2008 02 These Philippe Mary

N dordre 2008-ISAL-0008
Anne 2008
Thse
Etude analytique des performances des
systmes radio-mobiles en prsence
dvanouissements et deet de masque
Prsente devant
LInstitut National des Sciences Appliques de Lyon
pour obtenir
Le grade de docteur
Par
Philippe Mary
Projet INRIA ARES, Laboratoire CITI, INSA de Lyon
Ecole doctorale : EEA
Spcialit : Images et Systmes
Soutenue le 11 Fvrier 2008 devant la Commission dexamen
Jury
Pierre Duhamel Directeur de Recherche (CNRS) Prsident du Jury
Inbar Fijalkow Professeur (ENSEA, Cergy) Rapporteur
Jean-Claude Belfiore Professeur (ENST, Paris) Rapporteur
Christian Gontrand Professeur (INSA, Lyon) Directeur de thse
Jean-Marie Gorce Matre de confrence, HDR (INSA, Lyon) Co-Directeur de thse
Mischa Dohler Docteur (France Telecom, Grenoble) Co-Encadrant
Jean-Marc Brossier Professeur (INPG, Grenoble) Examinateur
Guillaume Villemaud Matre de confrence, (INSA, Lyon) Examinateur
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
ii
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Remerciements
Cette thse est le fruit dune coopration entre France Telecom R&D et le laboratoire
CITI de lINSA de Lyon. Je tiens remercier Marylin Arndt de mavoir accept en thse
dans son quipe et toujours laiss libre dexplorer les pistes de recherche que je souhaitais.
Jexprime ici toute ma gratitude Jean-Marie Gorce pour avoir encadr cette thse
lINSA de Lyon et avoir montr autant denthousiasme devant mon travail. Sa disponibi-
lit, ses remarques toujours pertinentes et le recul dont il a su faire preuve ont grandement
contribu la ralisation nale de ce mmoire. Je remercie Christian Gontrand pour avoir
suivi ces travaux en tant que directeur de thse.
Mes remerciements les plus chaleureux sont adresss Mischa Dohler pour avoir encadr
cette thse France Telecom, malgr une "coopration" assez tardive. Je rend hommage en
premier lieu lexcellent scientique avec qui jai eu le privilge dtudier. Il a su me guider
sur les sentiers de la recherche, menseigner lart de distinguer les choses importantes du
dtail, montrer de lintrt pour mon travail et toujours me tirer vers le haut lors des phases
de dcouragement que tout thsard a un jour connu. Sans sa disponibilit et sa rigueur,
cette thse naurait jamais t ce quelle est aujourdhui et je ne le remercierai jamais assez.
Plus quun collgue, je noublie pas lami que jai gagn en te rencontrant. Je te remercie
pour ton ternelle bonne humeur et ton enthousiasme, pour les sortis au pub, au ski et les
bons saucissons que tu nous ramenais de tes expditions Barcelone : In der Freundschaft !
Je tiens remercier sincrement Pierre Duhamel directeur de recherche au CNRS de
mavoir fait lhonneur de prsider ce Jury. Jadresse mes remerciements aux deux personnes
qui ont accept de juger ce travail et den tre les rapporteurs : Inbar Fijalkow qui na pas
hsit une seconde devant cette lourde tche et qui a manifest ds la premire rencontre,
un vif intrt pour ces travaux ; Jean-Claude Belore, qui a accept de venir porter un
regard dexpert en analyse de performance sur ce mmoire et den faire une critique po-
sitive. Merci galement Jean-Marc Brossier et Guillaume Villemaud davoir accept de
participer au Jury de soutenance et den tre les examinateurs.
Je remercie tous les membres de lURD WISE pour lambiance de travail dont ils mont
entour pendant ces trois annes. Mes chers amis Lahouari, Mohamed, Dave pour les mo-
ments partags. Les thsards, post-doc, permanents ou stagiaires pour les repas dtendus
au LRP : Thomas, Ludovic, Abdelmalik, Jrmie, Nicolas, Manu, Matthieu, Benot (merci
pout tout), Apostolos, Jean, Fred, Jordi... et tous les autres. Aux co-voitureurs de Tencin :
Agns, Vincent, Denis pour le transport de notre contre recule jusqu FT. Je voudrais
galement adresser mes remerciements tous mes collgues du CITI, Pierre-Franois, Ka-
tia, Guillaume, Fabrice... pour mavoir accueilli si chaleureusement. Enn je noublie pas
Gemma et la petite Noa pour nous avoir attendri avec Sophie.
Merci mes parents, mon frre Eric, pour leur soutien dans toute cette entreprise et
pour lducation quils ont su me faire dcouvrir, sans oublier toute la belle famille qui ma
toujours soutenu.
Pour terminer, je ddie ce manuscrit ma femme Sophie dont le soutien ne sest jamais
vanoui une seule fois. Elle a su me soutenir dans les moments les plus diciles et sait plus
que quiconque quune thse se ralise deux. Je tenais lui exprimer ici tout mon amour
renouvel.
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Table des matires
Remerciements iii
Acronymes vii
Notations ix
Introduction 1
1 Modle du canal et prrequis 6
1.1 Modlisation du canal radio . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Aspects physiques de la propagation . . . . . . . . . . . . . . . . . . 6
1.1.2 Caractrisation des canaux vanouissements . . . . . . . . . . . . . 7
1.1.3 Modlisation des canaux plats . . . . . . . . . . . . . . . . . . . . . . 8
1.1.4 modlisation des canaux slectifs . . . . . . . . . . . . . . . . . . . . 13
1.2 Critres danalyses de performance des systmes . . . . . . . . . . . . . . . . 13
1.2.1 SNR moyen dans un canal vanouissements rapides . . . . . . . . . 13
1.2.2 Probabilit derreur moyenne . . . . . . . . . . . . . . . . . . . . . . 14
1.2.3 Probabilit de coupure symbole . . . . . . . . . . . . . . . . . . . . . 14
1.3 Fonctions spciales utilises . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Fonction Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.2 Fonction Beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Fonction hypergomtrique de Gauss . . . . . . . . . . . . . . . . . . 16
1.3.4 Fonction hypergomtrique dAppell de premire espce . . . . . . . 17
1.3.5 Fonction Beta incomplte . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Mthodes mathmatiques dapproximation . . . . . . . . . . . . . . . . . . . 18
1.4.1 Approximation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2 Expression asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5 Techniques MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.1 Modle de canal MIMO . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.5.2 Systmes multi-antennes codage blocs orthogonaux . . . . . . . . . 26
1.5.3 Multiplexage spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6 Codage canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.1 Codes blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.2 Codes convolutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
iv
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2 Performance des systmes SISO 35
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2 Probabilit derreur moyenne et probabilit de coupure : tat de lart . . . . 36
2.2.1 Analyse du SEP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.2 Analyse du SEO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 Estimation du SEP et du SEO . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.1 Nakagami-m, M-PSK . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.2 Nakagami-m, M-QAM . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.3.3 Canal de Rice et modulation M-PSK . . . . . . . . . . . . . . . . . . 51
2.3.4 Canal de Rice et modulation M-QAM . . . . . . . . . . . . . . . . . 55
2.4 Performance en prsence de codage canal . . . . . . . . . . . . . . . . . . . . 58
2.4.1 Codes correcteurs derreur en bloc . . . . . . . . . . . . . . . . . . . 59
2.4.2 Codes correcteurs derreur convolutifs . . . . . . . . . . . . . . . . . 64
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3 Systmes MIMO 69
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.2 Estimation du SEP et du SEO pour les systmes STBC MIMO . . . . . . . 70
3.2.1 Hypothses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.2.2 Canal de Nakagami et M-PSK . . . . . . . . . . . . . . . . . . . . . 70
3.2.3 Canal de Nakagami et M-QAM . . . . . . . . . . . . . . . . . . . . . 74
3.2.4 Canal MIMO Nakagami-m Corrl . . . . . . . . . . . . . . . . . . . 75
3.2.5 Canal de Rice et M-PSK . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2.6 Canal de Rice et M-QAM . . . . . . . . . . . . . . . . . . . . . . . . 81
3.3 Estimation du SEP et du SEO pour les systmes multiplexage spatial . . 84
3.3.1 Hypothses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.3.2 Canal de Rayleigh et M-PSK . . . . . . . . . . . . . . . . . . . . . . 85
3.3.3 Canal de Rayleigh et M-QAM . . . . . . . . . . . . . . . . . . . . . . 89
3.3.4 Canal MIMO corrl en mission et en rception . . . . . . . . . . . 90
3.3.5 Canal de Rice et M-PSK . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.6 Canal de Rice et M-QAM . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4 Performance en prsence dinterfrence 96
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.2 Etat de lart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.3 Performance dun systme SISO en prsence dun interfrent . . . . . . . . . 98
4.3.1 Rayleigh/Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.2 Nakagami-m/Nakagami-m . . . . . . . . . . . . . . . . . . . . . . . . 109
4.3.3 Rice/Rice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.4 Systme antennes multiples. . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.4.1 Systme diversit SIMO et prsence dun interfrent. . . . . . . . . 116
4.4.2 Prsence dinterfrents multiples de mme puissance. . . . . . . . . . 121
4.4.3 Interfrents multiples et de puissances arbitraires. . . . . . . . . . . . 123
4.4.4 Systmes MIMO et interfrents multiples. . . . . . . . . . . . . . . . 123
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
5 Dtection Multi utilisateurs 126
5.1 Introduction et position du problme . . . . . . . . . . . . . . . . . . . . . . 126
5.2 Annulation dinterfrence et rcepteur multi-utilisateurs . . . . . . . . . . . 127
5.3 Systme rjection dinterfrence par maximum de vraisemblance . . . . . . 128
5.3.1 Modle et quations du rcepteur . . . . . . . . . . . . . . . . . . . . 128
5.3.2 Performance en terme de probabilit derreur . . . . . . . . . . . . . 130
5.3.3 SEO pour le signal dintrt. . . . . . . . . . . . . . . . . . . . . . . 136
5.3.4 Etude dans le cas gnral : prsence dIES. . . . . . . . . . . . . . . 137
5.4 Rjection dinterfrence en WLAN . . . . . . . . . . . . . . . . . . . . . . . 138
5.4.1 Dtecteur MUD-MLSE sans talement de spectre . . . . . . . . . . . 138
5.4.2 Application des signaux DSSS. . . . . . . . . . . . . . . . . . . . . 144
5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Conclusion et perspectives 150
Annexes 156
A.1 Approximation du SEP en canal de Rice . . . . . . . . . . . . . . . . . . . . 156
A.2 Calcul de
_
1
nt
kk
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
A.3 Preuve du thorme sur le SEO avec interfrent . . . . . . . . . . . . . . . . 159
A.4 Calcul de la probabilit de ralisation de lvnement
3
. . . . . . . . . . . 161
vi
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Acronymes
AWGN Additive White Gaussian Noise
BCH Bose-Chaudhury-Hocquenghem
BSC Binary Symmetric Channel
BEP Bit Error Probability
BER Bit Error Rate
BLAST Bell Laboratories Layered Space Time
BPSK Binary Phase Shift Keying
QPSK Quaternary Phase Shift Keying
CDMA Code Division Multiple Access
CSMA/CA Carrier Sense Multiple Access/Collision Avoidance
DAB Digital Audio Broadcasting
DVB Digital Video Broadcasting
dB Decibel
GSM Global System for Mobile Communications
HSDPA High Speed Downlink Packet Access
HSUPA High Speed Uplink Packet Access
IEEE Institute of Electrical and Electronics Engineers
ISM Industrial, Scientic and Medical band
LOS Line of Sight
NLOS non-Line of Sight
IES Interfrence Entre Symbole
M-FSK M-ary Frequency Shift Keying
M-PAM M-ary Pulse Amplitude Modulation
M-PSK M-ary Phase Shift Keying
M-QAM M-ary Quadrature Shift Keying
MGF Moment Generating Function
MHz Mega Hertz
MIMO Multiple-Input-Multiple-Output
SISO Single-Input-Single-Output
SIMO Single-Input-Multiple-Output
OFDM Orthogonal Frequency Division Multiplexing
STBC Space-Time Block Code
vii
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
d.d.p. densit de probabilit
i.i.d. indpendants et identiquement distribus
v.a. variable alatoire
CCI Co-Channel Interference
CDF Cumulative Distribution Function
DSSS Direct Sequence Spread Spectrum
ETSI European Telecommunications Standards Institute
EEP First Event Error Probability
GHz Giga Hertz
LMMSE Linear Minimum Mean Square Error
MAC Medium Access Control
MAP Maximum A posteriori Probability
MLSE Maximum Likelihood Sequence Estimator
MMSE Minimum Mean Square Error
MRC Maximum Ratio Combining
MUD Multi-User Detection
MV Maximum de Vraisemblance
OC Optimum Combining
PCI Partial Channel Interference
PEO Packet Error Outage
PEP Packet Error Probability
PER Packet Error Rate
SEO Symbol Error Outage
SEP Symbol Error Probability
SER Symbol Error Rate
WEP Word Error Probability
PIC Parallel Interference Canceller
SIC Successive Interference Canceller
INR Interference-to-Noise Ratio
SIR Signal-to-Interference Ratio
SINR Signal-to-Interference and Noise Ratio
SNR Signal-to-Noise Ratio
TDD Time Division Duplex
TDMA Time Division Multiple Access
UMTS Universal Mobile Telecommunications System
WLAN Wireless Local Area Network
WiMax Worldwide Interoperability for Microwave Access
ZF Zero Forcing
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Notations
a Scalaire
a Vecteur
a
T
Vecteur transpos
a
H
Vecteur transpos hermitien
A Matrice
A
1
Matrice inverse
[A]
kl
lment de la kime ligne et lime colonne de A
vec(A) Concatne les colonnes de A en un vecteur
||A||
F
Norme de Frobenius de A
det (A) Determinant de A
tr (A) Trace de A
Produit de convolution
Produit de Kronecker
2
F
1
Fonction hypergomtrique de Gauss
F
1
Fonction hypergomtrique dAppell de premire espce
(x) Fonction Gamma complte
(a, x) Fonction Gamma incomplte suprieure
B(x, y) Fonction Beta
B
x
(a, b) Fonction Beta incomplte
W Fonction de Lambert
W
0
Fonction de Lambert restreinte z 1/e
_
a
_
n
Symbole de Pochhammer
arg max Maximum sur les arguments
arg min Minimum sur les arguments
lim Limite dune fonction
max (a, b) Maximum entre a et b
min(a, b) Minimum entre a et b
E Esprance mathmatique
P Probabilit
P
b,s,m,p
(E) Probabilit derreur bit, symbole, mot code, paquet
P
s,m,p
(O) Probabilit de coupure symbole, mot code, paquet
P
b,s,p
Probabilit derreur cible bit, symbole, paquet
p
s
densit de probabilit de
s
M
s
Fonction gnratrice des moments de
s
C Corps des complexes
N Corps des entiers naturels
CN Distribution complexe gaussienne
CW
n
(m, 0, S) Distribution de Wishart complexe m degr de libert
ix
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Attnuation du canal
vnement erreur dans un dtecteur MLSE
s
Rapport signal bruit symbole instantan
s
Rapport signal bruit symbole moyen
l
lime valeur propre
Longueur donde
Moyenne
2
Variance
m Facteur dvanouissement de Nakagami
K Facteur dvanouissement de Rice
K Longueur de contrainte dun code convolutif
g
qam,psk
Constantes de modulation QAM, PSK
g Constante de modulation QAM
M Ordre de modulation
h Coecient du canal
n
r
Nombre dantenne de rception
n
t
Nombre dantenne dmission
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
E vnement erreur
E
1
vnement de premire erreur
E
b
nergie bit
E
s
nergie symbole
G Matrice de Gnration de code STBC
N
0
Densit spectrale mono-latrale du bruit
R
c
Taux de codage spatio-temporel
R
c
Taux de codage convolutif
P
e
Puissance dmission
P
r
Puissance de rception
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Introduction
Contexte
Dans les systmes de tlcommunications cellulaires, la qualit dune communication
radio est troitement lie au canal de propagation. Les vanouissements rapides, dus aux
trajets multiples dans lenvironnement de propagation, engendrent des uctuations de la
puissance instantane au rcepteur, aectant directement la qualit de la transmission
et la capacit du lien. Pour amliorer la liaison, le rcepteur peut mettre en oeuvre des
techniques de traitement du signal comme lgalisation ou utiliser des antennes multiples,
an de saranchir des uctuations de la puissance instantane du signal. Un lien radio en
prsence dvanouissement peut tre caractris par la probabilit derreur symbole (SEP
"Symbol Error Probability") qui permet de dcrire sa qualit moyenne. Cest le critre
le plus pertinent, et donc le plus largement tudi, pour lanalyse des performances sur
ce type de canal. Leet de masque ou "shadowing" est responsable des variations long
terme de la puissance moyenne au rcepteur. Il est du la prsence dobstacles importants
entre lmetteur et le rcepteur (immeubles ou forts). Parce que la vitesse de dplacement
des mobiles est limite, la variation de puissance lie ces obstacles est considre comme
lente par rapport la dure symbole. Dautre part, parce que seule une approche statistique
permet de modliser de faon gnrale un tel environnement, le shadowing est souvent dcrit
sous la forme dune variable alatoire, de type log-normale. Les variations de puissance dues
au shadowing engendrent une variation de la qualit du lien radio au court du temps. Il
devient alors caduque de chercher caractriser un tel lien par une probabilit derreur
moyenne qui traduit assez mal la ralit de la communication radio. Pour tenir compte de
ces variations on prfre utiliser un critre de probabilit de coupure (outage) qui exprime
la probabilit quun lien radio se retrouve dans un tat o la probabilit derreur dpasse un
certain seuil cible. Ainsi, les critres danalyse des eets court terme et long terme sont
assez dirents, le SEP tant bas sur une estimation moyenne des performances, alors que
loutage caractrise la probabilit de dpassement derreur. Il y a dans le deuxime critre
la notion de variation temporelle des caractristiques du canal qui nest pas prsente dans
le critre du SEP.
Une tude de performances peut se faire de deux faons, soit analytiquement soit par
simulation. La premire mthode prsente lavantage de pouvoir caractriser rapidement
et de faon prcise un systme de communication, la condition que la modlisation du
systme (canal, algorithme de rception, etc) soit susamment raliste. Le compromis
entre ralisme et complexit du modle est un point clef pour les mthodes analytiques qui
peuvent se rvler trs diciles mettre en oeuvre. Lapproche par simulation ncessite
un grand nombre de donne avec une ralisation alatoire du canal pour chaque symbole
ou trame. Cette mthode prsente lavantage de pouvoir introduire le niveau de ralisme
que lon veut dans le systme, mais demande un temps de simulation en gnral important
et est donc coteuse. Les deux approches, analytique et simule, sont complmentaires et
1
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
INTRODUCTION
salimentent mutuellement. Ltude thorique en particulier permet de fournir des bornes
suprieures sur les performances.
La plupart des travaux qui sintressent lanalyse de performances des systmes radio
en prsence deet de masque sintressent gnralement la probabilit que la puissance
moyenne soit infrieure un certain seuil. Cependant, pour pouvoir exploiter au mieux un
tel rsultat, il est indispensable de pouvoir convertir une telle probabilit, en la probabilit
que le SEP soit suprieur une probabilit derreur cible. Mathmatiquement, les deux
probabilits sont identiques mais passer de lune lautre ncessite de pouvoir exprimer le
SEP en fonction du rapport signal bruit (SNR, "Signal-to-Noise Ratio"), et inversement,
le SNR en fonction du SEP. Lintrt dune telle dmarche est de pouvoir prdire le com-
portement moyen dune liaison partir de la simple dnition dun SEP cible. En eet,
au niveau systme, on est plutt intress par la qualit de service (typiquement le SEP
moyen) que lon peut atteindre dans un environnement donn et avec quelle probabilit,
que par la puissance moyenne disponible. Cest cette recherche de lien entre la qualit de
service dans un rseau et lenvironnement complexe comprenant les eets court termes et
leet de masque, qui sous-tend le travail prsent dans ce manuscrit et qui constitue une
approche originale par rapport aux travaux existants.
Objectifs
Cette thse a donc pour but de fournir des expressions analytiques approches des
performances des systmes radios en prenant en compte shadowing et vanouissements.
An de pouvoir exprimer la probabilit de coupure en fonction du SEP moyen cible, il
faut pouvoir inverser analytiquement la probabilit derreur moyenne. Pour atteindre cet
objectif nous cherchons des approximations du SEP moyen prcises sur une large plage
de rapport signal bruit, et qui soient de plus, inversibles ; cest--dire que lon puisse
remonter au SNR analytiquement. A partir de ces expressions nous cherchons dterminer
le comportement de la probabilit de coupure en prsence deet de masque pour des
signaux bandes troites dans des canaux plats, pour des modulations linaires et plusieurs
types de techniques multi-antennes. Nous nous intressons galement limpact du codage
canal, qui joue un rle essentiel dans les systmes radio. Les rsultats que nous obtenons
en lien isol (sans interfrences) sont prsents au chapitre 2 tendus aux systmes multi-
antennes au chapitre 3. En plus des eets du canal sur la transmission dun signal radio entre
une station de base et un mobile, la prsence dinterfrences due dautres communications
limite la qualit de service quun utilisateur peut tirer du rseau. De plus le lien entre les
variations de la puissance moyenne de lutilisateur interfrent et celles du signal dintrt sur
la probabilit de coupure ne sont pas ou peu tudies dans la littrature. Cest ce que nous
proposons au chapitre 4. Nous proposons quelques expressions approches en prsence dun
interfrent. Parce que linterfrence est un rel facteur de perte de qualit de transmission,
la mise en place de rjection dinterfrence par le biais dune dtection multi-utilisateurs
par exemple doit permettre damliorer la capacit des rseaux radios. Plusieurs travaux
ont dailleurs montr que lintgration de la rjection dinterfrence au niveau du rcepteur
pouvait accrotre la capacit des rseaux. Nous nous proposons dtudier les performances
dune dtection multi-utilisateurs par maximum de vraisemblance par la simulation, dans le
cadre de canaux se chevauchant spectralement au chapitre 5. Ce cas de gure est un facteur
limitant de la capacit des rseaux locaux sans-ls WLAN (Wireless Local Area Network),
et les performances dune communication radio en prsence de canaux recouvrement et
avec rjection dinterfrence nont pas vraiment t tudies.
2
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
INTRODUCTION
Plan des travaux de thse
Ce manuscrit comporte 5 chapitres. Le premier chapitre introduit les direntes notions
plus ou moins lmentaires dont nous aurons besoin par la suite. Le deuxime chapitre traite
de lanalyse de performance des systmes radios point--point mono-antenne (SISO "Single-
Input-Single-Output") en prsence dun canal vanouissement et avec eet de masque.
Le troisime chapitre tend ltude faite dans le chapitre 2 en considrant les systmes
MIMO. Le quatrime chapitre sintresse ltude de performance des systmes radios en
prsence dinterfrence co-canal. Le cinquime et dernier chapitre traite des performances
dun lien radio mettant en oeuvre un algorithme de rjection dinterfrence.
Le premier chapitre de cette thse introduit les lments ncessaires la comprhension
du reste du manuscrit. On prcise les modles de canaux que lon utilise par la suite, ainsi
que les critres danalyses de performances : le SEP moyen et le SEO. Nous abordons
galement les techniques dapproximations de la probabilit derreur que nous utilisons
par la suite, notamment lapproximation de Laplace qui constitue loutil central de notre
tude. Nous passons ensuite aux systmes de communications dits avancs, en parlant
des systmes multi-antennes en entre-sortie (MIMO "Multiple Input Multiple Output")
codage bloc orthogonaux (STBC "Space-Time Block Codes") ainsi que des architectures
multiplexage spatial de type V-BLAST (Vertical Bell Laboratories Layered Space-Time
Architecture). Nous nissons par les codes correcteurs derreurs blocs et convolutifs.
Le second chapitre constitue la premire contribution de cette thse. Nous consid-
rons un lien radio simple SISO, seulement limit par le bruit additif gaussien au rcepteur.
Nous considrons tout dabord un systme sans codage canal. Nous tudions les perfor-
mances dun tel systme dans des canaux vanouissements rapides (Nakagami et Rice)
et en prsence de shadowing. Pour cela, nous proposons des approximations simples et
prcises (par rapport la valeur exacte) du SEP moyen. Nous montrons que ces expres-
sions sont inversibles par rapport au SNR moyen et nous donnons des formules simples du
SNR moyen en fonction du SEP. Grce ces expressions nous estimons la probabilit de
coupure symbole en prsence de shadowing. Nous incluons ensuite la prsence de codage
canal dans ltude de la probabilit de coupure. Nous considrons lutilisation de codes
correcteurs blocs et convolutifs dcision dure. Nous proposons des expressions inversibles
de la probabilit derreur paquet (ou bloc) en canal vanouissements rapides, qui nous
permettent dtudier la probabilit de coupure bloc ou paquet en prsence de shadowing.
Le troisime chapitre tend ltude thorique mene dans le deuxime chapitre aux
systmes multi-antennes. Nous tudions deux systmes MIMO (Multiple-Input-Multiple-
Output) : les systmes spatio-temporels codage blocs orthogonaux (STBC), et les sys-
tmes multiplexage spatial. Pour les systmes STBC, nous drivons des approximations
prcises tous les SNR de la probabilit derreur dans un canal de Nakagami et Rice
ne prsentant pas de corrlation. Nous inversons analytiquement ces expressions an de
calculer la probabilit de coupure symbole en prsence de shadowing. Pour les systmes
multiplexage spatial, nous considrons un traitement ZF (Zero Forcing) la rception.
Nous drivons une approximation du SEP moyen en canal de Rayleigh et de Rice, en pr-
sence de corrlation lmission. Une inversion analytique peut galement tre obtenue
dans ce cas.
3
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
INTRODUCTION
Le quatrime chapitre tend ltude thorique mene dans les chapitres prcdents
lorsque lon se trouve en prsence dinterfrence. Une approximation assez prcise et in-
versible de la probabilit derreur peut tre drive dans le cas o le signal dintrt et le
signal interfrent subissent tous deux des vanouissements de Rayleigh. On propose ensuite
un thorme pour calculer la probabilit de coupure symbole lorsque la puissance moyenne
du signal dintrt et interfrent varie de faon alatoire. Nous tudions ensuite le cas dun
canal de Nakagami-m o une approximation asymptotique (lorsque le SNR tend vers lin-
ni) de la probabilit derreur est drive. Ltude se poursuit sur le cas o lon a plusieurs
antennes la rception mettant en oeuvre un algorithme de combinaison optimale (OC
"Optimum Combining") capable, sous certaines conditions, de rejeter les interfrents. Dans
le cas o un interfrent est prsent une approximation prcise de la probabilit derreur peut
tre drive pour un canal de Nakagami-m. Lorsque le nombre dinterfrents augmente, on
obtient beaucoup moins de rsultats sauf si ils sont infrieurs au nombre dantennes o lon
obtient une approximation similaire au cas mono-interfrent, mais toujours pas inversible
par rapport au SNR.
Le cinquime chapitre aborde lanalyse de performance dun systme dtection multi-
utilisateurs par maximum de vraisemblance. La prsence dinterfrence tant trs nuisible
la qualit dune transmission radio, nous cherchons valuer les performances dun systme
capable de les prendre en compte. Nous nous plaons dans un cadre de rseaux locaux sans
ls (WLAN "Wireless Local Area Network") o plusieurs canaux se chevauchent en fr-
quence. Dans un premier temps, nous essayons danalyser thoriquement les performances
dun rcepteur multi-utilisateurs maximum de vraisemblance lorsque le rcepteur est
capable de dmoduler ces canaux. En tendant les travaux de Forney et Ungerboeck sur
lanalyse de performance des rcepteurs MLSE (Maximum Likelihood Sequence Estimator)
sur les canaux slectifs, nous drivons une borne sur la probabilit derreur dun rcepteur
multi-utilisateurs MLSE. Malheureusement, cette borne nest pas trs exploitable en pra-
tique dans le cas gnral. Nous nous orientons donc, sur ltude de ses performances en
simulation. Nous considrons deux utilisateurs dun rseau de type IEEE 802.11 dont les
canaux se chevauchent, et tudions le taux derreur symbole dans dirents scnarios.
Publications
P. Mary, M. Dohler, J.-M. Gorce, G. Villemaud, M. Arndt, BPSK Bit Error Outage over
Nakagami-m Fading Channels in Lognormal Shadowing Environments," IEEE Communi-
cations Letters, vol. 11, no. 7, pp. 565-567, July 2007.
P. Mary, M. Dohler, J.-M. Gorce, G. Villemaud, M. Arndt, Estimation du taux de coupure
dune liaison radio MIMO dans un canal de Nakagami avec eet de masque," in GRETSI
2007, Troyes France, Septembre 2007, CD-ROM.
P. Mary, J.-M. Gorce, G. Villemaud, M. Dohler, M. Arndt, Reduced Complexity MUD-
MLSE Receiver for Partially-Overlapping WLAN-Like Interference," in Vehicular Tech-
nology Conference, 2007. VTC2007-Spring. IEEE 65th, Dublin Ireland, April 2007, pp.
1876-1880.
P. Mary, J.-M. Gorce, G. Villemaud, M. Dohler, M. Arndt, Performance Analysis of Miti-
gated Asynchronous Spectrally-Overlapping WLAN Interference," in Wireless Communi-
cations and Networking Conference, 2007. WCNC 2007, IEEE, Hong Kong, March 2007,
4
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
INTRODUCTION
pp. 2097-2102
P.-F. Morlat, P. Mary, G. Villemaud, J.-M. Gorce, M. Arndt, Performance Validation of
a Multi-Standard and Multi-Antenna Receiver," in EUCAP 2006, Nice France, Novembre
2006, CD-ROM.
5
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE
1
Modle du canal et prre-
quis
1.1 Modlisation du canal radio
Dans les systmes de tlcommunication sans ls, linformation est transporte par une
onde lectromagntique se propageant travers un canal de propagation. La propagation
des ondes radios dans les canaux sans ls terrestres est un phnomne compliqu caractris
par une multitude deets [1], [2] qui font varier la puissance du signal mesure.
1.1.1 Aspects physiques de la propagation
Les phnomnes grande chelle
Cette classe comprend deux eets : laaiblissement en distance et les eets de mas-
quage [3]. La premire cause de perte de puissance est de la propagation en espace libre
de londe lectromagntique, qui sexplique par la dispersion isotrope de lnergie transmise
suivant les trois dimensions spatiales. Les pertes en espace libre augmentent avec la fr-
quence et avec la distance. Leet de masquage est d la prsence dobstacle (btiment,
fort...) entre lmetteur et le rcepteur. Aux frquences auxquelles oprent les systmes
de tlcommunication, londe lectromagntique traverse ces obstacles, mais subit une at-
tnuation de puissance fonction de la nature du matriau travers. Dans la littrature
anglo-saxonne, cet eet est dsign sous le terme "shadowing". Dans la suite, cest celui-ci
que nous utiliserons.
Les phnomnes petite chelle
Les variations de la puissance petite chelle, que lon appelle vanouissements, sont
mesures sur un intervalle de temps susamment court pour ngliger une variation des
phnomnes grande chelle [4]. Les variations de puissance observes ont pour origine la
prsence dobjets dans lenvironnement qui engendrent plusieurs rpliques du signal trans-
mis pouvant sadditionner de manire constructive ou destructive au niveau du rcepteur.
Il y a trois principaux mcanismes qui caractrisent les intractions de londe lectroma-
gntique avec son environnement :
La rexion : Londe lectromagntique rencontre un obstacle dont les dimensions
sont grandes compares la longueur donde. Une partie de lnergie de londe est
rchie par lobstacle avec un angle gal celui darrive. Lautre partie de lnergie
est absorbe par lobstacle suivant le phnomne de rfraction.
La diraction : Londe lectromagntique rencontre un obstacle impermable
celle-ci, mais prsentant des dimensions de lordre de la longueur donde ou prsen-
tant des arrtes vives. Daprs le principe de Huyghens chaque point de larrte par
exemple, se comporte comme une source secondaire qui rayonne nouveau londe
dans toutes les directions.
La diusion ("scattering") : Lorsque londe lectromagntique rencontre sur son
trajet un grand nombre dobjets dont la taille est de lordre de grandeur de la longueur
donde ou plus petite, son nergie est disperse dans toutes les directions.
6
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE 1. MODLE DU CANAL ET PRREQUIS
Ces deux grandes classes deets font varier la puissance reue au niveau du rcepteur
dans une communication radio. Pour modliser cette puissance reue on utilise couramment
le modle suivant, constitu de 3 composantes :
P
r
= P
e
G
e
G
r
k
2
r
shad
2
fading
, (1.1)
Notons que cette quation est valable pour des antennes laires identiques, o P
r
est la
puissance reue la distance r, P
e
la puissance mise, G
e
(respectivement G
r
) le gain
de directivit de lantenne dmission (respectivement de rception). Pour des antennes
omnidirectionnelles le gain vaut 1. La perte en espace libre est caractrise par le terme
k
2
/r
, o est la longueur donde, r la distance entre lmetteur et le rcepteur, k est

