ts217 - communications numÉriques sans fil
TRANSCRIPT
1
TS217 - COMMUNICATIONS NUMÉRIQUES SANS FIL
Benoît ESCRIG / ENSEIRB-MATMECA / IRIT10/01/13
Communications Numériques Sans Fil Benoît ESCRIG 1
Bibliographie
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
2
Rappaport : Wireless Communications, 2ème Edition, Ed Prentice Hall, 2002
Sklar : Digital Communications, Fundamentals And Applications, Ed. Prentice Hall, 2004
Proakis : Digital Communications, 4ème Edition, Ed Mac GrawHill, 2001
Haykin, Moher : Modern Wireless Communications, Ed Prentice Hall, 2005
Objectif général du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
3
Modèles de canaux radio-mobiles
Techniques d’égalisation
Modèle de transmission sans fil
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
4
Un émetteur (mobile ou fixe) avec un modem
Un récepteur (mobile ou fixe) avec un modem
Entre l’émetteur et le récepteur : le canal de transmission (l’air)
Voie descendante, voie aller, downlink : station de base vers terminal.
Voie montante, voie retour, uplink : terminal vers station de base.
2
Intérêt du canal AWGN
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
5
Cours précédents : conception d’équipements dans le cadre d’un canal AWGN (Additive White Gaussian Noise)
Canal AWGN : canal idéal (performances de référence)
Exemple : BER d’une BPSK avec Eb/N0, SNR moyen par bit
-5 0 5 1010-6
10-4
10-2
100
Eb/N
0 (dB)
Pb
Probability of Error for Binary Modulation
=
021
NE
erfcP bb
Apport des techniques de transmission avancées
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
6
Canaux de propagation réels : dégradation des performances de BER par rapport au cas AWGN
Contrainte : besoin de techniques de transmission pour se rapprocher des performances des canaux AWGN
-5 0 5 1010
-6
10-4
10-2
100
Eb/N
0 (dB)
Pb
Probability of Error for Binary Modulation
Canal sélectif en fréquence sans correction des ISI
Canal sélectif en fréquence avec correction des ISI Canal AWGN
Canal AWGN vs canal de communication sans fil
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
7
EMETTEURBITS
BRUIT AWGN
RECEPTEUR BITS
CANAL AWGN
EM.BITS
BRUIT AWGN
RE. BITS
CANAL DE COMMUNICATION SANS FIL
FILTRE VARIANT ALÉATOIREMENT DANS LE TEMPS
Connaissances acquises à l’issue du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
8
Caractérisation des canaux de transmission sans fil :
Trajets multiples, fading, slow et fast fading, sélectivité en fréquence et flat fading
Égalisation
Pré-requis : Modulations numériques :
M-PSK pour M-ary Phase Shift Keying
M-QAM pour M-ary Quadrature Amplitude Modulation
Canaux AWGN et récepteurs numériques
Canaux à bande limitée, ISI (Inter-Symbol Interference)
3
Plan du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
9
I. Modélisation des canaux radio-mobiles
II. Égalisation
III. Conclusion
Plan du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
10
I. Modélisation des canaux radio-mobiles
II. Égalisation
III. Conclusion
Utilisation des modèles de canaux
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
11
Canaux : élément conditionnant l’utilisation des techniques de transmission
Exemple : utilisation de l’égalisation pour pallier la sélectivité en fréquence des canaux
-5 0 5 1010
-6
10-4
10-2
100
Eb/N
0 (dB)
Pb
Probability of Error for Binary Modulation
Canal sélectif en fréquence sans correction des ISI
Canal sélectif en fréquence avec correction des ISI Canal AWGN
Caractérisation des canaux sans fil
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
12
Atténuation de la puissance émise
Phénomène de trajets multiples
Phénomène de fading
Trajets multiples
Fading
4
Caractérisation de l’atténuation de la puissance émise
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
13
Perte en espace libre : formule en 1/dn où d représente la distance entre l’émetteur et le récepteur
Pertes dues aux gros obstacles (shadowing) : variations gaussiennes sur les pertes en dB (variations log-normales sur les pertes en échelle linéaire)
Exemple : cas d’une antenne isotropique
Lp(d) dépend de d et de la longueur d’onde du signal λ (λ = c/f)
Rappel : c=3.108m/s
Application numérique : GSM Fréquence : 900 MHz
Affaiblissement entre une station de base et un portable situé à 100 m : 70 dB
( ) ( )λπ 24 ddLp =
Variations log-normales autour de la perte moyenne
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
14
Fading à long terme : RV (random variable) Ls(d) composée d’une valeur moyenne et d’une RV Xσ
Xσ : RV log-normale en échelle linéaire; donc Xσ normale en échelle logarithmique
Dynamique : de 6 à 10 dB, voire plus
( ) ( ) ( )σXdLdL ss ×=( ) ( ) ( )dBdBsdBs XdLdL σ+=
atténuation
atténuation moyenne
Gestion à long terme de l’atténuation de la puissance émise
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
15
Puissance reçue mesurée par le récepteur
Puissance comparée au niveau minimal requis pour atteindre les objectifs en termes de performances
Mesure renvoyée à l’émetteur qui ajuste la puissance à émettre en conséquence
Phénomène à long terme ne nécessitant pas un temps de réaction rapide
t
Puissance reçue
Pmin
Trajets multiples et fading
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
16
Phénomène de trajets multiples
Point de vue macroscopique : réflexions des ondes électromagnétiques (EM) les obstacles entre l’émetteur et le récepteur
Réception de plusieurs signaux décalés en temps
Phénomène de fading
Point de vue microscopique : diffractions et réfractions des ondes EM sur les obstacles
Continuum de trajets multiples
5
Modèle de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
17
