modélisation des canaux dans les réseaux sans...

Modélisation des canaux dans les réseaux sans fil

AGUEH max

Equipe: Communications numériques et Radiofréquences

Responsable: Jean-François DIOURIS


I –Introduction : Modélisation du canal au niveau paquet

II – Analyse des traces au niveau d’un canal sans fil : Canal de type GSM

III- Performances des modèles

IV - Conclusion

Plan:


Modélisation du Canal au niveau paquet

I – Introduction : Modélisation du canal au niveau paquet

I – Introduction : Modélisation du canal au niveau paquet

I-1 Canaux sans mémoire : ex Canal Binaire symétrique (BSC)


0 0

1 1

1-P

1-P

P P

I -2 Canaux à mémoire: basés sur les chaînes de Markov


Modèles basés sur les chaînes de Markov d’ordre k: ex du modèle de Gilbert et de Gilbert-Elliot

Modèle « HMM » (Hidden Markov Model)

Modèle « MTA » (Markov based Trace Analysis model)

Modèle « ON/OFF »

II – Analyse des traces au niveau d’un canal sans fil : Canal de type GSM

Paramètres statistiques de premier et second ordre


II-1 Caractéristiques du canal

Traces du canal et test de stationnarité

Paramètres statistiques de premier ordre



La longueur moyenne des séquences de paquets erronés

La longueur moyenne des séquences de paquets sans erreurs

XY

XXCov X /)( σ=La covariance des longueurs de séquences de paquets erronés

YYCov Y /)( σ=La covariance des longueurs de séquences de paquets sans erreurs

Paramètres statistiques de second ordre



• Taux de paquets erronés YX

XFER+

=

{ }{ }yYPyF

xXPxFc

Y

cX

>=

>=

)(

)()(

)(•Fonction de répartition complémentaire (Complémentary Cumulative Distribution Function)

•Autocorrélation du taux de paquets erronés

])[(/)])([()( 2ZZEZZZZEh iihiZ −−−= +ρ

Traces du canal et test de stationnarité



•Fonctions de répartition complémentaire


•Fonctions d’autocorrélation


II-2 Modèles de Canaux à mémoire


Modèles basés sur les chaînes de Markov d’ordre k: ex du modèle de Gilbert et de Gilbert-Elliot

Modèle « HMM » (Hidden Markov Model)

Modèle « MTA » (Markov based Trace Analysis model)


II-2 Modèles de canaux à mémoire


Modèles basés sur les chaînes de Markov d’ordre k: ex du modèle de Gilbert et de G-E



Gilbert channel model: canal mémoire d’ordre 1 ( chaîne de Markov à 2 états -bad and Good state)Gilbert-Elliot channel model: canal mémoire d’ordre 1 ( chaîne de Markov à 2 états -bad and Good state)



Modèle « Markov based Trace Analysis model»



Modèles « HMM » (Hidden Markov Model)


III- Performances des modèles:

Comparaison des fonctions de répartition

Comparaison des fonctions d’autocorrélation

Comparaison des FER


III- Performances des modèles: Comparaison des FER


III- Performances des modèles: Comparaison des CCDF (MTA, MM, HMM)


III- Performances des modèles: Comparaison des CCDF (MTA, On/Off)


III- Performances des modèles: Comparaison des fonctions d’autocorrelation (MTA, MM, HMM)


III- Performances des modèles: Comparaison des fonctions d’autocorrelation (MTA et On/Off)


IV - Conclusion

• Les modèles de canaux basés sur le MTA et HMM ne sont pas une très bonne approximation des canaux réels

•Le modèle On/Off surpasse les modèles de canaux basés sur le MTA et HMM

Modélisation de canaux dans les réseaux sans fil

V – Bibliographie:

•Ping Ji, B. Liu, D. Towsley, Zihui Ge,J. Kurose Modeling Frame-level Errors in GSM Wireless Channels. Internet performance Symposium.V 55,issue 1-2 (January 2004)

•Almudena Konrad,Ben Y. Zhao,Anthony D. Joseph, and Reiner Ludwig. A Markov-Based Channel Model Algorithm for Wireless Network. In Fourth ACM International Workshop on Modeling, Analysis and Simulation of Wireless and Mobile Systems (MSWiM),2001

• Lawrence R. Rabiner. A tutorial on hidden markov models and selected applications in speech recognition.IEEE, Vol.77(2):257-286, Feb 1989

Modélisation de canaux dans les réseaux sans fil

MERCI

modélisation des canaux dans les réseaux sans...

Documents