une constante et est un coecient dattnuation compris entre 2 et 6 dpendant de
lenvironnement de propagation. Enn,
shad
et
fading
sont des variables alatoires (v.a.)
continues positives. La premire caractrise les variations de puissance au rcepteur dues
la prsence dobstacle dans lenvironnement de propagation (eet grande chelle dcrit plus
haut). La seconde traduit les variations locales de puissance au rcepteur dues aux multi-
trajets. Cest la richesse des intractions de londe lectromagntique avec son milieu qui
implique une modlisation probabiliste des vanouissements, quils soient courts ou longs
termes. Les grandeurs P
r
(ventuellement P
e
), ,
shad
et
fading
dpendent du temps t,
omis par soucis de clart. Les ordres de grandeur de temps des variations de ces deux eets
ne sont gnralement pas comparables ;
shad
varie beaucoup plus lentement que
fading
[4]
(sauf dans certains environnements comme nous le verrons plus loin).
1.1.2 Caractrisation des canaux vanouissements
La propagation du signal travers le canal sans l, engendre des variations de lampli-
tude du signal ainsi que de la phase. Pour les modulations cohrentes que lon considre
dans ce manuscrit (M-PSK, M-QAM), les variations de la phase du signal dgradent les
performances moins quelles soient compenses au rcepteur, puisque linformation est
transmise par la phase et lamplitude de la porteuse. Dans ce manuscrit, on suppose que
lon utilise un rcepteur cohrent idal [5], dans lequel les variations de phase sont parfai-
tement compenses. Nous considrerons par la suite que les performances dun rcepteur
sont donc compltement dtermines par la statistique de lamplitude de lenveloppe du
signal.
Canal vanouissement rapide et vanouissement lent. Ces caractristiques,
dsignes sous le terme anglo-saxon par "fast fading" et "slow fading" respectivement, font
rfrence aux eets court terme voqus plus haut. Elles sont trs importantes pour la
modlisation mathmatique du canal et lvaluation de performance des systmes oprant
dans ces canaux. La classication dun canal en vanouissement rapide ou vanouissement
lent est relie la notion de temps de cohrence du canal T
coh
qui est la mesure de la spa-
ration temporelle minimale pour laquelle les rponses impulsionnelles du canal lmission
dune frquence pure sont considres dcorrles. Le temps de cohrence est inversement
proportionnel ltalement Doppler f
d
:
T
coh

k
1
f
d
, (1.2)
o k
1
est une constante dpendant de lenvironnement. Ltalement est le dcalage en fr-
quence de londe reue, cause du dplacement du rcepteur (ou de lmetteur). Un canal
est dit vanouissement rapide si la dure dun symbole transmis T
s
est gale ou plus
7
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
grande que le temps de cohrence du canal. La ralisation du canal change donc dun sym-
bole lautre voir mme durant le temps symbole
1
. Un canal est dit vanouissement lent
si le temps de cohrence du canal est beaucoup plus grand que la dure symbole. Autrement
dit, la ralisation du canal est la mme pour plusieurs symboles transmis. Par consquent
un trs faible niveau de signal peut tre observ sur la dure de plusieurs symboles cons-
cutifs, menant une srie derreurs. Notons que dans ce cas, les vanouissements peuvent
tre superposs aux eets plus long terme (shadowing). On parle alors de canal composite,
nous en dirons un mot plus tard. On remarque donc que la caractristique "canal va-
nouissement rapide ou lent" est intrinsque au systme de transmission : ce ne sont pas
des caractristiques du mdium de propagation.
Canal slectif et non slectif en frquence. La slectivit en frquence est lautre
paramtre extrmement important des canaux de propagation. Cette caractristique est
lie la bande de cohrence du canal B
coh
(paramtre dual du temps de cohrence). Cest
la mesure de la sparation frquentielle minimale pour laquelle les rponses du canal
deux frquences pures direntes sont considres dcorrles. La bande de cohrence est
inversement proportionnelle ltalement temporel statistique du canal
rms
:
B
coh

k
2
rms
, (1.3)
o k
2
est une constante dpendant de lenvironnement, et
rms
est une mesure de lta-
lement temporel des retards des multi-trajets. Si lamplitude et la phase de toutes les
composantes spectrales dun signal sont aectes de la mme manire par le canal (la
bande du signal est infrieure ou gale la bande de cohrence), celui-ci est considr
comme non slectif en frquence, galement dnomm canal plat. Dans le cas contraire,
lorsque les composantes spectrales du signal sont aectes de faon inhomogne par le canal
de propagation, celui-ci est dit slectif en frquence : certaines composantes frquentielles
subissent des attnuations et des distorsions de phase direntes dune frquence lautre.
Notons galement, que la slectivit dun canal est encore relative aux caractristiques dun
systme de communication.
1.1.3 Modlisation des canaux plats
Dans ce manuscrit nous utilisons la reprsentation bande de base bien connue pour les
signaux et le canal [5]. Dans le cas dun systme mono-antenne (single-input single-output :
SISO), le canal se modlise par un coecient complexe h qui relie les symboles complexes
mis d (M-PSK et M-QAM) au signal complexe reu r. Le signal bande de base discret au
temps symbole quivalent dune transmission est modlis par :
r(k) = h(k)d(k) +n(k), (1.4)
o n est le bruit additif thermique gnr par la radio du rcepteur, blanc gaussien et
de densit spectrale monolatrale N
0
[6] et suppose indpendant de la ralisation du
canal, k est lindice discret correspondant au temps symbole. Le coecient h = e
j
inclue les dfauts de la partie radio-frquence, considrs comme linaires. La phase est
uniformment distribue dans [0, 2]. Le module est lamplitude de lvanouissement du
canal et cest une variable alatoire de densit de probabilit p
() dont la forme dpend

du canal de propagation. Puisque le modle de signal est dcrit au temps symbole, ce
1
Dans ce dernier cas, pour que le systme puisse fonctionner il faudrait que lestimation du canal soit
faite plusieurs fois pendant le temps symbole. Nous ne considrerons pas ce cas dans la suite.
8
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
coecient fait rfrence aux vanouissements court terme du canal. Les performances des
systmes de communications numriques sont donc dpendantes de la statistique de , ou
de faon quivalent du rapport signal bruit instantan par symbole (SNR) dni comme
s
=
2
E
s
/N
0
avec E
s
= E
_
|d|
2
_
lnergie moyenne dun symbole et E(.) est lesprance
mathmatique. Pour lanalyse des systmes, il est donc quivalent dutiliser la densit de
probabilit du SNR instantan en faisant un changement de variable :
p
s
(
s
) =
p
__
s
s
_
2
_
s
s
, (1.5)
avec = E
_
2
_
, le moment dordre deux de la variable alatoire qui reprsente lnergie
moyenne du canal, et
s
= E
s
/N
0
le rapport signal bruit moyen.
La fonction gnratrice des moments ("moment generating function" MGF) M
s
(s) de
la variable alatoire
s
est associe la densit de probabilit p
s
(
s
) :
M
s
(s) =
_