Trajets multiples : réception de plusieurs versions atténuées et retardées du signal émis s(t)
Fading : une atténuation aléatoire sur chaque trajet
Utilisation du modèle « trajets multiples » et du modèle « fading »
Trajets multiples dès que les trajets sont séparables
Sinon, fading
Pratique : mélange des deux modèles
Trajets multiples
Fading
Modèles mathématiques correspondants
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
18
( ) ( ) ( )tnτtshtrN
iii +−=∑
−
=
1
0
Notations : Bruit AWGN (Additive White Gaussian Noise) : n(t) Coefficient du trajet i : hi ou hi(t) Signal reçu : r(t). Nombre de trajets identifiables : N
( ) ( ) ( )[ ] ( )tntτtsthtrN
iii +−=∑
−
=
1
0
( ) ( ) ( )
( ) ( ) ( )[ ] ( )tntτtsthtr
tnτtshtrN
iii
+−=
+−=∑−
=
1
0 égaux ≈iτ
Modèle trajets multiples
Modèle fading
Modèle général
Caractérisation des phénomènes de dispersion d’énergie par rapport au modèle de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
19
Loi des coefficients multiplicatifs
Étalement temporel du signal reçu
Variation temporelle du canal
Gestion des phénomènes dus aux trajets multiples et au fading
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
20
Échelle temporelle des phénomènes trop courte pour qu’ils soient compensés par un ajustement de la puissance émise
Impact sur le signal : atténuation mais surtout déformation (pas de compensation possible par augmentation de la puissance)
Solution : techniques de réception combinées avec des techniques d’émission
t
Puissance reçue
6
Caractérisation des phénomènes de dispersion d’énergie par rapport au modèle de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
21
Loi des coefficients multiplicatifs
Étalement temporel du signal reçu
Variation temporelle du canal
Loi des coefficients multiplicatifs
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
22
Gain hi de chaque trajet i : coefficient aléatoire complexe
Phase uniformément répartie sur [0,2π[
Si ligne de mire : le module de hi suit une loi de Rice
Sinon, le module de hi suit une loi de Rayleigh
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.1
0.2
0.3
0.4
0.5
0.6
0.7Densités de Probabilité (σ2=1 et s=1)
x
pX(x)
loi de riceloi de rayleighloi gaussienne
Fading de Rayleigh
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
23
Loi de h : loi de Rayleigh
C’est le modèle de fading privilégié car il modélise les conditions les plus sévères avec l’expression la plus simple
( )
−= 2
2
2~2
expσ
xσ
xxp
h
22~sc hhhh +==
sc jhhh +=
Exemple : modèle TU 50
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
24
Typical Urban 50 km/h
Modèle de propagation pour le GSM
50 km/h
Canal TU 50
Delays (in ns) 0 200 500 1600 2300 5000
Powers (in dB) -3.0 0.0 -3.0 -6.0 -8.0 -10.0
7
Exemple : modèle TU50
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
25
Les retards sont fixes
Les modules des gains suivent des lois de Rayleigh
Les puissances indiquées donnent la différence (en dB) entre la puissance reçue par le trajet et la puissance émise
Power_i(dB) = P_reçue_i(dB) - P_émise = |αi|²(dB)
Exemple : modèle TU 50Réponse impulsionnelle
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
26
Débit = 270,83 kbit/s
T=1/D = 36,92 µs
OvsF=8
Te=T/OvsF = 4,62 µs
fc= 900 MHz
v= 50 km/s
c=3e8 m/s
fd = fc*v/c
-1 0 1 2 3 4 5x 10
-6
0
0.2
0.4
0.6
0.8
1TU50 Path Gains
Delays (s)
Exemple : modèles HTx
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
27
Modèle de propagation en terrain avec collines
Le ‘x’ désigne la vitesse du terminal
Source : 3GPP TS 05.05 (08/2003)
Commentaires sur le choix de la loi du module des gains
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
28
Le modèle de Rayleigh est davantage utilisé que le modèle de Rice pour les raisons suivantes :
Le modèle de Rayleigh correspond à une propagation sans ligne de mire, donc plus contraignante. Cela permet de se fonder sur le pire cas
Le modèle Rayleigh correspond à de nombreux cas pratiques de propagation, en milieu urbain ou en propagation intérieure (indoor). Il est donc plus souvent rencontré dans la pratique
L’expression mathématique d’une loi de Rayleigh est plus simple que celle d’une loi de Rice
8
Caractérisation des phénomènes de dispersion d’énergie par rapport au modèle de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
29
Loi des coefficients multiplicatifs
Étalement temporel du signal reçu
Variation temporelle du canal
Fonction de transfert du canal C(f,τ)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
30
Pour évaluer l’impact du canal sur le signal reçu (évolution temporelle du signal reçu), comme pour évaluer la variation temporelle du canal, les propriétés statistiques de la fonction de transfert du canal sont étudiées
La fonction de transfert du canal varie au cours du temps : elle est donc notée C(f,τ)
Cela correspond à la fonction de transfert obtenue à la date τ
f
C(f,τ)
τ
Utilisation de C(f,τ)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
31
Fonction de corrélation en temps et en fréquence
∆f tend vers 0∆τ tend vers 0
Corrélation statistique en fréquence
Corrélation statistique en temps
Caractérisation de l’étalement temporel du signal reçu
Caractérisation de la variation temporelle du canal
RCC(∆f,∆τ)
Bande de cohérence Bc et sélectivité en fréquence des canaux de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
32
Sélectivité en fréquence
Bc < W canal sélectif en fréquence (frequency selective channel)
Bc > W canal non sélectif en fréquence (flat fading)
La bande de cohérence Bc donne une approximation de la bande sur laquelle le canal se comporte comme un gain constant
La bande de cohérence Bc permet de caractériser l’étalement temporel du signal reçu dans le domaine des fréquences
