evolution, statisti-cal physics methods.

6. Information geometryIterative algorithms, accelerating their convergence, characterization of theirequilibrium points.


4.7 Outils Méthodologiques Methodological tools


.....................................................................................................................................................................................................................................

Matrices Aléatoires pour les Systèmes MIMO Broadcast et à Accès MultiplesRandom Matrices for Broadcast and Multiple Access MIMO Systems

.....................................................................................................................................................................................................................................

Abstract Multi-antenna (MIMO) systems have the potentiality to significantly increase channel capacity as has been theoreticallydemonstrated in the last decade. However, practical applications prove more challenging due to signal correlation at trans-mit/receive antenna arrays, which is rarely accounted for in theoretical studies. We propose here a methodology, based on arecent paper [1], to enable correlation parameters in multi-antenna systems. The rate regions of multiple access and broadcastMIMO channels are presented here as an introductory example.

Outils méthodologiquesMethodological tools

Antoine BERTHETDépartement TélécommunicationsCampus de GifTél. : 33 (0) 1 69 85 14 62E-mail : [email protected]

Romain CouilletMérouane Debbah


Position du problèmeLes systèmes de communication à N antennes de transmission et nantennes de réceptions (MIMO) promettent en théorie un gain multiplicatifd'ordre min(n,N) comparé aux systèmes mono-antenne. Cependant, en pra-tique, la corrélation due à la proximité des antennes et aux directions detransmission porteuses d'énergie utile (celle qui sera effectivement reçue)réduit largement ce gain attendu. Nous proposons ici une méthode permet-tant d'intégrer ce paramètre de corrélation dans les calculs de capacité théo-rique. L'ingrédient essentiel de cette méthode repose sur un théorèmerécent dû à Silverstein [1]. Une application de nos résultats au cas decanaux MIMO broadcast et à accès multiples est également présentée.

ContributionsLe résultat clé de notre étude est un théorème liant des modèles de corréla-tion spatiale, exprimés sous forme matricielle T, NxN, et R, nxn, représen-tant respectivement la corrélation croisée entre antennes de transmissionet de réception d'un système MIMO, à la transformée de Stieltjes de lamatrice A=R1/2XTXHR1/2 où X est une matrice aléatoire gaussienne. Cette der-nière matrice caractérise la réalisation spécifique du canal à corrélationséparée R1/2XT1/2. La capacité d'un tel système est alors liée à la transforméede Shannon de A, i.e. une forme intégrale de la transformée de Stieltjes deA. La méthode en question se généralise alors à des systèmes à plusieursémetteurs et/ou plusieurs récepteurs.

L'intérêt majeur de cette méthode réside dans le fait que l'expression théo-rique de la capacité est indépendante de la réalisation spécifique du canal(donnée par la matrice X) et n'est alors qu'une fonction déterministe desmatrices de corrélation T et R.

Parmi les systèmes étudiés à ce jour à l'aide de cette méthode, nous comp-tons :

• les systèmes multi-cellulaires, de type téléphonie mobile, avec interféren-ce entre cellules. La capacité de transmission de tels systèmes lorsque lessources d'interférence sont décodées par chaque récepteur ou considéréescomme du bruit additif est déterminée [1,2] ;

• les systèmes à accès multiples où plusieurs émetteurs partagent les mêmeressources fréquentielles et temporelles et les systèmes « broadcast » danslesquels une source accède à plusieurs récepteurs sur une même ressour-ce [1,3].

A l'aide de cette nouvelle approche théorique, nous apportons pour tous sessystèmes des algorithmes d'optimisation convexe [2,3] (ou des heuristiques[1,3]) d'allocation de puissance par antenne de transmission lorsque l'émet-teur a connaissance parfaite du canal de transmission. Nous montrons que,via ces algorithmes, un gain potentiellement large en capacité peut êtreatteint.

Il est important de souligner que cette méthode n'est en théorie valide quepour de larges valeurs pour n,N. Il est cependant montré en simulations quede faibles valeurs pour n,N donnent lieu à une quasi-coïncidence entre théo-rie et simulations, dès lors que le rapport signal sur bruit (SNR) n'est pastrop large.

Un exemple de résultatsEn Figure 1 est présentée la région de capacité de deux utilisateurs, munischacun de 4 antennes proches, dans un canal « broadcast ». L'émetteur estlui muni de 8 antennes à distance modérée l'une de l'autre. La valeur duSNR est de -5 dB. Un algorithme d'allocation sous-optimal de puissance estappliqué. Nous observons en particulier le gain large en capacité pour letransmetteur à mettre en place une allocation efficace de puissance sur sesantennes.

Figure 1 : Région de capacité d'un canal broadcast à 2 utilisateurs, n=4,N=8, SNR=-5 dB. En ligne pleine, uniforme allocation de puissance parantenne de transmission.


4.7 Outils Méthodologiques Methodological tools

Références

[1] R. Couillet, M. Debbah and J. Silverstein, “A deterministic equivalentapproach for the capacity analysis of multi-user MIMO channels”,Submitted to IEEE Trans. on Information Theory.

[2] R. Couillet, M. Debbah and J. Silverstein, “Asymptotic Capacity ofMulti-User MIMO Communications”, IEEE ITW 2009 Conference,October 2009, Italy.

[3] R. Couillet, M. Debbah and J. Silverstein, “Rate Region of CorrelatedMIMO Multiple Access Channels and Broadcast Channels”, IEEE SSP2009 Conference, Cardiff, UK.


342_p_12170_5

Documents