0
p
s
(
s
) e
ss
d
s
(1.6)
Caractrisation probabiliste des vanouissements courts termes
Selon la nature de lenvironnement radio (ar, obstru, intrieur, extrieur, etc), il
existe dirents modles dcrivant le comportement statistique de lamplitude du canal
et donc du SNR instantan
s
.
Canal de Rayleigh. Cest la distribution que lon utilise pour modliser les vanouisse-
ments dus aux multi-trajets incohrents lorsque lmetteur et le rcepteur ne sont pas en
vue directe. Cest un des canaux de propagation les plus diciles, mais assez courant en
milieux urbains denses [1]. La densit de probabilit de est une loi de Rayleigh :
p
() =
2
exp
_
_
, 0 (1.7)
Grce au changement de variable indiqu en (1.5), on peut obtenir la distribution qui-
valente du SNR dont la densit de probabilit et la MGF sont donnes dans le tableau 1.1.
La densit de probabilit du SNR est une loi du
2
centre.
Canal de Rice. Ce modle est souvent utilis pour caractriser un environnement de pro-
pagation comprenant une composante spculaire forte due une vue directe entre lmet-
teur et le rcepteur, et une multitude de trajets incohrents dus aux diuseurs de lenvi-
ronnement [7]. La densit de probabilit de lamplitude du coecient complexe du canal
suit une loi de Rice [8] :
p
() =
2 (1 +K) e
K
exp
_
(1 +K)
2
_
I
0
_
2
_
K (1 +K)
_
, 0, (1.8)
avec K le paramtre de Rice, correspondant au rapport entre la puissance de la composante
spculaire (trajet LOS) et la puissance moyenne des multi-trajets de la composante diuse,
et varie donc entre 0 et +. La fonction I
0
(.) est la fonction de Bessel modie de premire
espce dordre 0 [9]. En appliquant le changement de variable en (1.5), le SNR par symbole
est distribue suivant une loi du
2
non centre donne dans le tableau 1.1.
9
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
La situation "vue directe" est assez courante dans les micro-cellules (petite surface
couverte par une station de base) ou en environnement ouvert (de type rural par exemple)
pour les communications tlphoniques extrieures [10]. Cela correspond galement assez
bien aux environnements indoor dits pico-cellulaires [11] (la zone de couverture du point
daccs est de lordre de quelques mtres, et la vue directe est disponible), mais aussi aux
environnements "large open-space" du style entrept dusine [12].
Notons que lorsque K = 0 la distribution de Rice devient une distribution de Rayleigh,
et traduit lvanouissement de la composante spculaire. A linverse, si K tend vers linni,
le canal devient sans vanouissement et la transmission se fait juste sur un bruit additif
blanc gaussien.
Canal de Nakagami-m. La loi de Nakagami-m a t propose par lauteur du mme
nom an denglober un large panel de svrit dvanouissement. La densit de probabilit
dune loi de Nakagami est donne en [8] :
p
() =
2m
m
2m1
m
(m)
exp
_
m
2
_
, 0, (1.9)
avec m le paramtre dvanouissement de la distribution. Il peut varier entre
1
2
et + et
peut donc caractriser un canal vanouissement gaussien mono-latral (m =
1
2
) jusquau
canal "parfait" (sans vanouissements) (m +) en passant par le canal de Rayleigh
(m = 1).
Il a t observ que la distribution de Nakagami-m correspondait trs bien aux canaux
radio-mobiles outdoor [13, 14, 15], mais aussi indoor trajets multiples [16].
Caractrisation probabiliste des vanouissements longs termes
On a not
s
(t) (en omettant lindice t) le SNR instantan. Le SNR moyen
s
=
E(
s
(t)) est le SNR moyenn relativement aux eets court terme du canal, sans consi-
drer leet de shadowing. Il sagit donc dune valeur moyenne court terme, sujette des
variations plus long terme. Le SNR moyen
s
contient le terme
shad
responsable de son
caractre alatoire. Si on considre que les eets des trajets multiples sont compenss au
rcepteur, alors les performances des systmes de communication sans ls dpendent seule-
ment des variations de
s
.
Des campagnes de mesures intensives ont permis de modliser
shad
comme une v.a. de
distribution log-normale et ce pour plusieurs environnements intrieurs et extrieurs [17,18,
19, 20]. Si lon intgre la puissance dmission et lattnuation en espace libre de (1.1) dans
la variable
shad
, le SNR moyen 10 log
10
s
suit une loi normale de moyenne non nulle
( = E(10 log
10
s
)) et dcart type en dB. La moyenne sur le long terme contient donc
la puissance dmission ainsi quune valeur moyenne de la perte en espace libre. La densit
de probabilit et la MGF de cette v.a. est donne dans le tableau 1.1. Dans lexpression de
la MGF x
n
et H
xn
sont respectivement les zros et les coecients du polynme dHermite
dordre N
p
[9].
Caractrisation hybride : multi-trajets / shadowing. Nous avons considr jus-
quici que lordre de grandeur de temps des variations des vanouissements court terme
tait trs infrieur celui des variations de la puissance moyenne. Cette hypothse nous
conduit sparer ces deux eets. Lorsque lenvironnement est dit vanouissement lent, on
ne peut plus les sparer. Dans ce cas on peut considrer que le SNR instantan est station-
naire court terme et on a
s
=
s
. Ainsi court terme (dure trame ou paquet), le canal
10
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
est vu comme un canal AWGN. Par contre sur une dure de plusieurs trames ou paquets,
s
varie, mais les variations de shadowing et de fading se superposent. On modlise alors la
variation du SNR avec une loi composite qui combine les deux eets. Cest un scnario que
lon rencontre dans les environnements urbains congestionns avec des obstacles (pitons,
vhicules) variant lentement [21, 22].
La loi composite Nakagami-m/log-normale fut introduite par Ho et Stber [22] pour les
environnements prsentant des vanouissements lents de type Nakagami-m, et en prsence
de shadowing. La densit de probabilit et la MGF du SNR moyen sont donnes dans 1.1.
Notons que dautres modles existent. Par exemple pour les environnements avec une
vue directe entre lmetteur et le rcepteur partiellement masque par des arbres ou des
immeubles, il existe la distribution composite Rice/gamma propose par Abdi et al. [23],
et qui correspond aux mesures eectues sur des environnements mobiles extrieurs. La
densit de probabilit de lamplitude de lvanouissement est donne en [23]. Pour les
environnements sans vue directe en prsence de shadowing, Abdi et al. ont propos un
mlange dune loi de Rayleigh (pour lvanouissement court terme) et une loi gamma pour
le shadowing [24], dnomm : distribution K.
11
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
C
H
A
P
I
T
R
E
1
.
M
O
D
L
E
D
U
C
A
N
A
L
E
T
P
R
R
E
Q
U
I
S
Type de canal
Paramtre
d vanouissement
Densit de probabilit Fonction gnratrice des moments
Rayleigh
1
s
exp
_
s
_
(1 s
s
)
1
Nakagami-m m
1
2
m
m
m1
s
m
s
(m)
exp
_
ms
s
_ _
1
s
s
m
_
m
Rice K 0
(1+K)e
K
s
exp
_
(1+K)s
s
_
1+K
1+Ks
s
exp
_
Ks
s
1+Ks
s
_
Log-normal shadowing 0
10
log 10
2
s
exp
_
(10 log
10
s
)
2
2
2
_
1
Np
n=1
H
xn
exp
_
10
(
2xn+)/10
s
_
Composite Nakagami-m/
Log-normal
m et 0
_
0
m
m
m1
s
s
(m)
exp
_
ms
s
_
10
log 10
2
s
exp
_
(10 log
10

s
)
2
2
2
_
d
s
1
Np
n=1
H
xn
_
1 10
(
2xn+)/10
s/m
_
m
Tab. 1.1 Densit de probabilit et MGF du SNR des canaux vanouissements
1
2
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
1.1.4 modlisation des canaux slectifs
Lorsque la largeur de bande du signal est suprieure la bande de cohrence du canal,
les composantes spectrales du signal sont aectes de manire dirente les unes des autres
en amplitude et en phase. Cela se traduit par de la slectivit en frquence (certaines
frquences sont attnues voir annules) et de linterfrence entre symboles dans le domaine
temporel. Cest--dire que la dure dun symbole T
s
est infrieure ltalement temporel
du canal
rms
. Ce type de canal est modlis par un ltre linaire de rponse impulsionnelle
complexe (en bande de base) :
h(t) =
L1
i=0
i
e
j
i
(t
i
) , (1.10)
o (.) est la distribution de dirac et {
i
}
L1
i=0
, {
i
}
L1
i=0
, {
i
}
L1
i=0
sont les amplitudes, les
phases et les retards associs aux dirents trajets respectivement. L est le nombre de
trajet que le systme peut rsoudre, cest--dire le nombre de trajet quil peut direncier.
La capacit de rsolution du systme est lie sa largeur de bande [25].
Les dirents trajets sont gnrs par une multitude de micro-trajets dus aux dirents
diuseurs de lenvironnement (on parle alors de macro-trajet pour les coecients de la
rponse impulsionnelle). Si les macro-trajets sont gnrs par des diuseurs dirents, on
peut considrer que les amplitudes {
i
}
L1
i=0
ne sont pas corrls [26], mais des modles de
corrlation existent galement.
En reprenant la notation introduite pour les canaux plats, lamplitude de lvanouisse-
ment du ime trajet
i
est une variable alatoire de densit de probabilit p
i
(
i
) lune
de celles introduites plus haut. De mme que pour les canaux plats, un signal reu soure
galement de laddition dun bruit additif blanc gaussien de densit spectrale mono-latrale
N
0
et indpendant de lvanouissement du canal. Ainsi, le SNR instantan par symbole et
pour le canal i rete lvolution de lvanouissement du signal et scrit
s
i
=
2
i
E
s
/N
0
.
Le SNR moyen par symbole est :
s
i
=
i
E
s
/N
0
, avec
i
= E
_
2
i
_
.
Un canal slectif en frquence est caractris par la suite {
i
}
L1
i=0
qui correspond au
prole de puissance des trajets ou "power delay prole" (PDP) du canal. La PDP du canal
peut prendre dirente forme selon que lenvironnement soit intrieur ou extrieur. Dans
le chapitre 5, o nous considrons des canaux slectifs en frquence, nous prenons les PDP
tablies par lETSI pour les rseaux locaux sans ls.
1.2 Critres danalyses de performance des systmes
1.2.1 SNR moyen dans un canal vanouissements rapides
Le SNR est probablement lindicateur le plus connu pour mesurer les performances
dun systme de communication numrique, notamment des systmes diversit despace
la rception. Le plus souvent valu en sortie de traitement, il est directement reli au
processus de dtection des donnes et constitue donc un bon indice sur la performance
court terme dun lien radio. Le SNR moyen est le moment dordre 1 de la variable alatoire
"SNR instantan" qui dpend de la statistique de lvanouissement du canal et scrit
simplement :
s
=
_

0
s
p
s
(
s
) d
s
, (1.11)
13
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
o p
s
(
s
) est la densit de probabilit du SNR instantan introduite dans les sections
ci-dessus.
Cependant en prsence dun canal slectif, la bonne dtection des symboles reus ne
dpend plus uniquement de la valeur de
s
, mais galement de linterfrence entre symbole
prsente au moment de la dcision. Ce nest donc plus un critre susant pour caractriser
la qualit dune communication.
1.2.2 Probabilit derreur moyenne
Evanouissements rapides
Il est assez naturel de caractriser les variations court termes par la probabilit derreur
symbole moyenne ou "symbol error probability" (SEP). Cest indniablement le critre le
plus pertinent, et donc le plus largement tudi pour lanalyse de performances des systmes
de communications numriques. Dans ce manuscrit, le SEP moyen est mathmatiquement
dsign par P
s
(E) et renvoie la probabilit que lvnement E "une erreur sur la dtection
du symbole est commise" soit ralis. Son expression sans codage, est :
P
s
(E|
s
) =
_

0
P
s
(E|
s
,
s
) p
s
(
s
) d
s
. (1.12)
Cest aussi le plus dlicat obtenir analytiquement. Cela tient principalement au fait
que la probabilit derreur conditionnelle P
s
(E|
s
,
s
) est gnralement une fonction non
linaire du SNR instantan et dont la forme dpend de la modulation et du type de dtection
eectue par le rcepteur. Lquation (1.12) est lexpression rigoureuse de la probabilit
derreur symbole. Elle traduit le fait que le SEP moyen dpend du SNR moyen. Notons
quen prsence de shadowing,
s
est une variable alatoire, donc P
s
(E|
s
) galement.
Evanouissements lents
Lorsque le canal varie trs lentement, les deux eets vanouissements et shadowing se
superposent et sont consdrs comme des phnomnes long termes (au regard de la dure
symbole). Comme le canal court terme est vu comme un canal AWGN (et non plus
comme un canal vanouissement), la formulation en (1.12) doit tre adapte. Puisque le
SNR est stationnaire court terme (
s
=
s
=
Es
N
0
), alors P
s
_
E
Es
N
0
_
est la probabilit
derreur en canal AWGN. Pour les modulations que nous considrons dans ce manusrit
(M-PSK, M-QAM), elle sexprime en fonction de la fonction gaussienne derreur ou une
combinaison de celle-ci, mais nous y reviendrons au chapitre suivant.
1.2.3 Probabilit de coupure symbole
Evanouissements rapides et shadowing
Parceque le SEP moyen varie cause de leet shadowing, et nest plus reprsentatif
de ltat dune communication, il est intressant de caractriser un lien par la probabilit
que le SEP atteigne une valeur cible au cours du temps. Conti et al. appellent probabilit
de coupure symbole ou "symbol error outage" (SEO), la probabilit que lvnement O "le
SEP moyen dpasse une valeur seuil, connaissant la moyenne du shadowing" soit ralis.
Elle est dnie mathmatiquement par [27, 28] :
P
s
(O|) = P (P
s
(E|
s
) P
s
(E|
s
) |) , (1.13)
14
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec P
s
(E|
s
) la probabilit derreur seuil. Pour rsoudre cette quation de faon analy-
tique, il serait intressant de travailler en SNR. En eet, le SEO nest pas sans rappeler la
probabilit de coupure simple ou "outage probability", trs tudi dans la littrature [29]
qui est la probabilit que le SNR moyen tombe en dessous dun certain seuil :
P
s
(O|) = P (
s

th
|) . (1.14)
En fait, ces deux probabilits sont gales car la fonction reliant le SNR au SEP est
bijective ( la condition que lon ait pas dinterfrence entre symboles). Par consquent il
sut darriver exprimer le SNR cible correspondant au seuil SEP :
th
= f (P
s
(E)) , (1.15)
o f (P
s
(E)) = P
s
(E|
s
)
1
. Ds lors, lexpression en (1.13) devient :
P
s
(O|) = P (
s

th
|) (1.16)
=
_

th
=(P
s
(E))
1
0
p
s
(
s
|) d
s
, (1.17)
ce qui est beaucoup plus simple obtenir, puisquil sut de connaitre la distribution du
SNR moyen en fonction de la valeur moyenne du shadowing : p
s
(
s
|). Cette loi, introduite
ci-avant est en gnrale considre comme log-normale. Autrement dit, la probabilit de
coupure symbole sobtient en valuant la fonction de rpartition dune variable alatoire
log-normale en
th
sexprimant laide du SEP cible moyen. On connat sous forme exacte
cette valuation [27] :
P
s
(O) = Q
_
dB
10 log
10
s
(P
s
(E))
dB
_
, (1.18)
avec
dB
et
dB
la moyenne et lcart type de la loi log-normale. Cependant linversion
de la probabilit derreur nest pas un problme trivial, et cest une des contributions
importantes que nous dvelopperons dans la suite du manuscrit.
Evanouissements lents et shadowing
Dans ce cas lexpression de la probabilit de coupure symbole en (1.17) est toujours
valable, mais (P
s
(E))
1
est linverse de la probabilit derreur en canal AWGN. De plus
la distribution p
s
(
s
|), pour calculer la probabilit de coupure symbole, intgre la
fois lvanouissement et le shadowing avec une loi composite Nakagami-m/log-normale par
exemple.
1.3 Fonctions spciales utilises
Dans ce manuscrit, nous utilisons plusieurs fonctions spciales pour exprimer la proba-
bilit derreur moyenne. Bien que convenablement documentes, dans un soucis de clart,
nous donnons brivement les dnitions et reprsentation des fonctions gamma, beta, hy-
pergomtrique de Gauss et hypergomtrique dAppell.
15
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
1.3.1 Fonction Gamma
La fonction gamma permet dtendre la dnition de factorielle aux nombre rels et
complexes. Elle est dnie par lintgrale de Euler de premire espce :
(z) =
_

0
t
z1
e
t
dt, (1.19)
avec z C et Re(z) > 0. Pour les nombres entiers naturels on a la dnition suivante :
(n) = (n 1)!, n N, (1.20)
o ! dsigne la notation factorielle.
1.3.2 Fonction Beta
Cette fonction est dnie par lintgrale suivante :
B(x, y) =
_
1
0
t
x1
(1 t)
y1
dt, (1.21)
avec (x, y) C
2
et Re(x) > 0, Re(y) > 0. Il existe une relation fonctionnelle entre la
fonction beta et la fonction gamma [9] :
B(x, y) =
(x)(y)
(x +y)
= B(y, x). (1.22)
1.3.3 Fonction hypergomtrique de Gauss
Dnition. La srie hypergomtrique de Gauss est une srie de la forme :
2
F
1
(a, b; c; x) =
n=0
(a)
n
(b)
n
(c)
n
x
n
n!
(1.23)
=
(c)
(a) (b)
n=0
(a +n) (b +n)
(c +n)
x
n
n!
(1.24)
avec (z)
n
est le symbole de Pochhammer dni par (z)
n
= (z +n) /(z), avec n N et
z C avec Re(z) > 0.
La srie hypergomtrique converge si a ou b sont des entiers ngatifs ou nuls. La srie
de Gauss se rduit un polynme de degr n si a ou b sont gaux m, m N. La srie
diverge si c = n, n N et si ni a ni b ne sont gaux m avec m < n.
Si ces valeurs de a, b et c sont exclues la srie converge lintrieur du cercle unit
|x| < 1. Sur le cercle unit |x| = 1, le comportement de la srie est assure par les conditions
suivantes :
1. si 1 > Re (a +b c) 0 la srie converge sur le cercle unit sauf en x = 1,
2. si Re (a +b c) < 0 la srie converge absolument sur le cercle unit,
3. si Re (a +b c) 1 la srie diverge sur le cercle unit,
16
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Reprsentation intgrale. Si Re(c) > Re(b) > 0 alors la fonction hypergomtrique
de Gauss se dnit comme :
2
F
1
(a, b; c; x) =
(c)
(b)(c b)
_
1
0
t
b1
(1 t)
cb1
(1 tx)
a
dt. (1.25)
De plus, si |x| < 1, Re(a) > 0 et Re(c a) > 0 alors il existe une autre reprsentation
valide de la fonction hypergomtrique de Gauss, utilise par Butler et Wood [30] :
2
F
1
(a, b; c; x) =
(c)
(a)(c a)
_
1
0
t
a1
(1 t)
ca1
(1 tx)
b
dt. (1.26)
Relations fonctionnelles. Il existe plusieurs transformations sur la fonction hypergo-
mtrique de Gauss appeles relations dEuler [9]. Nous donnons ici deux relations qui nous
sont utiles pour la suite :
2
F
1
(a, b; c; x) = (1 x)
b
2
F
1
(c a, b; c;
x
x 1
) (1.27)
= (1 x)
cab
2
F
1
(c a, c b; c; x). (1.28)
1.3.4 Fonction hypergomtrique dAppell de premire espce
La fonction hypergomtrique dAppell (du nom du mathmaticien franais qui la d-
couvrit) est une extension deux variables de la fonction hypergomtrique de Gauss.
Dnition. Il sagit dune srie deux variables x et y :
F
1
_
a, b, b
; c; x, y
_
=
m=0
n=0
(a)
m+n
(b)
m
(b
)
n
(c)
m+n
x
m
m!
y
n
n!
. (1.29)
La srie est absolument convergente si |x| < 1 et |y| < 1, mais la nature et la position
des singularits ne sont pas videntes dterminer.
Reprsentation intgrale. La srie hypergomtrique dAppell peut sexprimer sous la
forme dune double intgrale [31] mais galement laide dune seule intgrale pourvu que
Re(c) > Re(a) > 0 et |x| < 1, |y| < 1 :
F
1
_
a, b, b
; c; x, y
_
=
(c)
(a)(c a)
_
1
0
t
a1
(1 t)
ca1
(1 xt)
b
(1 yt)
b
dt. (1.30)
Transformation linaire et valeurs particulires utiles. Plusieurs relations fonc-
tionnelles sont disponibles pour la fonction hypergomtrique dAppell, mais nous nutili-
serons quune seule de celles donnes dans [31] :
F
1
_
a, b, b
; c; x, y
_
= (1 x)
a
F
1
_
a, c b b
, b
; c;
x
x 1
,
y x
1 x
_
. (1.31)
De plus, la fonction hypergomtrique dAppell se rduit une fonction hypergom-
trique de Gauss dans les cas suivants :
17
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
F
1
_
a, b, b
; c; 0, y
_
=
2
F
1
_
a, b
; c; y
_
, (1.32)
F
1
_
a, b, b
; c; x, 0
_
=
2
F
1
(a, b; c; x) , (1.33)
F
1
_
a, b, b
; c; x, x
_
=
2
F
1
_
a, b +b
; c; x
_
. (1.34)
1.3.5 Fonction Beta incomplte
La fonction beta incomplte, note B
x
(a, b), est dnie par lintgrale :
B
x
(a, b) =
_
x
0
t
a1
(1 t)
b1
dt, (1.35)
avec x R. La fonction beta incomplte est relie la fonction hypergomtrique de Gauss
par la relation :
B
x
(a, b) =
x
a
a
2
F
1
(a, 1 b; a + 1; x) . (1.36)
1.4 Mthodes mathmatiques dapproximation
La probabilit derreur moyenne sexprimant souvent laide des fonctions spciales
introduites ci-dessus, il est ncessaire den trouver des approximations pour obtenir une
expression simple et inversible du SEP. La premire section prsente la mthode de Laplace
permettant dapprocher la fonction hypergomtrique de Gauss. Une autre mthode pou-
vant mener lobtention dexpression inversible du SEP est de considrer le comportement
de la probabilit derreur moyenne fort SNR. Cest lobjet de la deuxime section qui
prsente la mthode de Wang et Giannakis [32].
1.4.1 Approximation de Laplace
Cette mthode est galement appele approximation en point de selle ou "saddle-point
approximation" (SPA) par les physiciens.
Mthode gnrale. Soit lintgrale suivante valuer :
I =
_
b
a
e
Tf(t)
dt, (1.37)
avec T R. La fonction f est de classe C
2
sur [a, b]. De plus, f possde un minimum unique
t
0
sur lensemble dintgration [a, b]. Lide gnrale de la mthode de Laplace rside dans
le fait que pour de grandes valeurs du paramtre T, la plus importante contribution la
valeur de lintgrale I est apporte par les valeurs de t voisins de t
0
. La fonction f possde
un dveloppement en srie de Taylor en t
0
dont les premiers termes sont :
f(t) = f(t
0
) +f
(t
0
)(t t
0
) +
f
(t
0
)
2
(t t
0
)
2
+O
_
(t t
0
)
3
_
, (1.38)
avec :
f
(t
0
) =
f(t)
t
t=t
0
, et f
(t
0
) =