Principe : comparer Bc à W, la bande occupée par le signal émis
Rappel : W est proportionnel à D, débit symbole
9
Canaux sélectifs en fréquence (Bc < W)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
33
La bande dans laquelle le canal se comporte comme un gain constant est inférieure à la bande du signal émis
Interprétation : il y a des parties de W filtrées de façon différente et le canal introduit des gains différents en fonction de la fréquence
Bc
W|C(f,τ)|
f
Impact de la sélectivité en fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
34
La fonction de transfert ne se comporte pas comme un gain
Au niveau du modèle mathématique, cela se traduit par un signal reçu constitué de plusieurs répliques d’un même signal
Au niveau du symbole traité rk, intervient non seulement le symbole émis sk mais également une combinaison linaires d’autres symboles
C’est l’interférence entre symboles (ISI pour Inter-Symbol Interference)
( ) ( ) ( )
nkn
knnnnn
N
iii
nshshr
tnτtshtr
++=
+−=
∑
∑
≠−
−
=
1
0
Impact de l’interférence entre symboles
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
35
La distance entre les symboles d’une constellation diminue et la transmission devient d’autant plus sensible à un même niveau de bruit
Visualisation : diagrammes de l’œil ou constellations
Sans ISI Avec ISI
Diagramme de l’oeil
Constellations
-1 -0.5 0 0.5 1-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Time
Am
plit
ude
Eye Diagram
-20 -15 -10 -5 0 5 10 15 20-5
-4
-3
-2
-1
0
1
2
3
4
5
Time
Am
plitu
de
Eye Diagram
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Exemple de canal à trajets multiples : c(t)=δ(t)+0,5δ(t-T)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
36
T : période symbole
c(t)s(t) r(t)
n(t)
( ) ( ) ( ) ( )( ) ( ) ( ) ( )tnTtststr
tntstctr
+−+=+=5,0
*
0
1
0
0
==
τα T=
=
1
1 5,0
τα
10
Exemple : fonction de transfert associée à c(t)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
37
( ) ( ) ( )
( ) ( )fTjfC
Ttttc
π
δδ
2exp5,01
5,0
−+=
−+=
0 0.5 110
-1
100
Normalized Frequency
|C(f)| / c(t)=δ(t)+0,5δ(t-T)
Conséquence : sélectivité en fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
38
La fonction de transfert C(f) n’est pas constante et introduit des interférences entre symboles ou ISI (Inter-SymbolsInterferences)
L’ISI contribue à diminuer la distance minimale entre les symboles et donc à augmenter le BER (Bit Error Rate) à niveau de bruit AWGN constant
0 2 4 6-2
-1
0
1
2Emitted signal s(t)
[t/T]0 2 4 6
-2
-1
0
1
2Received signal r(t)
[t/T] -2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Canaux non sélectif en fréquence -flat fading -(Bc > W)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
39
La bande dans laquelle le canal se comporte comme un gain constant est supérieure à la bande du signal émis
Interprétation : toute la bande W est filtrée avec un gain constant
Bc
W|C(f,τ)|
f
Impact des canaux peu sélectifs en fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
40
Le canal se comporte comme un gain mais ce gain peut être inférieur à 1
Conséquence : chute possible du SNR et donc dégradation des performances en termes de BER
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000
0.2
0.4
0.6
0.8
1
1.2
1.4
( ) ( ) ( )tnthstr +=
11
Étalement des trajets multiples Tm et sélectivité en fréquence des canaux de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
41
Sélectivité en fréquence
Tm > T canal sélectif en fréquence (frequency selective channel)
Tm < T canal non sélectif en fréquence (flat fading)
L’étalement des trajets multiples Tm donne une approximation du temps pendant lequel toute l’énergie servant à émettre un symbole va être reçue.
L’étalement des trajets multiples Tm permet de caractériser l’étalement temporel du signal reçu dans le domaine temporel.
Principe : comparer Tm à T, la période symbole.
mc T
B 1≈
Sélectivité en fréquence caractérisée dans le domaine temporel
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
42
Tm > T : canal sélectif en fréquence (frequency selective channel).
L’énergie émise pendant une durée T est récupérée sur une durée supérieure à T
Interprétation : dispersion de l’énergie transmise pour un symbole au delà de la durée d’un symbole
Conséquence : ISI (Inter Symbol Interference)
Tm < T : canal non sélectif en fréquence (flat fading)
L’énergie émise pendant une durée T est récupérée sur une durée inférieure à T
Interprétation : pas d’ISI mais un risque de combinaison destructive des trajets (opposition de phase)
Conséquence : chute possible du SNR
Caractérisation des phénomènes de dispersion d’énergie par rapport au modèle de propagation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
43
Loi des coefficients multiplicatifs
Étalement temporel du signal reçu
Variation temporelle du canal
Temps de cohérence Tc
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
44
Vitesse de fading
Tc > T Fading lent (slow fading)
Tc < T Fading rapide (fast fading)
Le temps de cohérence Tc donne une approximation du temps pendant lequel le comportement du canal est relativement constant
Le temps de cohérence Tc permet de caractériser la variation temporelle du canal dans le domaine temporel
Principe : comparer Tc à T, la période symbole
12
Slow fading si Tc > T
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
45
Le temps pendant lequel le comportement du canal est identique est plus grand que la période symbole
Interprétation : le canal change mais lentement
Conséquence : il est possible de considérer que les coefficients du canal ont des valeurs constantes pendant un certain laps de temps (correspondant à la durée d’émission d’une trame, par exemple)
( ) ( ) ( )tnτtshtrN
iii +−=∑
−
=
1
0
Fast fading si Tc < T
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
46
( ) ( ) ( )[ ] ( )tntτtsthtrN
iii +−=∑
−
=
1
0
Le temps pendant lequel le comportement du canal est identique est plus petit que la période symbole
Interprétation : le canal change très rapidement
Conséquence : il est impossible de considérer les gains des trajets comme constants sur une fenêtre d’observation
Étalement Doppler fd
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
47
Vitesse de fading
fd < W Fading lent (slow fading)
fd > W Fading rapide (fast fading)
L’étalement Doppler fd donne une approximation de la bande sur laquelle le canal étale les composantes spectrales
L’étalement Doppler fd permet de caractériser la variation temporelle du canal dans le domaine des fréquences
Principe : comparer fd à W, la bande occupée par le signal
dc f
T 1≈
Vitesse de fading caractérisée dans le domaine des fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
48
Slow fading si fd < W La bande sur laquelle le canal étale les composantes spectrales est
inférieure à la bande occupée par le signal
Interprétation : le canal varie lentement dans le temps
Conséquence : il est possible d’adapter les techniques de réception aux changements du canal
Fast fading si fd > W La bande sur laquelle le canal étale les composantes spectrales est
supérieure à la bande occupée par le signal
Interprétation : le canal varie rapidement dans le temps
Conséquence : il est impossible d’adapter les techniques de réception aux changements du canal
13
Conclusion
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
49
Deux types de fading pour les communications sans fil
Fading à long terme : atténuation de la puissance émise
Compensation du fading à long terme :
Augmenter la puissance émise ou diminuer la puissance requise à l’arrivée (par des codes correcteurs par exemple)
Fading à court terme : déformation du signal émis
Compensation du fading à court terme :
Utiliser des techniques de diversité en fonction du type de fading
Récapitulatif
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
50
Canal sélectif en fréquence (ISI)Tm > T
Flat Fading (perte de SNR)Tm < T
Canal sélectif en fréquence (ISI)Bc < W
Flat Fading (perte de SNR)Bc > W
Fading rapide (échec PLL, fort Doppler)fd > W
Fading lent (perte de SNR)fd < W
Fading rapide (échec PLL, fort Doppler)Tc < T
Fading lent (perte de SNR)Tc > T
Etalementtemporel du signal
Variation temporelledu canal
Modèle de canal : récapitulatif
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
51
( ) ( ) ( ) ( )( ) ( )[ ] ( )tntτtsth
tntsτthtrN
iii +−=
+=
∑−
=
1
0
*,
( ) ( ) ( ) ( )( ) ( )tnτtsh
tntsthtrN
iii +−=
+=
∑−
=
1
0
*
( ) ( ) ( ) ( )tntsthtr +=
( ) ( ) ( )tnthstr +=Étal
emen
t D
oppl
er
Bande de cohérence
W
W
Non sélectif en fréquence et Slow Fading
Sélectif en fréquence et Slow Fading
Sélectif en fréquence et Fast Fading
Non sélectif en fréquence et Fast Fading
Plan du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
52
I. Modélisation des canaux radio-mobiles
II. Égalisation
III. Conclusion
14
Pourquoi commencer par l’égalisation ?
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
53
Parmi les techniques présentées dans le cours, l’égalisation est la première technique à avoir été utilisée, dans les systèmes filaires, puis dans les systèmes sans fil
L’égalisation répond aux problèmes causés par les canaux sélectifs en fréquence : Bc < W
Bc, bande de cohérence du canal
W, bande occupée par le signal
Conséquence : ISI
WC(f,t)
fBc
Idée de base
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
54
Un égaliseur est utilisé à la réception pour compenser les atténuations du canal dans certaines bandes de fréquences
Premiers développements
1965 : bases de l’égalisation et de l’égalisation adaptative par Lucky
1972 : égalisation optimale MLSE par Forney (algorithme de Viterbi appliqué à l’égalisation)
WC(f,t)
fBc
Égaliseur
Égalisation temporelle et égalisation en fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
55
Égalisation Application Utilisation
Temporelle r(t) Canaux peu sélectifs (RI sur peu de symboles)
En fréquence R(f) Canaux très sélectifs
Contrainte : connaissance de la RI du canal
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
56
Pour compenser les distorsions causées par le canal, il faut connaître la réponse impulsionnelle (RI) du canal
Pour connaître la RI du canal, l’émetteur doit émettre une séquence de bits connue du récepteur : c’est la séquence d’apprentissage
TS DATA CANAL TS DATA
Estimation RI canal
15
Égalisation et slow fading
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
57
Dans le cas des canaux slow fading, il est possible d’adapter les techniques d’égalisation aux variations temporelles du canal par égalisation adaptative
Tc>T (Tc, temps de cohérence du canal, T, période symbole)
CANAL
Variations du canal
Égalisation
Trois approches
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
58
Égaliseur MLSE (Maximum Likelihood SequenceEstimator) : égaliseur optimal mais dont la complexité peut être rédhibitoire
Égaliseurs linéaires (filtres linéaires) : égaliseurs sous-optimaux mais beaucoup moins complexes que le MLSE
Égaliseurs non linéaires : compromis entre les égaliseurs linéaires et le MLSE
II. Égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
59
1. Nouveau modèle de canal
2. Égaliseur MLSE
3. Trois égaliseurs
II. Égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
60
1. Nouveau modèle de canal2. Égaliseur MLSE
3. Trois égaliseurs
16
Modèle de chaîne passe-bas équivalente
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