2
f(t)
t
2
t=t
0
, (1.39)
18
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
les drivs premire et seconde de f respectivement, prisent en t
0
. Puisque t
0
est un mini-
mum global de f, alors f
(t
0
) = 0. Par consquent, la fonction f peut sapprocher par :
f(t) f(t
0
) +
f
(t
0
)
2
(t t
0
)
2
. (1.40)
En remplaant (1.40) dans (1.37), on obtient une forme approche de lintgrale I :
I e
Tf(t
0
)
_
b
a
e
T
2
f
(t
0
)(tt
0
)
2
dt. (1.41)
Lorsque T la valeur de lexponentielle dcrot trs vite quand on sloigne de t
0
,
et les bornes de lintgrale peuvent stendre de manire heuristique et +. Avec
le changement de variable y = (t t
0
)
_
Tf
(t
0
)/2, il apparat lintgrale de Gauss dont
la valeur est

. Il en dcoule lexpression de lapproximation de Laplace que lon trouve
communment dans la littrature [30, 33] :
I
2
Tf
(t
0
)
e
Tf(t
0
)
. (1.42)
Lorsque T , lapproximation a un terme derreur en O
_
T
1
_
. Nous avons donn les
tapes permettant dobtenir lapproximation de Laplace dune intgrale de manire quali-
tative, mais la preuve rigoureuse de (1.42) peut se trouver en [34]. De plus le comportement
de lerreur a fait lobjet de nombreuses discussions et le lecteur intress pourra se reporter
[35, 36].
En fait, la mthode de Laplace peut sappliquer lintgrale plus gnrale :
I =
_
b
a
h(t)e
Tg(t)
dt, (1.43)
avec T R et g est de classe C
2
sur [a, b] prsentant un minimum unique en t
0
[a, b].
La fonction h(t) est continue sur [a, b], non nulle en t
0
et de signe constant sur [a, b].
Lapproximation de Laplace donne pour I [30] :
I =
2
Tg
(t
0
)
h(t
0
)e
Tg(t
0
)
, (1.44)
et I =

I
_
1 +O
_
T
1
__
si T . La prcision de lapproximation dpend de deux
paramtres importants : le choix de la reprsentation (h; g) de lintgrande et la possibilit
de calibrer lapproximation, permettant daugmenter la prcision de la mthode de Laplace
mme pour des valeurs de T faibles ; typiquement T = 1.
Reprsentation de lintgrande avec (h; g). Le choix du couple (h; g) doit tre tel que
lintgrale I soit invariante par transformation bijective de t. Soit une fonction q : [a, b] R
bijective telle que u = q(t). Il existe une fonction q
1
: R [a, b] telle que t = q
1
(u). En
prenant T = 1, lintgrale I peut scrire :
I
u
=
_
uq([a,b])
h
1
(u)e
g
1
(u)
du, (1.45)
avec :
h
1
(u) = h
_
q
1
(u)
_
dy
du
et g
1
(u) = g
_
q
1
(u)
_
. (1.46)
19
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
On peut vrier que les intgrales en (1.43) et (1.45) sont quivalentes et par consquent
que les approximations de Laplace de ces deux expressions le sont aussi. Ce rsultat nest pas
immdiat et une preuve est disponible en [37]. Pour plus de prcision sur lapproximation
de Laplace et "saddle-point" le lecteur peut galement se rfrer [38] et [39].
Calibration. Butler et Wood [30] suggrent que la prcision de lapproximation de La-
place en (1.44) peut tre amliore lorsque T ne tend pas vers linni, notamment en
procdant une normalisation de

I. Lapproximation de Laplace de la fonction hypergo-
mtrique de Gauss par (1.44) se note
2

F
1
(a, b; c; x). On procdera une calibration pour
lapproximation de la fonction hypergomtrique de Gauss en x = 0 :
2

F
1
(a, b; c; x) =
2

F
1
(a, b; c; x)/
2

F
1
(a, b; c; 0) [30].
Approximation de la fonction hypergomtrique de Gauss. Avec la relation (1.26),
on applique la mthode de Laplace sur la fonction hypergomtrique de Gauss. En choisis-
sant le couple de fonction (h; g) suivant pour lintgrale :
h(t) = B(a, c a)
1
t
1
(1 t)
1
(1.47)
g(t) = {a ln(t) + (c a) ln(1 t) b ln(1 xt)} , (1.48)
la fonction hypergomtrique de Gauss scrit :
2
F
1
(a, b; c; x) =
_
1
0
h(t)e
g(t)
dt = I. (1.49)
Cette forme dintgrale peut sapprocher avec la mthode de Laplace. La fonction g(t)
est de classe C
2
sur [a, b]. Ses drives premires et secondes sont :
g
(t) =
c a
1 t

a
t

bx
1 xt
(1.50)
g
(t) =
c a
(1 t)
2
+
a
t
2

bx
2
(1 xt)
2
. (1.51)
La fonction g possde un minimum global t
0
sur son ensemble de dnition [0, 1]. Le
point t
0
est obtenu en rsolvant lquation g
(t) = 0 :
t
0
=
2a
_
2
4ax(c b)
, (1.52)
avec = x(b a) c. Il sagit de lunique solution de lquation g
(t) = 0 sur [0, 1] si

0 < a < c, b 0 et x [0, 1). Cependant, seules les conditions sur a et c sont ncessaires,
et on peut tendre la mthode x < 0 en utilisant (1.27) et/ou b < 0 avec (1.28).
On applique la relation (1.44) pour obtenir lapproximation de Laplace non calibre de
la fonction hypergomtrique de Gauss :
2

F
1
(a, b; c; x) = (2)
1/2
B(a, c a)
1
1/2
t
a
0
(1 t
0
)
ca
(1 xt
0
)
b
, (1.53)
o est une fonction dpendant de a, b, c et x et dnie par :
(a, b, c, x) = a(1 t
0
)
2
+ (c a)t
2
0
bx
2
t
2
0
(1 t
0
)
2
(1 xt
0
)
2
. (1.54)
20
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
La prcision de lapproximation en (1.53) peut tre grandement amliore en normali-
sant par
2

F
1
(a, b; c; 0). Ainsi, lapproximation de Laplace normalise de la fonction hyper-
gomtrique de Gauss est donne par :
2

F
1
(a, b; c; x) = c
c1/2
r
1/2
2,1
_
t
0
a
_
a
_
1 t
0
c a
_
ca
(1 xt
0
)
b
, (1.55)
avec
r
2,1
=
t
2
0
a
+
(1 t
0
)
2
c a

bx
2
(1 xt
0
)
2
t
2
0
a
(1 t
0
)
2
c a
. (1.56)
Cette approximation de la fonction hypergomtrique sera utilise pour approcher son
tour la probabilit derreur. Une autre mthode consiste essayer dapprocher la probabilit
derreur directement, comme prsent dans la section suivante.
1.4.2 Expression asymptotique
Lide est de regarder comment se comporte la probabilit derreur moyenne lorsque
s
. Wang et Giannakis [32] ont propos une mthode permettant de prdire les
comportements asymptotiques (aux larges SNR) de quasiment tous les systmes (mono ou
multi-antennes) avec ou sans codage canal, utilisant une modulation cohrente ou non et
dans quasiment tous les environnements de propagation auxquels peuvent tre soumis les
signaux de tlcommunication. Ils supposent une transmission sur canal plat vanouisse-
ment, et font les trois suppositions suivantes :
1. Le SNR instantan au rcepteur est fonction du SNR moyen
s
=
s
, avec une
variable alatoire dpendant du canal et E() = 1.
2. Le SEP instantan dpend de par la fonction gaussienne Qet P
s
(E|) = Q
__
k
s
_
.
k est une constante positive dpendant de la modulation et du type de dtecteur.
3. La densit de probabilit p () peut tre approch par un terme polynomial lorsque
0
+
comme p () = a
t
+O
_
t+
_
, o > 0 et a est une constante positive.
Ils dmontrent que la probabilit derreur moyenne dune communication sans ls aux
forts rapports signal sur bruit est de la forme :
P
s
(E) (G
c
s
)
G
d
, (1.57)
avec G
c
le gain de codage et G
d
le gain de diversit. Ce dernier dtermine la pente du SEP
moyen aux forts SNR dans une chelle log-log. Le gain de diversit peut-tre celui apport
par la diversit despace (plusieurs antennes en rception), ou temporelle (en exploitant les
multi-trajets de lenvironnement). Quant au gain de codage, il dtermine le dcalage du
SEP moyen par rapport la courbe de rfrence (
s
)
G
d
.
La premire hypothse correspond au modle du SNR introduit la section 1.1.3. Le
SNR instantan et moyen sont :
s
=
2
E
s
/N
0
et
s
= E
_
2
_
E
s
/N
0
. Dans lhypothse 1
on a juste pos =
2
et E
_
2
_
= 1. La seconde hypothse traduit le fait de la pr-
sence dun bruit additif blanc gaussien et une modulation BPSK. Cependant, pour des
modulations dordres suprieures, la probabilit derreur conditionnelle est bien souvent
une somme de fonction gaussienne Q. La troisime hypothse nest pas trs forte et est
largement applicable. En eet, si la fonction p () est de classe C
n
dans un voisinage V
autour de = 0, alors elle admet un dveloppement de Taylor-MacLaurin en ce point.
Autrement dit on peut approcher le comportement de la densit de probabilit de par
un polynme au voisinage de 0.
21
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
SEP moyen aux forts SNR. Les auteurs dmontrent [32] que pour un signal BPSK et
lorsque le SNR moyen tend vers linni, la probabilit derreur moyenne est donne par :
P
s
(E|
s
) =
2
t
a
_
t +
3
2
_
(t + 1)
(k
s
)
(t+1)
+O
_
(t+1)
s
_
. (1.58)
Ce rsultat est obtenu en considrant le dveloppement de p () en 0 de lhypothse 3.
Il en rsulte que le SEP moyen peut se modliser par (1.57) avec comme gain de diversit
et de codage :
G
d
= t + 1 (1.59)
G
c
= k
_
2
t
a
_
t +
3
2
_
(t + 1)
_
1
t+1
. (1.60)
Les valeurs des paramtres t et a dpendent du type de canal et son rappeles dans [32].
Lide intuitive derrire ce thorme est que lorsque le rapport signal bruit moyen est fort,
les performances du systme vont tre domines par lvnement, faible probabilit de
ralisation, que le SNR instantan devienne faible. Donc seul le comportement lorigine
de p () dtermine le comportement du SEP lorsque le SNR moyen est grand. En fait,
alors que
s
, Q
__
s
_
se rapproche du dirac lorigine. De ce fait les auteurs
suggrent que lon peut tendre ce rsultat des modulations dont la probabilit derreur
conditionnelle ne sexprime pas seulement laide dune fonction Q. Pour toutes fonctions
ayant un comportement proche dun dirac lorsque
s
, le rsultat nonc ci-dessus est
valable. Ce qui est le cas de fonction du genre
p
s
Q
q
(.),
p
s
exp(q
s
) ou toutes combinaisons
linaires de ces fonctions avec p et q des nombres positifs. Cela permet dtendre le rsultat
des modulations de type M-QAM rception cohrente ainsi que M-FSK dmodulation
non-cohrente.
Cest ainsi que les auteurs drivent la probabilit derreur asymptotique dun signal
modul M-PSK et M-QAM respectivement rception cohrente :
P
s
(E|
s
)
a(t + 1)
g
t+1
psk
_
_
(M1)/M
0
sin
2(t+1)
d
_
1
t+1
s
(1.61)
P
s
(E|
s
)
4a(t + 1)g
g
t+1
qam
_
_
/2
0
sin
2(t+1)
d
g
_
/4
0
sin
2(t+1)
d
_
1
t+1
s
. (1.62)
Dautres rsultats sont disponibles dans [32], notamment des formes asymptotiques de
la probabilit de coupure. Le lecteur intress pourra se reporter larticle pour de plus
amples dtails.
Cette mthode permet dapprocher le comportement de la probabilit derreur pour
un SNR trs grand. Pour des systmes sans codage canal, le SNR dintrt est celui cor-
respondant une probabilit derreur comprise entre 10
1
et 10
4
. Pour ces valeurs du
rapport signal sur bruit, les formes asymptotiques de la probabilit derreur ne sont pas
trs prcises. Notamment, dans des canaux comme Nakagami-m ou Rice lorsque le para-
mtre dvanouissement devient important. On peut constater dans [32] que pour m > 2,
lapproximation nest pas prcise dans les domaines de SNR dintrts. Les courbes de
22
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
SEP moyen sont gnralement concaves avec le SNR, le cas de Rice tant une exception
et prsentant un point dinexion dans la courbe. En eet, nous verrons que la probabilit
derreur dun signal M-PSK en canal de Rice est obtenue en intgrant sur la variable
la MGF du SNR (rappele dans le tableau 1.1), avec s = g
psk
/ sin
2
et o g
psk
est une
constante dpendant de lordre de la modulation. En rgime non asymptotique (lorsque K
nest pas ngligeable devant
s
), le terme exponentiel tend plus rapidement vers 0 que la
fraction rationnelle, et lvolution du SEP est dicte par lintgrale de lexponentielle, ce qui
donne une forme concave la courbe. Mais lorsque
s
tend vers linni, le terme exponentiel
tend vers une constante et le terme en fraction rationnelle tend vers (1+K) sin
2
/(g
psk
s
).
Le SEP est donc proportionnel 1/
s
, et celui-ci se voit dcrotre linairement avec le SNR
en chelle log-log, do la prsence dun point dinexion. De ce fait lapproche des auteurs
de [32] est trs limite dans le cas dun canal de Rice. Sur la gure 1.1, on a trac lvolu-
tion de la probabilit derreur moyenne dune M-PSK en canal de Rice pour trois valeurs
du paramtres K. Si K = 0dB, la description de Wang et Giannakis est susante pour
estimer le SEP moyen car lapproximation donne en (1.61) est proche de la valeur exacte
pour toutes les valeurs du SNR. Cependant lorsque K augmente, ce nest plus du tout le
cas et si lon veut une description prcise et simple de la probabilit derreur aux faibles
SNR, il faut abandonner cette mthode.
0 5 10 15 20 25 30 35 40
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exacte K=0dB
Asymptotique K=0dB
Exacte K=6dB
Asymptotique K=6dB
Exacte K=10dB
Asymptotique K=10dB
Fig. 1.1 SEP dun signal QPSK en canal de Rice. Expression exacte et comportement
asymptotique (1.61).
1.5 Techniques MIMO
Lutilisation dantennes multiples dans un systme de communication remonte quelques
dcennies. Leur implantation sest dabord cantonne aux stations de bases pour des ques-
tions de consommation et de place. Les antennes multiples permettent en particulier dam-
liorer la sparation des utilisateurs dans le domaine spatial et dexploiter la diversit en
23
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
mission ou en rception pour lutter contre les vanouissements du canal de propagation.
La diversit introduite provient du fait de la prsence de la "copie" dun mme message
sur les direntes antennes de lmetteur ou du rcepteur.
Depuis quelques annes lide dinstaller plusieurs antennes au niveau du terminal sest
galement rpandue, encourage par laugmentation de la puissance de calcul des termi-
naux. Ds lors que lon dispose de plusieurs antennes en mission et en rception, on est
en prsence dun systme dit MIMO pour "multiple-input multiple-output". Ces systmes
peuvent permettre daugmenter la capacit du lien radio classique de faon assez specta-
culaire [40, 41].
Les systmes MIMO permettent dexploiter deux types de gains. Le premier est le gain
en diversit, dont le but est laugmentation de la qualit du lien radio o lon transmet
la mme information plusieurs fois. Cela a pour consquence de se prmunir contre les
vanouissements du canal. Le deuxime type de gain est laugmentation du dbit. Pour ce
faire on utilise les canaux multiples comme un moyen de transmettre simultanment des
donnes direntes.
Dans cette section, nous prsentons les principes fondamentaux des systmes multi-
antennes MIMO que nous utilisons dans la suite du document. Nous commenons par
prsenter les systmes MIMO codage blocs orthogonaux galement appels systmes
STBC pour "space-time block codes". Dans un second temps, nous prsentons les systmes
MIMO multiplexage spatio-temporel plutt privilgis pour leur dbit. Mais tout dabord,
nous dcrivons le modle mathmatique du canal MIMO que nous utilisons par la suite.
1.5.1 Modle de canal MIMO
Beaucoup de campagnes de mesures ont t eectues ces dernires annes pour carac-
triser le canal de propagation multi-antennes et cest encore un domaine de recherche trs
actif car il est essentiel davoir des modles probabilistes ables donnant les caractristiques
importantes du canal de propagation sans avoir le mesurer chaque fois. Les caract-
ristiques du canal de propagation MIMO ont t normment tudies par les groupes de
travail europens comme COST (pour "european COoperation in the eld of Scientic and
Technical research"), chargs de caractriser entre autres les canaux de propagation MIMO
(COST-231 [42]).
Pour les canaux MIMO, nous retrouvons les mmes caractristiques physiques que celles
introduites la section 1.1.1. Le canal est reprsent mathmatiquement par une matrice H
traduisant la dimension spatiale. Dans la suite nous nous intresserons au canal non slectif
en frquence, cest--dire que chaque entre de la matrice H est un coecient complexe,
variant dans le temps :
H =
_
_
_
_
_
_
h
11
h
12
h
1nt
h
21
h
22
.
.
.
.
.
.
.
.
.
.
.
.
h
nr1
h
nr2
h
nrnt
_
_
_
_
_
_
, (1.63)
avec h
k,l
C, 1 k n
r
, 1 l n
t
et h
k,l
=
k,l
e
j
k,l
. La variable alatoire
k,l
est lamplitude de lvanouissement du canal entre la lime antenne dmission et la
kime antenne de rception que lon supposera identiquement distribu et
k,l
sont les
phases des coecients complexes galement identiquement distribues. Les amplitudes de
lvanouissement peuvent tre distribues suivant des lois de Rayleigh, Nakagami-m ou
Rice introduites au dbut de ce chapitre la section 1.1.3.
24
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Coecients indpendants et identiquement distribus (i.i.d). Si lenvironnement
radio est susamment riche en diuseurs, et que les antennes sont susamment espaces
les unes des autres, les coecients h
k,l
peuvent tre supposs dcorrls et identiquement
distribus [43, 44]. Cest le modle le plus largement utilis dans la littrature sur les sys-
tmes MIMO. Les modules
k,l
sont les amplitudes des vanouissements du canal et suivent
lune des lois introduites dans ce chapitre pour tout couple (k, l). Les phases des coecients
complexes du canal
k,l
sont indpendantes et uniformment distribues sur [0, 2). Le cas
dun canal MIMO Rayleigh i.i.d correspond la situation o aucune vue directe nest dis-
ponible entre lmetteur et le rcepteur, et que les deux extrmits du lien MIMO sont
entoures dun grand nombre de diuseurs.
Corrlation spatiale. Dans la ralit, les environnements peu riches en diuseurs et/ou
un faible espacement spatial entre les antennes (au regard de la longueur donde) entranent
lapparition de corrlation spatiale entre les variables alatoires h
k,l
. On peut donc dnir
une matrice de corrlation spatiale (qui est une matrice de covariance) entre les coecients
du canal :
= E
_
vec (H) vec (H)
H
_
, (1.64)
avec C
nrntnrnt
hermitienne dnie positive. Loprateur vec (A) C
mn1
transforme
en un vecteur colonne la matrice A C
mn
. On dnit galement deux autres matrices
hermitiennes dnies positives, que lon appelle matrice de corrlation dmission et matrice
de corrlation de rception :
nt
= E
_
H
H
H
_
, (1.65)
nr
= E
_
_
HH
H
_
T
_
. (1.66)
Sous les conditions que la matrice de corrlation dmission est identique vue de tous les
capteurs de rception et inversement, et que les lments diagonaux de sexpriment avec
le produit des coecients de corrlation de lmission et de la rception, alors la matrice
de corrlation du canal MIMO peut se mettre sous la forme [44] :
=
nr