61
Bits
EMETTEURr(t)RECEPTEUR
g(t) c(t)
n(t) complexeAWGN 2N0
Bits
CANAL
s(t)
Mapping en fonction de la modulation numérique utilisée
Filtre de mise en forme Filtre adapté
Détecteur
( )th −*
Hypothèses
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
62
x(0)=1
Échantillonnage prenant en compte les temps de propagation de groupe de tous les filtres
Bits
EMETTEURr(t)RECEPTEUR
g(t) c(t)
n(t) complexeAWGN 2N0
Bits
CANAL
s(t)
( )th −*
( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )thtnt
ththtx
tgtcth
−=−=
=
*
*
*
*
*
ν
Sortie du filtre adapté
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
63
kknn
knnkk xIIy ν++= ∑+∞
≠=−
,0
Bits
EMETTEURr(t)RECEPTEUR
g(t) c(t)
n(t) complexeAWGN 2N0
Bits
CANAL
s(t)
( )th −*
Modèle de chaîne passe-bas équivalente sur les symboles
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
64
Problème : le bruit ν(t) n’est plus blanc car il résulte du filtrage de n(t), bruit AWGN
Or, la plupart des techniques d’égalisation se fonde sur une hypothèse de bruit blanc
D’où, la nécessité de blanchir le bruit coloré
xk
νk bruit gaussien complexe
nI kknn
knnkk xIIy ν++= ∑+∞
≠=−
,0
yk
17
Chaîne passe-bas équivalente avec les TZ
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
65
( )zI
ν(z)
( )zX
( )zI
ν(z)
( ) ( ) ( )1*. −= zFzFzX V(z)( )1*
1−zF
Blanchiment du bruit
xk
νk
nI yk
TZ : transformée en z
Y(z)TZ
Décomposition de X(z)
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
66
Hypothèse : canal à mémoire bornée, donc xk est tel que k appartient à [-L,+L]
Conséquence : X(z) à coefficients tels que xk = 0 pour |k|>L
X(z) peut se décomposer en deux polynômes F(z) et F*(z-1)
( ) ∑+
−=
−=L
Lk
kkzxzX
( )
( ) ∑
∑+
=
+−
+
=
−
=
=
L
k
kk
L
k
kk
zfzF
zfzF
0
*1*
0
( ) ( ) ( )1*. −= zFzFzX
Nouveau modèle de canal
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
67
Bruit blanc complexe ηk de densité spectrale 2N0
Possible normalisation des coefficients fn
( )zI ( )zF V(z)
η(z)
k
L
nknnk Ifv η+=∑
=−
0
10
2=∑=
L
nnf
Objectif de l’égalisation : restituer les In en traitant les vk
II. Égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
68
1. Nouveau modèle de canal
2. Égaliseur MLSE3. Trois égaliseurs
18
Égaliseur MLSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
69
Hypothèse : le récepteur connaît le canal
Le récepteur sait calculer la valeur théorique des symboles qu’il peut recevoir
L’égaliseur va comparer les séquences de symboles reçues aux séquences théoriques pré-calculées : estimateur séquentiel du maximum de vraisemblance (Maximum Likelihood Sequence Estimator)
Égaliseur MLSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
70
Si la RI du canal est connue et si le traitement des symboles se fait sur des séquences de N symboles, le récepteur génère les MN séquences possibles qu’il peut recevoir
RI du canalMN séquences de N symboles
Génération de MN
séquences types
Égaliseur MLSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
71
Calcul des distances euclidiennes entre la séquence reçue et MN séquences possibles
Choix de la séquence donnant la plus petite distance
Génération de MN
séquences types
EGALISEUR MLSEséquence de N symboles reçue
Séquence estimée
Avantages et inconvénient de l’égaliseur MLSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
72
Avantages : Égaliseur optimal en termes de probabilité d’erreur (cad en termes de
performances) car de type ML
Fait l’égalisation et la détection en même temps
Inconvénient : à chaque séquence de N symboles reçue, il faut calculer MN distances
19
Égaliseur de Viterbi
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
73
Réduction du nombre d’opérations par l’utilisation de l’algorithme de Viterbi
Même principe que pour le décodage des codes convolutifs x x
entrée
sortie
Exemple de codeur C(3,½)
Analogie entre un codeur convolutif et un canal
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
74
Canal : codeur convolutif de rendement 1 et de longueur de contrainte L+1
Entrées et sorties complexes (décodage avec des distances euclidiennes et non plus des distances de Hamming)
xIn
sortie
0,5
Exemple : canal [1 0,5]
Exemple : BPSK et canal [1 0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
75
Symboles In : -1 (0 émis) ou +1 (1 émis)
xIk
sortie
0/-1
1/+1
entrée 0/-1
entrée 1/+1
-1,5
+0,5
kkkk IIv η++= −15,0
0,5
0/-1
1/+1+1,5
-0,5
Exemple : décodage de la séquence [-0,5 +1,5 –0,5 +0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
76
0/-1
1/+1
-1,5
+0,5
+1,5
-0,5
0/-1
1/+1
1
1
20
Exemple : décodage de la séquence [-0,5 +1,5 –0,5 +0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
77
A partir du moment où des chemins partent de tous les états, il est possible de sélectionner les chemins survivants
9
1
4
0
0/-1
1/+1
-1,5
+0,5
+1,5
-0,5
0/-1
1/+1
1
1
10
5
2
1
Exemple : décodage de la séquence [-0,5 +1,5 –0,5 +0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
78
1
1
4
0
0/-1
1/+1
-1,5
+0,5
+1,5
-0,5
0/-1
1/+1
5
1
6
1
6
5
Exemple : décodage de la séquence [-0,5 +1,5 –0,5 +0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
79
4
0
1
1
0/-1
1/+1
-1,5
+0,5
+1,5
-0,5
0/-1
1/+1
1
1
5
5
6
1
6
Exemple : décodage de la séquence[-0,5 +1,5 –0,5 +0,5]
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
80
Séquence émise : [1 1 0 1]
40/-1
1/+1
-1,5
+0,5
+1,5
-0,5
0/-1
1/+1
1
1
5
5
6
1
6
21
Avantages et inconvénients de l’algorithme de Viterbi
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
81
Avantage : performances optimales en termes de probabilité d’erreur
Inconvénient : complexité
Le nombre d’états croît avec l’ordre du canal L
Le nombre de transition croît avec M
Exemple : L = 10 donne 1024 états !
Viterbi retenu pour les RI (très) courtes
Sinon, choisir un égaliseur moins complexe
II. Égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
82
1. Nouveau modèle de canal
2. Égaliseur MLSE
3. Trois égaliseurs
Égalisation linéaire
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
83
L’égaliseur est un filtre (opération linéaire)
V(z)( )zΩ
( )zI~
( )zI
Sortie égaliseur
Estimation de I(z)
( )zI ( )zF
η(z)
Dét
EGALISEUR
Synthèse du filtre égaliseur
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
84
Les coefficients du filtre égaliseur sont calculés en fonction d’un critère à optimiser
ZFE (Zero-Forcing Equalizer) : minimisation de l’ISI
MMSE (Minimum Mean Square Error) : minimisation de l’erreur quadratique entre les symboles émis et les symboles à la sortie de l’égaliseur
kkk II~−=ε
22
Égaliseur équivalent
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
85
L’égaliseur englobe l’égaliseur et le filtre blanchissant
( )1*
1−zF
( )z'Ω
Y(z)
( )zΩ( )zI
~
( )zI
Sortie égaliseur
Estimation de I(z)
( )zI ( )zX
ν(z)
Dét
ÉGALISEUR ÉQUIVALENT
Égaliseur ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
86
ZFE : Zero Forcing Equalizer
Le critère à optimiser pour calculer les coefficients du filtre est l’absence d’ISI, cad le critère de Nyquist
V(z)( )zΩ
( )zI~
( )zI( )zI ( )zF
η(z)
Dét
EGALISEUR
Synthèse de l’égaliseur ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
87
Trouver les coefficients de l’égaliseur de sorte que la cascade des filtres de la chaîne soit un filtre qui respecte le critère de Nyquist
( ) ( ) ( ) ( )zFzzzF
1 1 =Ω⇒=Ω
( ) ( ) ( ) ( )zXzzzX
1 ' 1 ' =Ω⇒=Ω
Exemple : L=1 / N0=0
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
88
( ) 15,011
−+=Ω
zz( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
23
Exemple : L=1 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
89
( ) 15,011
−+=Ω
zz( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Exemple : L=1 / N0=0,1
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
90
( ) 15,011
−+=Ω
zz( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
Inconvénients du ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
91
Filtres RII (Réponse Impusionnelle Infinie) : risque de pôles hors du cercle unité, entraînant un filtre instable
Filtres de la forme 1/F(z) : les 0 de F(z) génèrent des gains infinis
En présence de bruit : les atténuations du canal demandent des gains supérieurs à 1 (amplification du bruit)
Exemple d’instabilité
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
92
Un pôle de l’égaliseur est en dehors du cercle unité : le filtre est instable.
Y(z)
( )z'Ω ( )zI~( )zI ( )zX
ν(z) ( ) 15,025,15,01' −++
=Ωzz
z( ) 15,025,15,0 −++= zzzX
( ) 15,01 −+= zzF
24
Synthèse de filtre ZFE RIF
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
93
RIF : Réponse Impulsionnelle finie
Troncature de la RI : dégradation des performances (ISI, BER) due à présence d’une ISI résiduelle après égalisation
Égaliseur : filtre à 2K+1 coefficients
Filtre F(z) à L+1 coefficients
ZFE fini : système d’équations
Remarque : solution possible à condition que l’œil soit ouvert
( ) ( ) ( )zzFzQ Ω=
( ) ∑+
−=
−=ΩK
Ki
ii zcz
( ) 1=zQ∑+
−=−=
K
Kjjiji fcq
i
K
Kjjijfc 0δ=∑
+
−=−
TLi fffff ],,,,[ 10 LL=
Mise en œuvre
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
94
1'2
0
0
1
0
0
12
000
0
0
0
00
00
00
1'2 0
12
1
01
01
0
+
=+
+
−
+
LK
c
c
c
f
f
f
f
ff
ff
f
L
K
K
K
L
L
L
M
M
M
M
4444444 84444444 76
O
OMM
M
OM
OMM
OMM
LM
LL
LLL
FC=Res
Matrice de
Toeplitz
K
i
K
Kjjij fc 0δ=∑
+
−=−
Systèmes d’équations
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
95
Si 2L’+1=2K+1, alors C=F-1Res
Si 2L’+1>2K+1, système surdéterminé et solution au sens des moindres carrés, alors C=(FHF)-1FHRes
H : symétrie hermitienne (matrice transposée conjuguée)
F
C
Res
F
C
Res
Exemple : L=1 / 2K+1=5 / 2L’+1=5 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
96
=
−
−
0,250,5-100
2
1
0
1
2
ccccc
=00100
Res
=
15,0000015,0000015,0000015,000001
F
( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
25
Exemple : L=1 / 2K+1=5 / 2L’+1=5 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
97
Présence d’une ISI résiduelle après égalisation
Pour la réduire, il faut augmenter l’ordre du filtre
ZFE RII ZFE RIF
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Lorsque la taille de l’égaliseur croît, l’ISI diminue
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
98
2K+1=5 2K+1=9
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Conclusion sur le ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
99
Avantage : très simple
Inconvénients : Présence d’une ISI résiduelle
Amplification du bruit dans les bandes atténuées par le canal
( ) ( )zFz 1=Ω
0 0.2 0.4 0.6 0.8 1-20
0
20
Normalized Frequency (×π rad/sample)
Mag
nitu
de (
dB)
ChannelEqualizer
Égaliseur MMSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
100
MMSE : Minimum Mean Square Error