nt
, (1.67)
avec le produit de Kronecker. Cette modlisation est appele modle de Kronecker. Pour
un canal MIMO Rayleigh corrl, on peut crire :
H =
1/2
nr
H
w
1/2
nt
, (1.68)
avec les coecients de H
w
gaussiens indpendants et identiquement distribus. Notons que
le modle de Kronecker est le modle gnralement admis pour modliser des environne-
ments MIMO NLOS, avec corrlation [44], [45]. Ce modle semble avoir une dpendance
importante par rapport la conguration des rseaux dantennes utiliss pour le systme
MIMO [46]. Notons galement que ce modle est utilis par des auteurs pour modliser
une corrlation spatiale lorsque les amplitudes des coecients de H suivent une loi de
Nakagami-m [47], [48]. Cependant rien ne semble pouvoir armer que ce modle est encore
correcte pour des vanouissements de Nakagami-m [49].
Le phnomne de corrlation spatiale apparat dans lenvironnement dcrit plus haut.
Londe lectromagntique arrive (respectivement part) sur les antennes de rception (res-
pectivement dmission) avec un certain angle darrive (AA) (respectivement de dpart
25
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
(AD)). A cause de la prsence de diuseur dans lenvironnement on observe un talement
angulaire des angles darrivs et de dparts, modlis par une variable alatoire gaussienne
(dans le plan azimuthal) qui correspond bien ce que lon peut observer [50]. La corrlation
spatiale sur les antennes dpend de lespacement entre celles-ci suivant une combinaison
linaire de fonctions de Bessel, mais galement de lcart type de la distribution gaussienne
de ltalement angulaire et de sa moyenne. Plusieurs tudes, notamment celle de Luo et al.
ont montr que la corrlation de lenveloppe de londe incidente diminue ds lors que lta-
lement angulaire dans lequel arrivent (ou partent) les signaux augmente [51]. A lextrme
si le rcepteur (ou lmetteur) se trouve dans un environnement isotrope, on retrouve lex-
pression de Jakes pour le coecient de corrlation [4] : J
2
0
_
2
d
_
. Il est proportionnel
au carr de la fonction de Bessel de premire espce dordre 0, et d est lespacement
inter-capteurs, est la longueur donde.
La prsence de corrlation lmission et/ou la rception vont venir dgrader la
diversit que peut orir un systme MIMO et par la mme, les performances du systme.
Cependant les tudes en [52, 53] ont montr que la dgradation des performances tait
faible mme pour des coecients de corrlation de lordre de 0.7. Par contre, Gesbert et
al. ont montr quun phnomne de "trou de serrure" tait trs nfaste pour la capacit
que pouvait atteindre un systme MIMO [54, 55]. Les diuseurs autour du mobile et de la
station de base crent une sorte danneau de diusion caractris par un rayon dpendant
de la distance maximale entre les diuseurs et le mobile (cela est appele "scattering radius"
en anglais). Le phnomne "trou de serrure" (ou "keyhole") apparat lorsque le rayon de
diusion autour du mobile et de la station de base est trop faible compar la distance
entre ces deux anneaux, ce qui a pour eet de diminuer le rang de la matrice canal et
donc la capacit du systme. Nous supposerons dans la suite que nos communications ne
se trouvent pas dans cette conguration.
Notons galement que la proximit spatiale des antennes peut galement provoquer des
eet de couplage lectromagntique entre elles. La prise en compte de ces eets sort du
cadre de notre tude, mais les travaux de Luo et al. [51], ainsi que Diouris et al. [56] ont
tudi limpact des eets de couplage sur les performances dun systme. Sous certaines
conditions, le couplage peut entraner une modication du diagramme de rayonnement des
antennes, et ainsi apporter une diversit amliorant les performances du systme.
1.5.2 Systmes multi-antennes codage blocs orthogonaux
Codage STBC. Les systmes MIMO STBC orthogonaux prsentent un compromis op-
timal entre diversit (donc qualit du lien radio) et dbit. Ils utilisent des symboles com-
plexes issus dune constellation cods la fois en espace (plusieurs antennes dmission)
et en temps (redondance) suivant une matrice de codage G propre chaque type de code.
La gure 1.2 illustre une chane MIMO STBC. La matrice G C
pnt
et ses colonnes sont
orthogonales les unes par rapport aux autres au sens du produit scalaire :
G =
_
_
_
_
_
_
g
11
g
12
g
1nt
g
21
g
22
.
.
.
.
.
.
.
.
.
.
.
.
g
p1
g
p2
g
pnt
_
_
_
_
_
_
, (1.69)
dont chaque entre g
k,j
, 1 k p, 1 j n
t
, est une combinaison linaire des symboles
{d
n
}
N
n=1
et de leur conjugu. A chaque instant k, le vecteur signal {g
k,j
}
nt
j=1
est transmis
au moyen des n
t
antennes dmission. Pour transmettre N symboles il faut une dure
26
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
quivalente p symboles. Le taux de codage du systme se dnit donc par R
c
= N/p et il
est ncessairement infrieur 1 si lon veut garder lorthogonalit des codes pour une taille
de systme suprieure 2 [57].
En 1998, Alamouti est le premier proposer un code espace-temps orthogonal en blocs
pour deux antennes dmission rendement unitaire [58]. La matrice de codage spatio-
temporel est :
G
2
=
_
d
1
d
2
d
2
d
1
_
. (1.70)
Tarokh et al. ont propos ds 1999 une mthodologie permettant de construire des
codes orthogonaux pour un nombre dantennes lmission suprieur 2 [57]. Ces codes se
nomment G
3
et G
4
pour trois et quatre antennes. Ils ont un rendement R
c
= 1/2. Des codes
de rendement suprieure R
c
= 3/4 ont galement t trouvs par Tarokh et se nomme H
3
et H
4
pour 3 et 4 antennes [59].
Tarokh et al. ont galement montr quil tait impossible de construire des schmas
de codage spatio-temporel blocs orthogonaux rendement unitaire pour plus de deux
antennes en mission. A partir de ce constat beaucoup dauteurs ont cherch construire
des codes permettant datteindre un rendement unitaire au dtriment de lorthogonalit.
Les travaux sur la conception de codes quasi-orthogonaux rendement unitaire sont lgion
et le sujet continu dattirer beaucoup dattention de la part du monde acadmique et
industriel. Cependant, la conclusion de Tarokh et al. est valable pour une construction de
codes blocs spatio-temporels base sur le critre du rang. Le rang de la matrice construite
avec les dirences entre chaque pair distincte de codes, doit tre maximal. Belore et al.
ont montr que lon pouvait construire dautres codes spatio-temporels aux proprits trs
intressantes [60]. En se basant sur des rsultats de la thorie des nombres, les auteurs
construisent un code bloc spatio-temporel diversit maximale et dbit maximal pour
2 antennes de transmission et sur 2 priodes symbole. Ils montrent que le code propos
dpasse les performances du code dAlamouti aux faibles et forts SNR lorsque le nombre
dantennes de rception est suprieur 1. En [61] les auteurs gnralisent lapproche de
la construction de codes spatio-temporels bas sur la thorie de Galois, des systmes
MIMO dordre suprieur. En 2004, Belore et al. ont dcouvert le "Golden Code", bas
sur le fameux nombre dOr de lantiquit
1+
5
2
. Ce code prsente une diversit maximale
et un dbit maximal pour des systmes 2 2 et surpasse en performance les autres codes
connus [62,63]. Bien que ces nouveaux codes soient dun rel intrt, le formalisme complexe
inhrent leur manipulation font que nous avons considr les codes STBC introduits par
Tarokh et al. et ce sont eux dont on parle dans la suite.
Bits
dinformation
Mappingnumrique
M-PSK/M-QAM
Matricede
codage
STBC
Traitement
Spatio-temporel
Canal
MIMO
) 1 (
k
n
) (
r
n
k
n
1
~
r
N
r
~
1
. . .d d
N
Fig. 1.2 Schma bloc dun systme MIMO codage bloc orthogonaux.
27
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Traitement en rception. Le signal reu par la ime antenne linstant k est :
r
(i)
k
=
nt
j=1
h
ij
g
kj
+n
(i)
k
, (1.71)
avec n
(i)
k
est un bruit additif blanc gaussien de densit spectrale mono-latrale N
0
. Un
rcepteur maximum de vraisemblance avec une connaissance parfaite du canal, calcul la
mtrique suivante [64] :
D =
p
k=1
nr
i=1
r
(i)
k

nt
j=1
h
ij
g
kj
2
, (1.72)
pour tous les mots codes possibles (cest--dire les colonnes de G) et choisit celui qui
minimise D. Grce lorthogonalit des colonnes de G, la minimisation de (1.72) est qui-
valent la minimisation de la mtrique pour chaque symbole d
n
, n = 1, .., N sparment.
Ainsi (1.72) est quivalent [64, 65] :
d
n
= arg min
dA
_
||H||
2
F
d
n
+
n
_
. .
rn
||H||
2
F
d
2
, (1.73)
o r
n
est la sortie de traitement bloc et
n
CN
_
0, ||H||
2
F
N
0
_
est le bruit gaussien en
sortie de traitement bloc [65]. De plus ||H||
2
F
est le carr de la norme de Frobenius
2
de H.
La constante dpend du type de la matrice de codage utilise et vaut 1 pour G
2
, H
3
et
H
4
et 2 pour G
3
et G
4
[64]. Et A est la constellation considre (M-PSK, M-QAM).
En fait Tarokh a montr que le codage spatio-temporel en blocs orthogonaux et leur
dcodage par maximum de vraisemblance, permettaient de transformer un canal MIMO
en son quivalent SISO; cest ce que transcrit lquation (1.73). De cela on peut tirer le
rapport signal bruit instantan en sortie de traitement [66] :
STBC
= ||H||
2
F
E
s
N
0
, (1.74)
avec E
s
lnergie moyenne par symbole de la constellation. Lnergie moyenne mise par
antenne est E
m
/n
t
, par consquent la puissance moyenne du signal reue sur chaque an-
tenne est (E
m
/n
t
)
nt
j=1
E
_
|h
ij
|
2
_
= E
m
. Il en rsulte que le SNR moyen reu sur chaque
antenne est
s
= E
m
/N
0
. Grce lorthogonalit des colonnes de G, on peut lier lnergie
moyenne mise E
m
et lnergie moyenne par symbole E
s
[57] :
E
s
=
E
m
n
t
R
c
. (1.75)
Par consquent, on peut exprimer le rapport signal bruit instantan par symbole
aprs dcodage en fonction du rapport signal bruit moyen reu sur chaque antenne :
STBC
=
||H||
2
F
n
t
R
c
s
. (1.76)
2
Le carr de la norme de Frobenius dune matrice A p q est dni comme
||A||
2
F
tr(AA
H
) =
p
i=1
q
j=1
|ai,j|
2
o tr(.) et H correspondent loprateur trace et hermitien respectivement.
28
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
1.5.3 Multiplexage spatial
Les systmes codage blocs orthogonaux orent un compromis entre diversit et dbit.
Le multiplexage spatial mise sur le dbit que lon peut obtenir avec un systme multi-
antennes. Le principe dun systme MIMO multiplexage spatial avec n
t
antennes dmis-
sion et n
r
antennes de rception est reprsent sur la gure 1.3.
11
h
t r
n n
h
ij
h
j
h
1
j n
r
h
1
d
j
d
t
n
d
1
r
i
r
r
n
r
1
n
i
n
r
n
n
Fig. 1.3 Modle synoptique dun systme MIMO n
t
antennes en mission et n
r
antennes
en rception.
Dans ce schma, on prsente un vecteur de symboles dirents sur chaque antenne
dmission. La transmission de donnes se modlise par lquation suivante :
r = Hd +n, (1.77)
avec d C
nt1
, le vecteur de symbole mis chaque instant, r C
nr1
le signal reu et n
C
nr1
un bruit additif gaussien suivant une loi normale multivarie n CN (0, N
0
I
nr
).
Les variables alatoires n
i
, 1 i n
r
sont indpendantes les unes des autres ainsi que des
donnes. On omet volontairement lindice temporel pour des raisons de simplicit dcriture.
Ici on considre que lmetteur na pas de connaissance a priori sur le canal. Dans ce
cas la stratgie optimale dmission (celle qui maximise la capacit du lien condition
dutiliser un rcepteur MV) est daecter la mme puissance toutes les antennes. Ce
rsultat dmontr par Telatar en 1995 [67], correspond la stratgie BLAST (Bell Labo-
ratories Layered Space-Time) [43]. Plusieurs stratgies de multiplexage ont t proposes
par les "Bell Labs" notamment par Foschini en 1996 qui inventa le D-BLAST (Diagonal-
BLAST) [68]. Cette architecture permet de dtecter les symboles de manire diagonale avec
une technique dannulation dinterfrence du genre SIC ou PIC. Cependant larchitecture
D-BLAST est un peu lourde et une version simplie a t invente : V-BLAST (Vertical-
BLAST). Dans ce cas, les symboles sont mis de manire verticale et dtects suivant un
critre ZF (zero forcing) par exemple. Mais dans ce cas, la rception requiert un nombre
dantenne suprieur celui de lmission.
29
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Traitement de rception. Dans la suite du manuscrit nous supposons que la technique
de multiplexage spatial utilise est de type V-BLAST. Plusieurs algorithmes de rception
peuvent tre mis en oeuvre dans ce systme. Loptimal en terme de probabilit derreur
tant le rcepteur MV. Dune complexit trs lourde, il nest pas srieusement envi-
sag dans la pratique. On lui prfre des techniques sous optimales inversion de matrice
comme le ZF ou MMSE, ou encore les techniques dannulation dinterfrence comme SIC
et PIC [44].
Dans la suite nous considrerons que lgalisation se fait avec un critre ZF, permet-
tant dobtenir lannulation dinterfrences entre symboles sans bruit. Le systme MIMO
considr est tel que n
r
n
t
. En supposant que le rcepteur connaisse la matrice canal, la
matrice dgalisation appliquer au vecteur reu est le pseudo-inverse de Moore-Penrose
de la matrice canal : H
=
_
H
H
H
_
1
H
H
. Le multiplexage spatial V-BLAST transforme le
canal MIMO en n
t
= min(n
t
, n
r
) sous canaux SISO et le rcepteur ZF permet datteindre
un ordre de diversit spatiale de n
r
n
t
+ 1 [69]. Pour prdire les performances dun d-
tecteur ZF dans un systme multiplexage spatial, il faut connatre la forme du SNR en
sortie de traitement par sous-canal. On montre [69, 70] que le SNR instantan en sortie de
traitement sur le jme sous canal scrit :
j
=