Critère : erreur moyenne quadratique entre les symboles émis et les symboles à la sortie de l’égaliseur
Mode supervisé : connaissance nécessaire d’une partie des symboles émis (phase d’apprentissage)
[ ]
−=
22 ~nnn IIEE ε( )zΩ ( )zI
~( )zI ( )zF
η(z)
26
MMSE sous la forme de RII
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
101
Possibilité de générer des égaliseurs MMSE sous forme de filtres RII
Inconvénient des filtres égaliseurs MMSE RII : risque d’avoir des filtres instables
( ) ( )( )
( )( )
20
20
1*
21
'2
II
NzX
zN
zX
zFz
σσ+
=Ω+
=Ω−
[ ] [ ] ] [+∞∞−∈∀= −
+∞
−∞=−−∑ ,k, ** lvIEvvEc lkk
jlkjkj
Avantage des filtres MMSE sur les filtres ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
102
Compromis entre compensation du canal et atténuation du bruit
Quand le bruit est important par rapport au canal, l’égaliseur atténue le bruit
Sinon, il compense le canal
( ) ( )( ) 2
0
1*
2
I
NzX
zFz
σ+
=Ω−
Filtres égaliseurs MMSE RIF
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
103
Synthèse possible de MMSE sous la forme de RIF
Dégradation des performances due à la troncature
[ ] [ ]] [ ] [KK,l,k
vIEvvEc lkk
K
Kjlkjkj
+−∈∀∞+∞−∈∀
= −
+
−=−−∑
,
**
Exemple : L=1 / 2K+1=5 / 2L’+1=5 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
104
=
−
−
0025,15,0
0
25,15,00005,025,15,000
05,025,15,00005,025,15,00005,025,1
2
1
0
1
2
ccccc
=
−
−
0,18750,4689-0,98460,00730,0029-
2
1
0
1
2
ccccc
( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
27
Exemple : L=1 / 2K+1=5 / 2L’+1=5 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
105
( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Comparaison MMSE / ZFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
106
Exemple : L=1 / 2K+1=5 / 2L’+1=5 / N0=0,01
Meilleures performances pour le MMSE
-2 -1 0 1 2-2
-1
0
1
2
ZFE RIF MMSE RIF
-2 -1 0 1 2-2
-1
0
1
2
Conclusion sur le MMSE fini
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
107
Avantage : meilleur que le ZFE en présence de bruit
Inconvénient : ne fonctionne pas pour tous les canaux
Egalisation non linéaire
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
108
Egaliseur à retour de décision : Decision Feedback Equalizer(DFE)
Deux filtres égaliseurs (de type MMSE)
Non linéarité : détecteur
Filtre Direct
Filtre Retour
Dét( )zI
~
( )zIV(z)
∑∑=
−−=
− +=2
1 1
0ˆ~ K
jjkj
Kjjkjk IcvcI
Filtre d’ordre K1+1
Filtre d’ordre K2
28
Justification de l’architecture de l’égaliseur DFE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
109
∑∑=
−−=
− +=K
jjkj
Kjjkjk vcvcI
1
0
~ V(z) ( )zΩ ( )zI
~
−+
+
k
Kk
Kk
v
v
v
...
1
−
−
−
Kk
k
k
v
v
v
...
2
1Instant k : utilisation des symboles estimés jusqu’au temps k-1
[ ]Kkkk III −−−ˆ...ˆˆ
21
Synthèse des filtres
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
110
Critère de minimisation : MMSE
Hypothèses : K2>=L
2
0
,,2,1 1
KkfccKj
jkjk L=−= ∑−=
−
0,1,,,
0,1,,
100
*
1*
0
1
−−=+=
−−==
∑
∑−
=−+
−−=
L
L
KjlNff
Klfc
lj
l
mjlmmlj
ljKj
lj
δψ
ψ
Coefficients du filtre direct
Coefficients du filtre retour
Exemple : L=1 / K1+K2=5 / 2L’+1=5 / N0=0,01
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
111
( ) 15,01 −+= zzF
V(z) ( )zΩ ( )zI~( )zI ( )zF
η(z)
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
-2 -1 0 1 2-2
-1
0
1
2
Comparaison DFE / MMSE
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
112
Exemple : L=1 / N0=0,01
Meilleures performances pour le DFE
-2 -1 0 1 2-2
-1
0
1
2
MMSE RIF DFE
-2 -1 0 1 2-2
-1
0
1
2
29
Conclusion sur le DFE fini
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
113
Meilleur égaliseur que le ZFE et le MMSE en termes de suppression de l’ISI
Mais n’atteint pas le niveau de performances que le MLSE en termes de probabilité d’erreur
Performances sur canal 1+0,5z-1 en termes de BER
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
114
BPSK : +1/-1
BER : Bit Error Rate
2 4 6 8 1010
-5
10-4
10-3
10-2
10-1
Eb/N
0 (en dB)
BER
ZFEMSEDFEMLSEThéorique
Canal A du Proakis
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
115
Canal faiblement sélectif en fréquence
1 2 3 4 5 6 7 8 9 10 11-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-15
-10
-5
0
5
Normalized Frequency (×π rad/sample)
Mag
nitu
de (
dB)
0.07]0.21,0.03,72,0.36,0,21,-0.5,0.5,0.07,-0.[0.04,-0.0=f
12 =∑
iif
Performances sur canal faiblement sélectif
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
116
L=11
2K+1=101
2 4 6 8 1010
-5
10-4
10-3
10-2
10-1
100
Eb/N
0 (en dB)
BER
ZFEMSEDFEMLSEThéorique
30
Conclusion sur les trois égaliseurs
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
117
MLSE > DFE MMSE > ZFE
Contraintes de mise en œuvre :
connaissance de la RI du canal
pour MMSE et DFE, connaissance des bits émis (mode supervisé) : utilisation d’une séquence d’apprentissage
Variante possible : égalisation fractionnaire (plus d’un échantillon par période symbole)
Complément : estimation de canaux
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
118
Hypothèse : connaissance de F(z)
Comment estimer F(z) ?