s
[H
H
H]
1
jj
, (1.78)
avec [A]
ij
, le (i, j)me lment de A. Le rapport signal bruit moyen sur chaque antenne
de rception est
s
= E
s
/N
0
, avec E
s
= E
_
|d
j
|
2
_
lnergie moyenne dun symbole.
1.6 Codage canal
Le codage canal est une opration faite au niveau du transmetteur qui a pour but de
fournir de la redondance sur les donnes transmettre travers le canal de communication.
Dans cette section nous introduisons la notation et le formalisme des deux types de codage
canal que nous utilisons dans ce manuscrit : les codes correcteurs derreurs blocs et les
codes convolutifs.
1.6.1 Codes blocs
Nous nous intressons aux codes correcteurs derreurs linaires. Ceux-ci consistent en
un vecteur de bits appel "mot code". La longueur du mot code est le nombre de bit n
quil contient. Notons que les mots codes ne sont pas ncessairement des bits, mais peuvent
tre des symboles pris dans un certain alphabet. Cest le cas des codes Reed-Solomon par
exemple [5], mais nous ne les considrerons pas ici. Avec des codes binaires, on peut donc
crer 2
n
mots codes dirents. Pour construire un code bloc, k bits dinformation k < n
sont associs un mot code de longueur n choisi parmi un ensemble de 2
k
mots codes. On
obtient un code bloc que lon note gnralement (n, k) et le rapport R
c
= k/n constitue le
taux de codage. Il renseigne sur la redondance du code.
Un autre paramtre important est le poids du code qui est simplement le nombre
dlments non nuls quil contient. Chaque mot code a son propre poids. Lensemble de
tous les poids dun code constitue la distribution des poids du code.
Distance de Hamming. Ce paramtre trs important dans la thorie du codage, mesure
la distance entre deux mots codes c
i
et c
j
dun code bloc (n, k) et est note d
ij
. Cela
correspond au nombre dlments que les deux mots codes nont pas en commum. Pour
30
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
i = j, la distance de Hamming satisfait la condition 0 < d
ij
n. La plus petite valeur de
d
ij
sur lensemble des 2
k
mots codes est appele distance minimale d
min
. Cette valeur est
trs importante car elle conditionne la capacit du code dtecter et corriger des erreurs.
Construction des codes. Un codeur bloc transforme k bits dinformation mis sous
forme vectoriel x
m
= [x
m1
x
m2
... x
mk
], en n bits cods c
m
= [c
m1
c
m2
... c
mn
]. Cette trans-
formation est linaire et seectue au moyen dune matrice de codage G ne contenant que
deux lments 0 et 1, de taille k n. Par des oprations linaires sur les lignes et les
colonnes de la matrice, on peut transformer celle-ci de telle manire ce quelle soit la
juxtaposition dune matrice identit de dimension k k et dune matrice dite de parit de
taille knk. Chaque mot code c
m
est alors compos de la srie des k bits dinformations
auxquels on accole n k bits de parits. Le code bloc (n, k) qui en rsulte est appel code
systmatique [5].
Code de Hamming et Golay. Le code de Hamming est une classe de code binaire
linaire avec la proprit suivante :
(n, k) = (2
m
1, 2
m
1 m) , (1.79)
o m est un entier positif. Les n = 2
m
1 mots codes possibles sont constitus de tous les
vecteurs binaires possibles n k = m lments, sauf le vecteur nul. Une autre proprit
importante des codes de Hamming est que d
min
= 3 [5].
Le code de Golay est le code binaire linaire (23, 12), avec d
min
= 7. Nous rentrerons
pas dans le dtail de sa construction qui peut tre trouve en [5].
Il existe dautres types de codes binaires comme les codes dHadamard ou de Bose-
Chaudhuri-Hocquenghem (BCH). Ces derniers comprennent une large varit de codes
binaires et non binaires. Par exemple, les codes de Hamming font partie des codes BCH.
Les codes populaires Reed-Solomon sont galement un cas particulier de code BCH non
binaires [5].
Dcodage par dcision dure. Le dcodage dcision dure soppose dcision souple
pour laquelle les entres du dcodeur bloc sont des valeurs quanties des donnes. Dans
le dcodage dcision dure, la dcision sur les donnes transmises (un bit 0 t mis par
exemple) a dj t eectue en amont. Reste savoir si une erreur a t commise ou non.
Une srie de n bits est donc transmise au dcodeur. Celui-ci compare le mot code
reu aux 2
k
mots codes potentiellement mis et opte pour celui qui possde la distance
de Hamming la plus petite avec le mot code reu. Lalgorithme de dcodage utilise des
proprits lmentaires dalgbre linaire pour produire un vecteur s appel syndrome. Les
composantes du syndrome sont nulles si les bits de parit sont retrouvs et non nulles sinon.
On peut montrer [5] que le syndrome est une caractristique de lerreur commise et non
pas propre au mot code transmis. Il y a 2
n
erreurs possibles et seulement 2
nk
syndromes ;
Un mme syndrome correspond donc plusieurs erreurs direntes.
Pouvoir de dtection et de correction dun code. Imaginons que le syndrome soit
le vecteur nul. Le mot code reu est lun des 2
k
mots codes possibles. Puisque la sparation
minimale entre deux mots codes est d
min
, il est possible quun vecteur derreur e de poids
gale d
min
, transforme un des 2
k
mots codes en un autre appartenant au mme ensemble
sans que cela soit dtect. Un code bloc (n, k) est capable de dceler la prsence de d
min
1
erreurs au plus.
31
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Le pouvoir de correction du code dpend galement de la distance minimale de celui-ci.
Il est pratique de voir les 2
k
mots codes comme des points dun espaces n dimensions. Si
on considre que chaque mot code est une sphre de rayon t (correspondant une distance
de Hamming), la plus grande valeur de t pour laquelle il ny a pas dintersection entre les
2
k
sphres est t =
1
2
(d
min
1). Avec x la partie entire de x. Un code bloc (n, k) peut
corriger au plus t erreurs.
Probabilit derreur par mot code. La probabilit derreur dun mot code est la
probabilit quun ou plusieurs bits soit faux. Elle dpend donc de la probabilit derreur
bit du canal, cest--dire la probabilit de transition entre un 0 et un 1 (ou linverse) dans
le modle dun canal binaire symtrique (Binary Symmetric Channel - BSC) [5]. Le canal
tant considr sans mmoire les erreurs sur les bits apparaissent indpendamment les unes
des autres. La probabilit derreur dun mot code est majore par [5] :
P
m
(E)
n
m=t+1
_
n
m
_
P
b
(E)
m
(1 P
b
(E))
nm
, (1.80)
avec P
b
(E) la probabilit derreur bit du canal. Pour les codes dits parfaits, toutes les
sphres de rayon t autour des 2
k
mots codes possibles sont disjointes, et chaque mot code
reu est lintrieur dune des sphres. Donc chaque mot code reu est au plus la distance
de Hamming t des mots codes possibles. Pour ces codes seulement lexpression ci-dessus se
rduit lgalit. Les codes de Hamming et de Golay sont les deux seuls codes non triviaux
parfaits.
1.6.2 Codes convolutifs
Un codage convolutif est gnr en envoyant le ux de bits dinformation travers un
registre dcalage linaire. Il consiste en K 1 lments mmoriels (K est la longueur de
contrainte) avec n fonctions algbriques linaires, gnralement une sommation modulo-2.
La sortie des sommateurs produit la suite de bits cods transmettre. On dnit galement
un taux de codage lmentaire pour le code convolutif qui est le rapport entre le nombre
dentre et celui de sortie. Nous considrerons une seule entre, mais des codeurs plus
gnraux entres multiples peuvent tre conus [5]. La gure 1.4 donne un exemple de
codeur convolutif avec une longueur de contrainte de K = 3 et un taux de codage de
R
c
= 1/3 ; pour un bit dinformation, sortent trois bits cods.
D D
Sortie1
Sortie2
Sortie3
Bitsdinformation
Fig. 1.4 Codeur convolutif de contrainte K = 3 et de taux de codage R
c
= 1/3.
32
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Bitsdentre:
( ) 00
Etats:
0
( ) 01
( ) 10
( ) 11
1
000 000 000
111
111
001
011
110
101
001
Fig. 1.5 Diagramme en Treillis pour un codeur convolutif de longueur de contrainte
K = 3 et de taux de codage R
c
= 1/3.
Pour dcrire un code convolutif, on utilise gnralement un diagramme en treillis qui
donne lvolution, en fonction du temps, des tats du registre dcalage ainsi que les valeurs
des bits de sorties. Dun tat, il y a deux transitions possibles correspondant lentre du
bit 0 dans le codeur ou du bit 1. Sur chacune des branches sont indiques les valeurs des bits
de sortie du codeur en fonction de lentre et de ltat du registre dcalage. La gure 1.5
illustre ce principe pour le codeur convolutif pris en exemple. Il y a quatres tats possibles
pour le codeur. Une autre description trs utile est celle de diagramme tat, avec lequel
on peut tirer les proprits de distance du code ainsi que sa fonction de transfert [5].
Distance de Hamming. Pour un code convolutif la distance de Hamming est la distance
entre deux blocs de bits en sortie du codeur. Dans notre exemple, la distance de Hamming
entre 011 et 101 est 2. Par extension, on dnit la distance entre deux squences codes,
dont lune peut tre la squence nulle sans perte de gnralit. Prenons comme rfrence la
squence nulle 000 000 000 qui stend sur une priode de 3 units de temps. La squence
001 110 010 est une distance d = 4 de la squence nulle.
Fonction de transfert et distance libre minimale. Un paramtre trs important
est la distance libre minimale que lon note galement d
min
. Cest la distance minimale
ncessaire pour quune squence qui scarte de la squence nulle la rejoigne. Par exemple,
on vrie sur la gure 1.5 que d
min
= 6 pour le codeur convolutif pris en exemple. La
squence qui converge nouveau vers la squence nulle en un minimum de temps est
111 001 011, et elle est unique dans ce cas.
La fonction de transfert dun code est dnie comme suit et peut tre dduite du
diagramme dtat du code convolutif :
T (D) =
k=d
min
a
k
D
k
, (1.81)
o k correspond la distance de Hamming entre un chemin particulier et la squence nulle
pendant la mme dure et a
k
, reprsente le nombre de squences possibles ayant la distance
de Hamming k.
Taux de codage levs. Comme en gnral, les codes convolutifs sont utiliss avec une
seule entre, le taux de codage est de la forme R
c
= 1/n avec n le nombre de sortie du
33
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
codeur. Plus n est grand et plus le nombre derreurs que lon pourra corriger sera important,
mais le dbit utile diminuera dautant. On peut cependant trouver un moyen daugmenter
le taux de codage tout en ayant une seule entre au codeur convolutif : cest le poinonnage.
Cette technique consiste en la suppression de certains bits en sortie du codeur suivant une
frquence plus ou moins importante suivant le taux que lon dsire obtenir [71].
Dcodage et probabilit de premire erreur. La manire optimale de dcoder un
code convolutif est dutiliser lalgorithme de Viterbi [72]. Le critre essentiel pour analyser
les performances dun code convolutif est la probabilit de premire erreur (First Event
Error Probability ; EEP). En [72], la EEP, P(E
1
), est dnie comme la probabilit que
la squence dtecte dans le treillis dvie pour la premire fois de la squence code dans
une section arbitraire j du treillis. Cette probabilit est suppose identique pour toutes
les sections du treillis. Pour nimporte quel code convolutif (y compris les codes avec une
adaptation du taux de codage par poinonnage), la EEP est majore par [71] :
P (E
1
)
1
T
k=d
min
a
k
P
k
, (1.82)
o T est la priode de poinonnage (si il ny a pas de poinonnage T = 1), et P
k
la
probabilit quune squence errone de distance de Hamming k soit choisie la place de la
squence code. Avec une dcision dure sur les donnes, on peut exprimer P
k
comme [72] :
P
k
=
_
_
k
e=
k+1
2
_
k
e
_
P
e
b
(1 P
b
)
ke
pour k impair k d
min
1
2
_
k
k
2
_
P
k
2
b
(1 P
b
)
k
2
+
k
e=
k
2
+1
_
k
e
_
P
e
b
(1 P
b
)
ke
pour k pair k d
min
(1.83)
1.7 Conclusion
Dans ce premier chapitre, nous avons dcrit les lments principaux des systmes ra-
dios de communications numriques. Nous avons introduit les notations et les modles qui
serviront de base notre travail, prsent dans les chapitres suivants. Nous avons rappel
les formules associes aux dirents modles de canaux et avons prcis les hypothses sous
lesquelles nous allons nous placer. Pour caractriser les performances, nous avons choisi de
travailler sur le SEP mais galement sur la notion de probabilit de coupure (outage), que
nous avons dni. Nous avons galement prsent les outils mathmatiques que nous mani-
puleront dans la suite, en particulier les mthodes dapproximation des fonctions hypergo-
mtriques. Pour nir, nous avons expliqu sous quelles conditions nous allions introduire
les systmes MIMO et le codage dans notre travail. Les chapitres suivant vont donc natu-
rellement sappuyer sur lensemble de ces outils pour conduire lobtention dexpressions
analytiques du taux de coupure en prsence dvanouissement et de shadowing.
34
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE
2
Performance des systmes
SISO
2.1 Introduction
Dans le chapitre prcdent nous avons dni les dirents eets auxquels tait soumis le
signal de communication radio. Nous avons galement introduit la mthode permettant de
calculer la probabilit de coupure symbole, lorsque le signal dun systme de communication
est soumis des vanouissements (rapides ou lents) et du shadowing. Notre travail porte sur
le cas o les vanouissements sont considrs comme rapides et en prsence de shadowing.
Ce cas a t trs peu abord dans la littrature, except par les travaux de Conti et
al. [27, 28, 73]. Nous avons galement vu au chapitre prcdent que le calcul du SEO sous
forme analytique ncessitait linversion du SEP moyen pour remonter au SNR. Si une
telle inversion est ralisable numriquement, lexpression analytique exacte correspondante
nexiste pas, mme pour les modulations les plus conventionnelles. Notre contribution dans
ce chapitre est de donner des formes analytiques prcises du SNR moyen en fonction du
SEP moyen, pour direntes modulations et pour dirents canaux de propagation. Nous
faisons une tude thorique dans un premier temps sans codage, puis nous intgrons ensuite
le codage canal lanalyse de la probabilit de coupure.
Aprs un tat de lart rappelant les principales contributions sur lobtention de formes
exactes et approches du SEP moyen ainsi que la contribution de Conti et al. [27, 28] sur
lestimation du SEO, nous prsentons de nouvelles approximations prcises de la probabilit
derreur permettant dobtenir le SEO sous forme exacte dans un canal vanouissements
rapides et en prsence de shadowing.
En eet, notre approche originale part de lexpression de la probabilit derreur moyenne
sous forme de fonction hypergomtrique propos par Shin et al. dans [74]. Nous utilisons
ensuite la mthode de Laplace pour approcher les fonctions hypergomtriques prsentent
dans la probabilit derreur moyenne. Nous montrons que les approximations proposes
sont trs prcises pour une large gamme de SNR. Les approximations de la probabilit
derreur proposes dans ce chapitre sont inversibles par rapport au SNR. Nous formulons
explicitement le SNR moyen en fonction du SEP moyen, pour les canaux vanouissements
rapides de Rice et Nakagami-m ainsi que pour des signaux modulation de phase (M-PSK)
et modulation damplitude et de phase (M-QAM), qui sont les plus employes dans les
systmes de tlcommunications (WiMax, WLAN, UMTS) ou de diusion (DAB, DVB).
Lexpression du SNR moyen en fonction du SEP moyen, nous permet de remonter la
probabilit de coupure symbole lorsque du shadowing est prsent. Enn, notre analyse de
performance intgre la prsence de codage canal. Nous considrons un systme en mode
paquet (comme par exemple le WLAN ou HSDPA), et nous nous intressons la probabilit
de coupure paquet. Nous envisageons deux types de codage : les codes correcteurs blocs et
les codes correcteurs convolutifs. Pour ces deux types de codes, nous donnons une forme
inversible de la probabilit derreur paquet moyenne en fonction de la probabilit derreur
bit lentre du dcodeur. Cette dernire est galement inversible par rapport au SNR
moyen avec les formules que nous donnons tout au long du chapitre. Ainsi nous pouvons
lier la probabilit de coupure paquet au SNR en entre du rcepteur, ce qui est un rsultat
original et trs important pour la abilit de lien en prsence de shadowing.
35
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE 2. PERFORMANCE DES SYSTMES SISO
2.2 Probabilit derreur moyenne et probabilit de coupure :
tat de lart
2.2.1 Analyse du SEP
An de limiter les campagnes intensives de simulation, complexes et consommatrices
de temps, un eort de recherche important a t consacr lobtention de formes exactes
du SEP ou du moins, de bornes suprieures et/ou infrieures.
Lquation gnrale du SEP moyen en (1.12) ncessite la connaissance de la probabilit
derreur conditionnelle sur
s
(autrement dit de la probabilit derreur en canal AWGN).
Celle-ci sexprime laide dune fonction gaussienne Q du SNR instantan pour un signal
M-PSK. Pour un signal M-QAM cest la somme dune fonction gaussienne Q et du carr
dune fonction gaussienne Q
2
. En 1991, Craig propose dcrire la fonction gaussienne Q
dune manire dirente de celle de lpoque [75] :
Q(x) =
_

x
1
2
exp
_
y
2
2
_
dy, forme classique (2.1)
Q(x) =
1
_
/2
0
exp
_
x
2
2 sin
2
_
d, forme alternative. (2.2)
Grce cette forme, Craig a obtenu la probabilit derreur dune M-PSK en canal
AWGN :
P
s
_
E
E
s
N
0
_
=
1
_
(M1)/M
0
exp
_
E
s
N
0
g
psk
sin
2
_
d, (2.3)
avec g
psk
= sin
2
_

M
_
et M lordre de la modulation. Cette expression est donc la pro-
babilit derreur conditionnelle (sur
s
) de (1.12). Les travaux de Simon et Alouini, qui
proposent une approche unie de ltude des systmes sans ls sur des canaux va-
nouissements [76,77,78], repose sur cette reprsentation alternative de Q. Les deux auteurs
arrivent exprimer la probabilit derreur moyenne comme une intgrale de la fonction
gnratrice des moments du SNR, plus simple calculer. En eet, la probabilit derreur
dune M-PSK dans un canal vanouissement est obtenue en remplaant E
s
/N
0
par
s
dans (2.3) et dans (1.12) :
P
s
(E|
s
) =
1
_
(M1)/M
0
_

0
exp
_
s
g
psk
sin
2
_
p
s
(
s
) d
s
d (2.4)
=
1
_
(M1)/M
0
M
s
_
g
psk
sin
2
_
d, (2.5)
avec M
s
la MGF du SNR instantan dont la forme peut-tre lune de celles donnes dans
le tableau 1.1. De la mme manire, en utilisant la forme alternative de la fonction Q
2
, on
trouve la probabilit derreur dune M-QAM en canal AWGN :
P
s
_
E
E
s
N
0
_
=
4g
_
/2
0
exp
_
E
s
N
0
g
qam
sin
2
_
d
4g
2
_
/4
0
exp
_
E
s
N
0
g
qam
sin
2
_
d, (2.6)
36
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec g = 1 1/
M et g
qam
= 3/(2(M 1)). En remplaant E
s
/N
0
par
s
dans (2.6)
et (1.12) on obtient la probabilit derreur dune M-QAM dans un canal vanouissement :
P
s
(E|
s
) =
4g
_
/2
0
M
s
_
g
qam
sin
2
_
d
4g
2
_
/4
0
M
s
_
g
qam
sin
2
_
d. (2.7)
Cette approche par la fonction gnratrice des moments permet lobtention de formes
exactes du SEP pour de nombreux systmes de communications numriques et confre une
certaine forme duniversalit dans lexpression du SEP moyen.
En 2004, Shin et Lee [74] ont propos une nouvelle forme exacte pour la probabilit
derreur des modulations linaires M-PSK et M-QAM dans un canal de Nakagami-m,
laide des fonctions spciales hypergomtriques de Gauss et dAppell. Ces expressions
sont exactes et valables quelque soit la valeur de m. Notons que pour m entier, Eng et
Milstein [79] avaient driv ds 1995, une expression exacte pour la probabilit derreur dans
un canal de Nakagami-m trajets multiples (dans un contexte CDMA), qui ne faisait pas
intervenir de fonctions spciales. La mme anne Chennakeshu et Anderson ont donn une
expression similaire pour une M-PSK en canal de Rayleigh et diversit en rception [80].
Ces rsultats importants sont rsums dans [6, page 257, eq(8.115)].
Les performances exactes en canal de Rice sont plus compliques obtenir analytique-
ment. Dans cet environnement, nous ne disposons pas, pour le SEP, de forme exacte autre
quavec une ou plusieurs intgrales. La probabilit derreur dun signal M-PSK en canal de
Rice est une intgrale de la MGF du SNR
s
[81, 6], tandis que le SEP dune modulation
M-QAM est la somme de deux intgrales de la MGF.
Bornes et expressions asymptotiques. Beaucoup dtudes ont cherch dterminer le
comportement asymptotique des systmes de communications quils soient mono ou multi-
antennes et ce dans dirents environnements de propagation. On peut citer notamment
les travaux de Wang et Giannakis [32] que lon a vue au chapitre 1.
Dans le cas dun signal M-PSK et un canal de Nakagami-m, On peut trouver des bornes
infrieures et suprieures assez simplement [6]. Dans ce type de canal, la probabilit derreur
scrit :
P
s
(E|
s
) =
1
_
(M1)/M
0
M
Naka
s
_
g
psk
sin
2
_
d (2.8)
=
1
_
(M1)/M
0
_
sin
2
sin
2
+
g
psk
m

s
_
m
d. (2.9)
En remplaant sin
2
par sa valeur minimale et maximale (sin
2
0 = 0 et sin
2
(/2) = 1)
dans le dnominateur de lintgrande en (2.9), on obtient une borne suprieure et infrieure
respectivement du SEP moyen :
S(m)
_
1 +
g
psk
m

s
_
m
P
s
(E)
S(m)
(g
psk
s
)
m
, (2.10)
avec
S(m) =
M 1
M
_
2
2m
_
2m
m
_
+
(1)
m
2
2m1
m1
k=0
(1)
k
_
2m
k
_
sin((2m2k))
(2m2k)
_
, (2.11)
37
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
o = (M1)/M. Conti et al ont propos une classe amliore de bornes suprieure et
infrieure partir de celles ci-dessus pour les signaux M-PSK en canal de Rayleigh et avec
un rcepteur MRC [27, 28]. Cependant leur analyse nest pas limite au canal de Rayleigh
mais peut stendre au canal de Nakagami-m, mais avec m entier :
S(m)
_
S(m+1)
S(m)
+
g
psk
m

s
_
m
P
s
(E)
S(m)
_
_
M
M1
S(m)
_
1/m
+
g
psk
m

s
_
m
. (2.12)
Les bornes sont galement valables si on considre un systme diversit MRC sans
corrlation. Les MGF des SNRs sur chaque branche sont multiplies entre elles, si en plus
on considre que les statistiques du canal sont les mmes sur chaque branche (typiquement
mme valeur du coecient m), alors il sut de remplacer m par mn
r
dans (2.12) o n
r
est le nombre dantennes du rcepteur.
Ces bornes sont beaucoup plus prcises que celles donnes en (2.10) et pour une large
plage de SNR. Rcemment Conti et al ont galement propos des bornes pour la probabilit
derreur bit dun signal M-QAM en canal de Rayleigh [73]. En utilisant lapproximation du
BEP dun signal M-QAM en canal AWGN obtenue par [82] et en intgrant sur la d.d.p.
du SNR en sortie de traitement dans un canal de Rayleigh, ils obtiennent les bornes :
M 1
M log
2
(
M)
_
1