Principe : soit un filtre de RI h(t), x(t) l’entrée et y(t) la sortie
Exemples : Bruit blanc
Séquence ML ( ) ( ) ( )τττ xxyx RhR *=
( ) ( ) ( ) ( )τττδτ hRR yxxx =⇒=
h(t)x(t) y(t)
Exemple : estimation de la réponse impulsionnelle du canal A
0 2 4 6 8 10 12 14-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
τ
Impulse Response Estimation (Ns=100)
Rxy
(τ) 10 simulations
Rxy
(τ) 1 simulation
f
0 2 4 6 8 10 12 14-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
τ
Impulse Response Estimation (Ns=100)
Rxy
(τ) 10 simulations
Rxy
(τ) 1 simulation
f
10/01/13
119
Communications Numériques Sans Fil Benoît ESCRIG
séquence équiprobable de symboles BPSK
bruit AWGN de variance unité
Exemple : GSM 900
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
120
Téléphonie mobile 2G (1991).
Porteuses : autour de 900 MHz.
Nombre de porteuses : 124.
Bande par porteuse : 200 kHz.
890 MHz 915 MHz 935 MHz 960 MHz
f920 MHz
31
TDMA
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
121
FDM : 25 MHz divisé en 124 canaux 200kHz chacun.
TDMA : 8 utilisateurs par trame.
Contenu d’un slot : un burst.
msmsTslot 5769,013075 ≈
=
msTTslotTDMA
6152,48 ==
Format du burst
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
122
3bits 58 bits de données 26 bits 58 bits de données 3bits
8,25 bits
séquence d’apprentissage
premier sous-bloc de données
second sous-bloc de données
Temps d’un burst
Temps d’un slot
Bande et temps de cohérence du GSM
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
123
W=200kHz
Ecart-type des retards dans environnement urbain σt=2µs
Bc=138kHz
Bc<W
Conclusion : canal sélectif en fréquence utilisation d’un égaliseur de type Viterbi
Vitesse mobile : v=50km/h
Porteuse : fc=900MHz
Tc = c/(2vfc) = 12 ms
Tslot=0,577 ms, temps d’émission d’un utilisateur par trame TDMA
Donc, Tc > 20 x Tslot (Tc > 2 x TTDMA)
Conclusion : fading lent et égalisation adaptative possible
τσ276,0=cB
Mise en œuvre de l’égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
124
RéceptionSignal
Extraction de rtr(t)
w(t)Rs(t)
Calcul de métriques
Égaliseur de Viterbi
Signal égalisé
rtr(t)=hc(t)*str(t)str(t) training sequence émisehc(t) est la RI du canal
Filtre adapté à str(t) : hmf(t)
Rs(t) = δ(t)
he(t)=hc(t)*str(t)*hmf(t)=hc(t)*Rs(t)
Troncature à w(t)
hw(t)= hc(t)*Rs(t)w(t)
2L0 formes d’ondeDe référenceL0 = 4 à 6 bits
Référencescorrigées
*
*
rtr(t) training sequence reçue
32
Conclusion
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
125
Egalisation : supprimer l’ISI due aux canaux sélectifs en fréquence
Égalisation fixe : MLSE>DFE>MMSE>ZFE
Perspectives (1/2) : égalisation en fréquence
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
126
FDE (Frequency Domain Equalization) pour les canaux très sélectifs en fréquence (cf. OFDM)
LTE (Long Term Evolution) de la 4G
Perspectives (2/2) : turbo-égalisation
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
127
Technique de réception itérative issue des turbo-codes et appliquée à l’égalisation
Principe : les données de bonne qualité obtenues en fin de récepteur sont ré-injectées au début du récepteur et les données sont une nouvelle fois traitées
Plan du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
128
I. Modélisation des canaux radio-mobiles
II. Égalisation
III. Conclusion
33
Objectifs du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
129
CANAUX DE TRANSMISSION
Caractériser les canaux de transmission pour les systèmes de communication sans fil (mobiles ou fixes).
TECHNIQUES DE TRANSMISSION
Présenter les techniques de transmission utilisées dans les systèmes de communications sans fil actuels.
Connaissances acquises à l’issue du cours
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
130
Caractérisation des canaux de transmission sans fil :
Trajets multiples, fading, slow et fast fading, sélectivité en fréquence et flat fading
Égalisation
Pré-requis : Modulations numériques :
M-PSK pour M-ary Phase Shift Keying
M-QAM pour M-ary Quadrature Amplitude Modulation
Canaux AWGN et récepteurs numériques
Canaux à bande limitée, ISI (Inter-Symbol Interference)
Caractérisation des canaux
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
131
Deux types de fading pour les communications sans fil
Fading à long terme : atténuation de la puissance émise
Fading à court terme : déformation du signal émis
Tableau récapitulatif
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
132
Canal sélectif en fréquence (ISI)Tm > T
Flat Fading (perte de SNR)Tm < T
Canal sélectif en fréquence (ISI)Bc < W
Flat Fading (perte de SNR)Bc > W
Fading rapide (échec PLL, fort Doppler)fd > W
Fading lent (perte de SNR)fd < W
Fading rapide (échec PLL, fort Doppler)Tc < T
Fading lent (perte de SNR)Tc > T
Etalementtemporel du signal
Variation temporelledu canal
34
Compensation du fading
10/01/13Communications Numériques Sans Fil Benoît ESCRIG
133
Compensation du fading à long terme : Augmenter la puissance émise ou diminuer la puissance requise à
l’arrivée (par des codes correcteurs par exemple)
Compensation du fading à court terme : Utiliser des techniques de transmission telles que l’égalisation,
l’étalement de spectre, l’OFDM, les techniques de diversité en fonction du type de fading