b
1
gqam log
2
(M)
+
b
_
P
b
(E) min
_
1
2
,
T(M)
b
_
, (2.13)
avec :
T(M) =
2(M 1)
M [log
2
(M)]
2
log
2
(
M)
k=1
(12
k
)
M1
i=0
(1)
_
i.2
k1
M
_
3(2i + 1)
2
_
2
k1
_
i.2
k1
M
+
1
2
__
, (2.14)
avec x la partie entire de x. La prcision de ces bornes est trs bonne pour une large
plage de SNR en canal de Rayleigh.
Comme travaux assez proches des ntres, nous trouvons ceux qui ont trait lap-
proximation de la probabilit derreur par la mthode du point de selle galement appele
"saddle-point approximation" en Anglais ; celle-ci et la mthode de Laplace tant quiva-
lentes. La mthode du point de selle ft utilise sparment en [83] et en [84] pour tudier
la probabilit derreur par mot code en canal de Rice. Tellambura et al [83] obtiennent
mme des expressions lorsque un phnomne de shadowing est prsent.
2.2.2 Analyse du SEO
Canal vanouissements rapides et avec shadowing. Pour autant que nous sa-
chions, seuls Conti et al ont propos des bornes inversibles de la probabilit derreur [27,
28, 73], pour sintresser au SEO. Ils dterminent grce (2.12), un encadrement du SEO
P
s
(O) lorsque le SNR moyen par symbole
s
est une variable alatoire distribue suivant
une loi log-normale. Leur tude peut stendre au canal de Nakagami-m sans dicult
comme nous lavons montr ci-dessus, mais la condition que m N. Par contre, il semble
que ce soit plus dicile pour le cas Rice. Leur approche a loriginalit de proposer des
bornes inversibles et prcises du SEP tous les SNR. Chose remarquable car les formes du
38
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
SEP provenant dautres travaux sont inversibles (et prcises) seulement en rgime asymp-
totique, cest--dire pour des probabilits derreur de lordre ou infrieures 10
4
.
Canal vanouissements lents et avec shadowing. Dans cet environnement, comme
le canal est stationnaire court terme (pendant la dure dune trame, voir chapitre 1),
la probabilit derreur moyenne (sur le court terme) est la probabilit derreur en canal
AWGN. Autrement dit cest lune des deux formules (2.3) ou (2.6) selon que lon considre
un signal M-PSK ou M-QAM. Par consquent, le calcul du SEO ncessite linversion de
ces expressions pour remonter
s
. Le calcul du SEO ncessite lintgration de la densit
de probabilit dune loi composite (par exemple Nakagami-m/log-normale). Miorandi et
al. ont donn les expressions de la probabilit de coupure (en fonction du SNR cible) dans
le cas o lon a un canal composite Rayleigh/log-normale [85].
39
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.3 Estimation du SEP et du SEO
Une autre approche que celle de Conti et al est possible pour remonter au SEO. La
mthode de Laplace permet dobtenir des approximations inversibles du SEP moyen pour
plusieurs environnements : Nakagami-m, Rice, ainsi que pour une large gamme de modu-
lation linaire.
2.3.1 Nakagami-m, M-PSK
Approximation du SEP. Grce lapproche gnralise de la MGF pour le calcul du
SEP en canal vanouissement, le SEP dun systme SISO rception cohrente scrit [6] :
P
s
(E|
s
) =
1
_
(M1)/M
0
M
Naka
s
_
g
psk
sin
2
_
d
=
1
_
/2
0
M
Naka
s
_
g
psk
sin
2
_
d +
1
_
(M1)/M
/2
M
Naka
s
_
g
psk
sin
2
_
d,
avec M
Naka
s
la fonction gnratrice des moments du SNR par symbole en canal de Nakagami-
m. Les auteurs en [74] ont montr que le SEP exact peut sexprimer laide de fonctions
transcendantes hypergomtriques introduite dans le chapitre 1 :
P
s
(E|
s
) = M
Naka
s
(g
psk
)
_
1
2
(m + 1/2)
(m+ 1)
2
F
1
_
m,
1
2
; m + 1;
1
1 +g
psk
s
/m
_
+
_
1 g
psk
F
1
_
1
2
, m,
1
2
m;
3
2
;
1 g
psk
1 +g
psk
s
/m
, 1 g
psk
_
_
. (2.15)
Lquation (2.15) obtenue par [74] est trs lgante mais nest pas inversible par rapport
au SNR moyen par symbole. Il est donc ncessaire dapprocher les valeurs des fonctions
hypergomtriques avec des formes analytiques permettant une inversion du SEP. Nous
avons vu au chapitre prcdent que la fonction hypergomtrique de Gauss pouvait sap-
procher grce la mthode de Laplace moyennant un choix judicieux de fonctions. Avec
nos paramtres la forme intgrale de la fonction hypergomtrique de Gauss est :
2
F
1
_
m,
1
2
; m+ 1; x
_
= B(m, 1)
1
_
1
0
t
m1
(1 t)
m+1m1
(1 tx)
1/2
dt, (2.16)
dans laquelle x = 1/(1 + g
psk
s
/m). Notons que |x| < 1 pour toutes les valeurs de SNR,
ce qui rend possible lexpression de la fonction hypergomtrique de Gauss en terme din-
tgrale. La mthode de Laplace introduite au chapitre 1 permet dapprocher (2.16) avec
( [30]) :
2

F
1
_
m,
1
2
; m + 1; x
_
= (m+ 1)
m+1/2
r
1/2
2,1
_

t
m
_
m
(1
t)(1 x
t)
1/2
, (2.17)
40
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec
r
2,1
=
t
2
m
+ (1
t)
2
x
2
2(1 x
t)
2
t
2
m
(1
t)
2
, (2.18)
t =
2m
_
2
4m(m+
1
2
)x
, (2.19)
= x
_
1
2
m
_
(m + 1). (2.20)
Avec cette expression on peut dores et dj exprimer la probabilit derreur symbole
dune modulation M-PSK de la faon suivante :
P
s
(E|
s
) x
m
_
_
_
1
2
(m+ 1/2)(m + 1)
m+1/2
(m+ 1)m
m
t
m
(1
t)
_
r
2,1
(1 x
t)
+
F
1
(
1
2
, m,
1
2
m;
3
2
; y, z)
_
, (2.21)
avec y = (1g
psk
)/(1+g
psk
s
/m), z = 1g
psk
et en remarquant que M
Naka
s
(gpsk) = x
m
.
On peut noter que pour le cas particulier dun signal BPSK, il ny a pas le terme contenant
la fonction hypergomtrique dAppell, puisque celui-ci apparat avec lintgrale de /2
(M 1) /M de la fonction gnratrice des moments en (2.15). Autrement dit la probabilit
derreur symbole (bit) dun signal BPSK est extrmement bien approche par lexpression
suivante :
P
b
(E|
s
)
1
2
(m + 1/2)(m + 1)
m+1/2
(m+ 1)m
m
(
tx)
m
(1
t)
_
r
2,1
(1 x
t)
. (2.22)
La gure 2.1 reprsente lvolution du BEP dun systme SISO rception cohrente
dans un canal plat de Nakagami-m, dune BPSK. La valeur exacte du BEP est reprsen-
te par les courbes "BEP exact" calcules par (2.15) sans le deuxime terme. La valeur
approche du BEP par la mthode de Laplace est reprsente par les courbes "Laplace ap-
prox" calcules avec (2.22) et ce pour des valeurs entires du paramtre dvanouissement
m comprises entre 1 et 7. Notons que les expressions ci-dessus sont valables mme pour
des valeurs non entires de m. Lexpression trouve en (2.22) est extrmement prcise. En
eet, lapproximation possde une erreur quadratique moyenne relative infrieure 0.90%
dans le domaine dintrt cest--dire pour un BEP compris entre 10
1
et 10
4
. On peut
galement noter que lapproximation ne diverge pas pour des SNR infrieur 0dB. Celle-ci
ne tend pas vers 0.5 lorsque le SNR tend vers mais conserve la mme tendance que
la probabilit derreur exacte. Lexpression (2.22) nest toujours pas inversible en x et
fortiori en
s
, il sagira donc de procder de plus amples simplications pour rsoudre
lquation en x, mais nous y reviendrons.
En ce qui concerne les modulations M-PSK, la fonction hypergomtrique dAppell
contient toujours la variable y dpendant du SNR moyen par symbole
s
. Il faut donc en
trouver une approximation. La premire ide qui vient naturellement lesprit est dappli-
quer la mme mthode que pour la fonction hypergomtrique de Gauss. On exprime la
fonction hypergomtrique dAppell laide dune simple intgrale comme en (1.30) et on
choisit deux fonctions h et g convenables permettant dapprocher F
1
avec susamment de
prcision. Malheureusement, cette approche se rvle assez dlicate mettre en oeuvre et
41
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50 60
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
B
E
P

Exact m = 1
Laplace approx m = 1
Exact m = 2
Exact m = 3
Exact m = 4
Exact m = 5
Exact m = 6
Exact m = 7
Fig. 2.1 BEP exacte dun signal BPSK dans un canal de Nakagami-m et son approxi-
mation de Laplace (2.22)
inecace pour ce que lon a pu en juger. En eet, la base de fonction (h, g) naturelle (au
regard de celles prises pour
2
F
1
) est :
h(t) = t
1
(1 t)
1
, (2.23)
g(t) =
_
a ln t + (c a) ln(1 t) b ln(1 yt) b
ln(1 zt)
_
, (2.24)
avec a =
1
2
, b = m, b
=
1
2
m et c =
3
2
. Pour que lon puisse appliquer la mthode de
Laplace, il est ncessaire de connatre le point

t o g(t) est minimum. Cela conduit la
rsolution dune quation du troisime degr en t, ce qui nest pas rellement en soit un
problme puisquil existe des expressions analytiques pour les solutions de ces quations.
Par contre la prcision obtenue avec la mthode de Laplace nest pas trs satisfaisante, et
aucun choix de calibration ne semble ecace. Tous les autres choix pour les fonctions h et
g nont pas donn de meilleurs rsultats.
Cependant, une autre approche est possible. On utilise la relation fonctionnelle (1.31)
pour la fonction hypergomtrique dAppell, et on obtient :
F
1
_
1
2
, m,
1
2
m;
3
2
; y, z
_
= (1 y)
1/2
F
1
_
1
2
, 1,
1
2
m;
3
2
; y
, z
_
, (2.25)
avec y
= (1 g
psk
)/(g
psk
(1 +
s
/m)) et z
= g
psk
s
(1 g
psk
)/(mg
psk
(
s
/m+ 1)). Cette
relation nenlve pas le fait que F
1
dpend toujours de
s
, et elle nest pas inversible.
Mais nous allons regarder le comportement de cette expression asymptotiquement (lorsque
s
).
Expression asymptotique. Certains termes de lapproximation en (2.21) vont se sim-
plier. En eet, lorsque
s
alors x 0 et les relations (2.18), (2.19), (2.20) se
42
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
simplient :
t
m
m+ 1

t, (2.26)
r
2,1

1
1 +m
, (2.27)
(m+ 1). (2.28)
De plus, y
0 et z
z. Or lorsque lune des variables y
ou z
de F
1
sannule, celle-ci
tend vers une fonction hypergomtrique de Gauss (ch.2) :
F
1
_
1
2
, 1,
1
2
m;
3
2
; y
, z
2
F
1
_
1
2
,
1
2
m;
3
2
; z
_
, (2.29)
nalement en rgime asymptotique lexpression (2.21) devient :
P
s
(E|
s
) x
m
_
(m+ 1/2)
2
(m+ 1)
1
_
1 x
t
+
2
F
1
_
1
2
,
1
2
m;
3
2
; z
_
1 y
_
. (2.30)
Lapproximation obtenue en (2.30) est trs prcise pour tous les rgimes de SNR et quelque
soit la valeur du paramtre dvanouissement m. Mais lexpression possde encore le terme
y qui dpend du SNR, et on ne peut donc pas encore linverser analytiquement pour une
valeur de m quelconque.
Pour des ordres de modulations susamment importants, y est peu dirent de x. De
plus

t va tendre vers 1 mesure que m va devenir important. On fait donc lapproximation
suivante y x
t qui conduit une bonne approximation de (2.30) :

P
s
(E|
s
) k
psk
x
m
_
1 x
t
, (2.31)
avec :
k
psk
=
(m+ 1/2)
2
(m+ 1)
+
2
F
1
_
1
2
,
1
2
m;
3
2
; z
_
. (2.32)
La gure 2.2 montre la prcision de lapproximation (2.31) pour deux ordres de modula-
tions (QPSK et 8PSK) et pour trois valeurs du paramtre dvanouissement m = 1, 3, 6.
Lapproximation est compare la valeur exacte calcule avec (2.15) et lerreur commise
par lapproximation est minime puisque infrieure 4.2% dans la plage du SNR dintrt.
La dernire expression pourrait tre inversible de faon analytique pour m 2. En
eet, une lvation au carr de (2.31) conduirait la rsolution dune quation de degr 4
tout au plus en x, dont les solutions sont connues [9]. Mais pour m 3, on ne peut pas
trouver dexpression formelle laide de radicaux pour lquation engendre.
Une expression inversible du SEP. On peut remarquer que pour 0 < x 1, alors
x
m
x. La probabilit derreur est donc minore par :
P
s
(E|
s
) P
s
(E) = k
psk
x
m
_
1 x
m
t
, (2.33)
avec P
s
(E) la probabilit derreur cible que lon se xe. Cette borne infrieure est dautant
plus grossire que m est grand et le SNR considr faible. En eet, pour un paramtre
43
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte m = 1
Approx m = 1
Exacte m = 3
Approx m = 3
Exacte m = 6
Approx m = 6
QPSK
8PSK
Fig. 2.2 Approximation du SEP avec lquation (2.31) pour un signal QPSK et 8-PSK
dvanouissement m = 6, lerreur commise par lapproximation est denviron 42% pour une
probabilit derreur comprise entre 10
1
et 10
4
et pour un signal QPSK. Nanmoins cela
permet dinverser la probabilit derreur symbole. En levant au carr lquation (2.33), on
peut la rsoudre et on obtient la borne infrieure suivante pour le SNR moyen par symbole :
s
(P
s
(E)) =
m
g
psk
_
_
m
t
2
+
t
2
_
2
+
_
k
psk
P
s
(E)
_
2
1
_
_. (2.34)
La borne obtenue pour le SNR est originale et beaucoup plus simple que celle propose
par [28], cependant peu prcise lorsque m augmente.
Formule inverse amliore pour les ordres m levs. Repartons de lquation (2.31)
et levons-la au carr :
(k
psk
)
2
x
2m
+ (P
s
(E))
2
tx (P
s
(E))
2
0, (2.35)
Puisque x ]0, 1[ et que

t < 1, on nglige dans un premier temps le terme en x de
lquation ci-dessus devant le terme constant : (P
s
(E))
2
. En supposant donc que le terme
du milieu soit nul, on peut valuer x :
x
m
s
(E)
k
psk
. (2.36)
Pour une valeur P
s
(E) x, le terme en x dans lquation (2.35) ne varie pas beaucoup
lorsque x parcours son domaine de dnition. On peut donc le remplacer par sa valeur
44
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
approche (2.36) dans lquation (2.35), et on obtient pour
s
:
s
(P
s
(E)) =
m
g
psk
_
_
_
_
P
s
(E)
k
psk
_
1
t
m
s
(E)
k
psk
_
1
m
1
_
_
, (2.37)
que lon peut exprimer de faon plus compact :
s
(P
s
(E)) = c
0
_
P
s
(E)
1
m
_
1 c
1
P
s
(E)
1
m
_
1
2m
k
1
m
psk
_
, (2.38)
avec
c
0
=
m
m
_
k
psk
g
psk
, (2.39)
c
1
=
t
m
_
k
psk
. (2.40)
Estimation du SEO. Maintenant que nous avons le SNR moyen en fonction du SEP
cible, nous pouvons intgrer la prsence de shadowing. Le SNR moyen varie selon une loi
log-normale de paramtre
dB
et
dB
. Grce (1.18), le SEO se calcule de manire exacte
en utilisant lexpression du SNR moyen en (2.38).
La gure 2.3 montre lvaluation du SEO avec (2.34) et avec (2.37) compares la
valeur exacte (obtenue en inversant numriquement (2.15)). Sur la gure 2.3(a) le SEO
de deux modulations (QPSK et 8PSK) est trac en fonction de la valeur moyenne de
la loi log-normale, pour = 8dB et pour deux valeurs de lvanouissement m = 1, 6. Sur
la gure 2.3(b), il est trac en fonction de lcart type du shadowing et pour = 30dB.
Lcart type dune loi de shadowing est gnralement considr comme variant de 4 12dB
pour lensemble des environnements (rural indoor). La probabilit derreur moyenne cible
est dans les deux cas de 10
2
. On remarque que pour le cas particulier o m = 1 (canal
de Rayleigh), le calcul du SEO est identique avec (2.34) et (2.37) et est confondue avec
linversion numrique de (2.15). Par contre, il est clair que lobtention du SEO avec (2.37)
est plus performante pour des plus grandes valeurs du paramtre dvanouissement m.
Lestimation du SEO avec cette formule est confondue avec linversion numrique exacte
de la probabilit derreur, et ce pour les variations des deux paramtres de la loi log-
normale. Dornavant, ds que cela sera possible, nous utiliserons la mthode qui nous a
conduit lapproximation obtenue en (2.37).
45
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx eq(2.38) m = 1
Exact m = 6
QPSK
8PSK
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Exact m = 6
8PSK
QPSK
(b) SEO = f(
dB
)
Fig. 2.3 SEO de deux signaux PSK en prsence de shadowing en fonction de la moyenne
(a) et de lcart type (b) de la loi log-normale. Obtention du SEO laide de linversion
numrique de (2.15), laide de (2.34) et (2.38).
46
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.3.2 Nakagami-m, M-QAM
On peut tendre ltude faite ci-dessus pour des signaux moduls en quadrature. Shin
et Lee ont galement donn lexpression du SEP moyen dun signal M-QAM en canal de
Nakagami-m [74] :
P
s
(E|
s
) =
2gM
Naka
s
(g
qam
)
(m+ 1/2)
(m + 1)
2
F
1
_
m,
1
2
; m+ 1;
1
1 +g
qam
s
/m
_
g
2
_
m+
1
2
_
_
m+
3
2
_M
Naka
s
(2g
qam
)F
1
_
1, m, 1; m +
3
2
;
1 +
gqam
s
m
1 +
2gqam
s
m
,
1
2
_
(2.41)
avec g = 11/
M, g
qam
= 3/(2(M1)). De plus, on pose x
1
= 1/(1+g
qam
s
/m) et x
2
=
1/(1 + 2g
qam
s
/m), et on remarque que M
Naka
s
(g
qam
) = x
m
1
et M
Naka
s
(2g
qam
) = x
m
2
.
Nous rednissons galement les variables y et z dnies dans les paragraphes prcdents
par y = (1+g
qam
s
/m)/(1+2g
qam
s
/m) et z = 1/2. Dans le cas M-QAM, la mthodologie
reste la mme que pour les modulations de phase : approcher la fonction hypergomtrique
de Gauss par la mthode de Laplace et travailler en rgime asymptotique. La fonction
hypergomtrique de Gauss a exactement la mme approximation que prcdemment
savoir 1/
_
1 x
1
t.
Expression du SEP asymptotique. F
1
va devenir une fonction hypergomtrique de
Gauss constante. En eet :
lim
s
+
y =
1
2
,
et en utilisant les relations fonctionnelles sur les fonctions hypergomtriques et notam-
ment (1.34) :
lim
s
+
F
1
_
1, m, 1; m +
3
2
; y, z
_
= F
1
_
1, m, 1; m +
3
2
; z, z
_
, (2.42)
=
2
F
1
_
1, m + 1; m +
3
2
; z
_
. (2.43)
Par consquent lorsque
s
, on obtient la forme suivante pour le SEP asymptotique
dun signal M-QAM en canal de Nakagami-m :
P
s
(E|
s
)
x
m
1
_
1 x
1
t
_
2g(m + 1/2)
(m+ 1)

g
2
(m+ 1/2)
(m + 3/2)
2
F
1
_
1, m + 1; m +
3
2
;
1
2
__
x
2
x
1
_
m
_
1 x
1
t
_
. (2.44)
Expression inversible du SEP. De plus lorsque le SNR tend vers linni, le rapport
x
2
/x
1
tend vers 1/2 et
_
1 x
1
t tend vers 1. Avec ces commentaires, une approximation

extrmement prcise de la probabilit derreur dun signal M-QAM en canal de Nakagami-
m est donne par :
P
s
(E|
s
) P
s
(E) = k
qam
x
m
1
_
1 x
1
t
, (2.45)
47
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50 60
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte m = 1
Approx m = 1
Exacte m = 3
Approx m = 3
Exacte m = 6
Approx m = 6
16QAM
64QAM
Fig. 2.4 Approximation du SEP dun signal de deux signaux M-QAM avec lqua-
tion (2.45) et comparaison avec la valeur exacte en (2.41)
avec :
k
qam
=
2g(m + 1/2)
(m+ 1)

g
2
(m + 1/2)
2
m
(m+ 3/2)
2
F
1
_
1, m + 1; m +
3
2
;
1
2
_
. (2.46)
La gure 2.4 illustre la prcision de lapproximation du SEP obtenu en (2.45) par rap-
port la valeur exacte en (2.41). Lapproximation est excellente pour la plage de probabilit
derreur sans codage (10
1
10
4
), pour les deux modulations 16QAM et 64QAM et
une large plage de paramtres dvanouissements m = 1, 3, 6. En eet, la valeur exacte de
la probabilit derreur et son approximation sont quasiment confondues pour les valeurs
du SEP infrieures 10
1
.
Inversion du SEP et estimation du SEO. Lapproximation du SEP en (2.45) est
inversible de la mme manire que pour les signaux moduls en phase. En appliquant
la mme mthode que pour lquation (2.35) on obtient le SNR moyen par symbole en
fonction de la probabilit derreur cible P
s
(E), pour une modulation M-QAM et un canal
de Nakagami-m :
s
(P
s
(E)) = c
0
_
P
s
(E)
1
m
_
1 c
1
P
s
(E)
1
m
_
1
2m
k
1
m
qam
_
, (2.47)
avec
c
0
=
m
m
_
k
qam
g
qam
, (2.48)
c
1
=
t
m
_
k
qam
. (2.49)
Grce cette expression ainsi qu lquation (1.18), on peut estimer le SEO dun signal
modul en quadrature dans un canal de Nakagami-m, soumis un eet de shadowing long
48
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
terme. Sur la gure 2.5 nous traons lvolution du SEO avec linversion analytique du
SEP moyen obtenu en (2.47) ainsi que sa valeur exacte pour une probabilit derreur cible
de P
s
(E) = 10
2
. Nous pouvons remarquer que le SEO estim grce linversion de la
probabilit derreur est identique sa valeur relle, et ce pour deux ordres de modulation
QAM (16 et 64). Sur la gure 2.5(a), le SEO volue en fonction de la puissance moyenne
de la loi log-normale avec un cart type de 8dB, et sur la gure 2.5(b) il est trac en
fonction de lcart type du shadowing avec une moyenne de 30dB. On peut constater
un comportement contre-intuitif de la probabilit de coupure pour un signal 64-QAM et
pour m = 1 sur la gure 2.5(b). En eet, on observe un SEO plus lev pour les faibles
valeurs de , ce qui est un comportement contraire par rapport aux autres courbes. Cela
est d au fait que lon a choisi un SEP moyen cible de 10
2
. Pour atteindre cette valeur
lorsque lon utilise un signal 64-QAM dans un canal de Rayleigh (m = 1), le SNR moyen
requit est suprieur la puissance moyenne reue cause du shadowing (). Lcart type
du shadowing traduit la dispersion de la puissance autour de sa valeur moyenne. Une
faible valeur de ce paramtre induit donc de faibles variations autour de et donc une
probabilit plus faible datteindre le SNR ncessaire au SEP cible x. Par consquent
une probabilit de coupure plus importante. Au contraire, si lcart type augmente, la
probabilit de coupure peut se faire un peu plus faible.
49
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
16QAM
64QAM
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
16QAM
64QAM
(b) SEO = f(
dB
)
Fig. 2.5 SEO de deux signaux QAM en prsence de shadowing en fonction de la moyenne
(a) et de lcart type (b) de la loi log-normale.
50
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.3.3 Canal de Rice et modulation M-PSK
Forme exacte du SEP. Les performances en canal et Rice sont lgrement plus com-
pliques obtenir analytiquement. En eet, dans ce canal, nous ne disposons pas, pour le
SEP, de forme exacte autre que lintgrale de la MGF du SNR. En eet, La probabilit
derreur dun signal M-PSK en canal de Rice est donne par [6] :
P
s
(E|
s
) =
1
_
(M1)/M
0
(1 +K)sin
2
()
(1 +K)sin
2
() +g
psk
s
exp
_
g
psk
K
s
(1 +K)sin
2
() +g
psk
s
_
d, (2.50)
lintgrande de cette expression ntant rien dautre que la MGF M
Rice
s
(s) du SNR.
Approximation du SEP. Une premire technique pour rendre cette forme un peu plus
manipulable mathmatiquement est danalyser son comportement asymptotique, lorsque
s
. Lapproche de Wang et Giannakis [32], prsente au chapitre 1, permet dexprimer
cette probabilit derreur en rgime asymptotique. Pour un signal M-PSK, la probabilit
derreur asymptotique a t donne en (1.61). Cette mthode donne un rsultat proche de
la valeur exacte seulement fort SNR, ce qui nest pas trs souhaitable en canal de Rice
lorsque K nest pas ngligeable (cest--dire K 3dB) car cela ne rend pas du tout compte
du comportement du SEP moyen sur une large plage du SNR.
Une autre faon de procder consiste appliquer la mthode de Laplace pour approcher
lintgrale en (2.50). En choisissant la base de fonction (h, g) suivante :
h() =
1
, (2.51)
g() = ln
_
(1 +K)sin
2
()
(1 +K)sin
2
() +g
psk
s
exp
_
g
psk
K
s
(1 +K)sin
2
() +g
psk
s
__
, (2.52)
on obtient lapproximation suivante pour le SEP (voir annexe A.1) :
P
s
(E|
s
)
1 +K
_
g
psk
s
_
(1 +K)
2
+g
psk
s
_
exp
_
g
psk
K
s
1 +K +g
psk
s
_
. (2.53)
Lapproximation obtenue en (2.53) est relativement prcise comme on peut le constater
sur la gure 2.6 et sexprime sans intgrale. Malheureusement cette forme est non inversible
en
s
avec des fonctions usuelles.
Approximation inversible du SEP. On peut cependant esprer inverser le SEP si
lon arrive se ramener lquation ze
z
= f(z) pour z R. En eet, on sait trouver la
fonction rciproque de f qui est la fonction W de Lambert. Dans le cas gnral, cest--
dire dans le corps des rels ou des complexes, la fonction W est multiforme, cest--dire
que plusieurs images sont associes un mme antcdent. Cependant, si lon restreint
lensemble de dnition aux arguments rels z 1/e alors il existe une unique fonction
W
0
telle que W
0
(0) = 0 et W
0
(1/e) = 1. On vrie que lexpression suivante constitue
51
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40
10
8
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exacte
Approx eq(2.53)
Approx Inv eq(2.54)
Giannakis
K = 0dB
K = 6dB
K = 10dB
Fig. 2.6 Comparaison entre le SEP dun signal QPSK en canal de Rice valu avec
lexpression exacte (2.50), une approximation non inversible (2.53), une approximation
inversible (2.54) et son expression asymptotique.
une approximation un peu moins prcise de la probabilit derreur dune M-PSK en canal
de Rice :
P
s
(E|
s
) P
s
(E) =
1 +K
(1 +K +g
psk
s
)
exp
_
g
psk
K
s
1 +K +g
psk
s
_
. (2.54)
Sur la gure 2.6, on compare la prcision de la borne obtenue en (2.54) (reprsente par
les courbes "Approx Inv") celle en (2.53) (reprsente par les courbes "Approx"), et la
valeur exacte bien sr en (2.50) pour un signal QPSK et pour plusieurs valeurs de K. On
trace galement, lapproximation asymptotique de Giannakis [32]. Les deux approximations
du SEP en (2.53) et (2.54) sont dautant plus prcises que le paramtre dvanouissement
K est grand. Ceci vient du fait que lorsque K devient important, on se rapproche du cas
gaussien et lapproximation de Laplace est dautant meilleure que la fonction sous lintgrale
est proche dune gaussienne. Lapproximation en (2.54) est un peu moins prcise que celle
en (2.53) (environ 1dB dcart). Cependant elle prsente lavantage dtre inversible laide
de la fonction W
0
de Lambert introduite ci-dessus. Lexpression en (2.54) semble tre une
borne suprieure du SEP exact pour les valeurs des paramtres illustres sur cette gure.
Nanmoins rien ne permet de larmer simplement. Pour certaines valeurs du SNR et de
K, lapproximation pourrait passer en "dessous" de la courbe exacte.
Inversion du SEP. On peut montrer que lquation (2.54) ci-dessus admet lunique
solution suivante :
s
(P
s
(E)) =
K +K
2
g
psk
W
0
(
s
(E)Ke
K
)

1 +K
g
psk
. (2.55)
52
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Lexpression ci-dessus donne donc le SNR moyen ncessaire pour atteindre une certaine
probabilit derreur cible en canal de Rice.
Estimation du SEO. Cette forme nous permet de donner une approximation du SEO
en prsence de shadowing. En utilisant lquation (2.55) avec (1.18) pour un SEP cible
P
s
(E) = 10
2
, on obtient les courbes donnes sur la gure 2.7. La gure 2.7(a) montre
lvolution du SEO et de son approximation en fonction de la moyenne de la loi log-normale
pour = 8dB et pour K = 0, 6, 10dB. La gure 2.7(b) illustre le SEO en fonction de lcart
type pour = 30dB. Lapproximation obtenue est une borne suprieure du SEO exact
pour les valeurs des paramtres considres ainsi que la probabilit derreur cible choisie.
La borne est assez proche de la valeur exacte avec une dirence infrieure 1dB en . On
peut remarquer que lapproximation du SEO est moins bonne lorsque lcart type de la loi
log-normale est faible (correspondant plutt des environnements avec peu dobstacles).
En eet, pour de faibles valeurs de , le SEO peut-tre assez sur estim. Par exemple,
pour un paramtre dvanouissement K = 6dB et = 4dB, le SEO estim est denviron
de 3.10
5
au lieu de 10
5
, soit un facteur 3. Cependant le niveau de coupure tant trs
faible, cela ne fait pas une grosse dirence dans la pratique.
53
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact K = 0dB
Approx K = 0dB
Exact K = 6dB
Approx K = 6dB
Exact K = 10dB
Approx K = 10dB
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact K = 0dB
Approx K = 0dB
Exact K = 6dB
Approx K = 6dB
Exact K = 10dB
Approx K = 10dB
(b) SEO = f(
dB
)
Fig. 2.7 SEO dun signal QPSK en canal de Rice et son approximation obtenue laide
de (2.55), en fonction de la moyenne (a) et de lcart type (b) de la loi log-normale.
54
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.3.4 Canal de Rice et modulation M-QAM
Forme exacte du SEP. De la mme manire que pour les modulations de phase, la
probabilit derreur dun signal modul en quadrature dans un canal de Rice nest pas
simple driver et il nen existe dailleurs pas de forme exacte autre quintgrale. La forme
exacte de la SEP dun signal modul en quadrature peut sexprimer laide de la MGF du
SNR par symbole :
P
s
(E|
s
) =
4g
_
/2
0
M
Rice
s
_
g
qam
sin
2
_
d
4g
2
_
/4
0
M
Rice
s
_
g
qam
sin
2
_
d. (2.56)
Approximation du SEP. On ne peut malheureusement pas appliquer la mthode de
Laplace pour approcher les intgrales du SEP comme nous lavons fait dans le paragraphe
prcdent. En eet, en choisissant comme base de fonction (h, g) celles donnes au para-
graphe prcdent, la drive g
() sannule pour =

2
. La premire intgrale ici pourrait
tre approche par cette mthode puisque labscisse du point o sannule g
() fait partie
des bornes de lintgrale, cependant la deuxime intgrale ne peut pas ltre.
Nous procdons une premire approximation, qui est de remplacer le deuxime terme
de (2.56) par une borne suprieure :
4g
2
_
/4
0
M
Rice
g
qam
sin
2
_
d
4g
_
/4
0
M
Rice
g
qam
sin
2
_
d, (2.57)
on peut ainsi factoriser la constante (4g)/ et remarquer que les deux intgrales ont le
mme intgrande. En dcomposant la premire intgrale par la relation de Chasles, on
peut simplier lexpression du SEP et la probabilit derreur est borne par :
P
s
(E|
s
)
4g
_
/2
/4
M
Rice
g
qam
sin
2
_
d,
1
(2.58)
En appliquant la mthode de Laplace (2.58) on obtient une expression similaire
celle drive pour les modulations de phase :
P
s
(E|
s
)
4g
1 +K
_
g
qam
s
_
(1 +K)
2
+g
qam
s
_
exp
_
g
qam
K
s
1 +K +g
qam
s
_
. (2.59)
Cette approximation ne se rvle pas trs prcise. On remarque "exprimentalement"
que la courbe correspondant lexpression (2.59) est dcale dun "oset" denviron 4dB
aux larges SNR et pour toutes les valeurs de K. Lide consiste donc, supprimer la
constante 4g qui vaut approximativement 4dB, pour obtenir la nouvelle approximation de
la probabilit derreur :
P
s
(E|
s
)
1
1 +K
_
g
qam
s
_
(1 +K)
2
+g
qam
s
_
exp
_
g
qam
K
s
1 +K +g
qam
s
_
. (2.60)
On constate par la simulation que lapproximation se rapproche de la courbe thorique
exacte.
1
A partir de cette forme, on peut trouver une nouvelle approximation du SEP sexprimant laide de
la fonction hypergomtrique dAppell de premire espce.
55
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exacte
Approx eq(2.60)
Approx Inv eq(2.61)
K = 0 dB
K = 6 dB
K = 10 dB
Fig. 2.8 Comparaison entre le SEP exact (2.56), une approximation non inversible (2.60)
et une approximation inversible (2.61) dun signal 16-QAM en canal de Rice.
Approximation inversible. De la mme manire que pour le cas M-PSK, une forme
inversible de la probabilit derreur dun signal M-QAM peut-tre donne :
P
s
(E|
s
) P
s
(E) =
1
1 +K
1 +K +g
qam
s
exp
_
g
qam
K
s
1 +K +g
qam
s
_
. (2.61)
La gure 2.8 illustre le comportement des direntes expressions du SEP dun signal
modul 16-QAM en canal de Rice. Lapproximation du SEP inversible obtenue ici est assez
bonne puisque quil ny a pas plus de 1dB dcart entre le SEP exact et lapproximation
pour toutes les valeurs de K testes 0, 6 et 10dB et une large plage de SNR.
Inversion du SEP et estimation du SEO. La rsolution de lquation ci-dessus en
s
se fait laide de la fonction spciale W
0
de Lambert. La forme du SNR moyen en fonction
de la probabilit derreur cible est similaire (2.55) avec la constante g
qam
qui remplace
g
psk
:
s
(P
s
(E)) =
K +K
2
g
qam
W
0
(
s
(E)Ke
K
)

1 +K
g
qam
. (2.62)
Sur la gure 2.9, on trace la probabilit de coupure symbole exacte et son approximation
obtenue avec (2.62). La probabilit derreur cible est x 10
2
. Sur la gure 2.9(a), le
SEO est trac en fonction de la moyenne de la loi log-normale et pour un cart type de
8dB, tandis que sur la gure 2.9(b), la moyenne est xe 30dB et le SEO varie en fonction
de . Sur ces deux gures quelque soit la valeur du paramtre dvanouissement considr,
lerreur commise sur le SEO est infrieure 1dB.
56
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact K = 0dB
Approx K = 0dB
Exact K = 6dB
Approx K = 6dB
Exact K = 10dB
Approx K = 10dB
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact K = 0dB
Approx K = 0dB
Exact K = 6dB
Approx K = 6dB
Exact K = 10dB
Approx K = 10dB
(b) SEO = f(
dB
)
Fig. 2.9 SEO dun signal 16QAM en canal de Rice et son approximation obtenue
avec (2.62), en fonction de la moyenne (a) et de lcart type (b) de la loi log-normale.
57
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.4 Performance en prsence de codage canal
Lanalyse de performance que lon a prsent jusquici ne tenait pas compte du codage
canal. Cest pour cette raison que la plage du SNR dintrt est celle pour laquelle le systme
atteint un SEP compris entre 10
1
et 10
4
. En ralit beaucoup de systmes intgrent des
codes correcteurs derreur pour lutter contre les vanouissements du canal. Grce ces
codes les performances en termes de BER et de PER samliorent considrablement, ce qui
se traduit, asymptotiquement du moins, par un gain de codage et donc un dcalage des
courbes de performances vers les faibles SNR.
Il existe deux grandes familles de codes correcteurs derreurs : les codes blocs et les
codes convolutifs. Berrou et Glavieux [86] ont introduit un troisime type de code correcteur
derreur : les turbo-codes. Ceux-ci prsentent des performances impressionnantes proches
de la limite de Shannon. Nous ne traiterons pas de ce cas dans la suite.
Dans cette partie, nous nous intressons la probabilit derreur par paquet (PEP
"Packet Error Probability"). Pour les codes blocs, on considre un code capable de corriger
n bits parmi m. En partant de la probabilit derreur par mot code que lon souhaite
obtenir, on peut remonter la probabilit derreur bit ncessaire lentre du dcodeur
pour latteindre, lorsque lon considre un dcodeur dcision dur. A partir de cette dernire
probabilit on peut remonter au SNR moyen avec les rsultats que lon a vus jusquici. En ce
qui concerne les codes convolutifs, on travaille sur la probabilit de premire erreur dnie
au chapitre 1, et pour laquelle il existe dans la littrature des expressions asymptotiques
faisant intervenir la probabilit derreur bit lentre du dcodeur. Nous verrons comment
partir de la probabilit de premire erreur, on peut approcher la probabilit derreur par
paquet. Dans ce qui suit nous supposons lutilisation dun entrelaceur parfait garantissant
labsence de burst derreurs, cest--dire que les erreurs sur les bits sont indpendantes les
unes des autres et uniformment rparties sur le paquet. Cette hypothse revient supposer
que le canal varie rapidement dun symbole lautre.
Notons que nous avons besoin de la probabilit derreur bit pour calculer la probabilit
derreur dun mot code ou dun bloc (selon que lon utilise un codage bloc ou convolutif) or
dans les sections prcdente nous avons driv des approximations inversibles de la proba-
bilit derreur symbole. Cependant en supposant un codage de Gray pour les modulations
linaires que nous considrons (M-PSK, M-QAM), on peut partir des travaux de Lu et
al [82] obtenir des approximations du BEP trs proches de la probabilit derreur bit relle,
dans un canal vanouissements [6]. La probabilit derreur bit dun signal M-PSK est trs
bien approche par :
P
b
(E)
2
max (log
2
M, 2)
max(M/4,1)
i=1
_
/2
0
M
s
_
1
sin
2
sin
2
(2i 1)
M
_
d, (2.63)
o M
s
(s) est la fonction gnratrice des moments du SNR instantan. Lintgrale peut
sexprimer sous une forme exacte avec la fonction hypergomtrique de Gauss (si on consi-
dre un canal de Nakagami), dont on sait trouver une approximation inversible. Le problme
est que pour M > 4, il y a une somme de fonction hypergomtrique que lon ne pourra pas
inverser. On procde donc une simplication supplmentaire : le calcul du BEP moyen
se fera en considrant seulement le premier terme de la somme quelque soit M :
P
b
(E)
2
max (log
2
M, 2)
_
/2
0
M
s
_
g
psk
sin
2
_
d. (2.64)
58
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Lu et al. proposent aussi une approximation de la probabilit derreur bit dun signal
M-QAM en canal AWGN, que lon peut aisment tendre aux canaux vanouissements :
P
b
(E)
4g
log
2
M
M/2
i=1
_
/2
0
M
s
_
(2i 1)
2
g
qam
sin
2
_
d. (2.65)
Ici encore, pour des ordres de modulations suprieures strictement 4, on ne pourra
pas inverser lexpression pour remonter au SNR. Par consquent, on ne considrera que le
premier terme de la somme pour lvaluation de la probabilit derreur bit :
P
b
(E)
4g
log
2
M
_
/2
0
M
s
_
g
qam
sin
2
_
d. (2.66)
Si lon considre un canal vanouissement de Nakagami-m, les deux intgrales ci-
dessus sexpriment avec une fonction hypergomtrique de Gauss :
P
psk
b
(E)
M
s
(g
psk
)
max (log
2
M, 2)
_
m+
1
2
_
(m+ 1)
2
F
1
_
m,
1
2
; m+ 1;
1
1 +
g
psk
s
m
_
, (2.67)
P
qam
b
(E)
2gM
s
(g
qam
)
log
2
M
_
m+
1
2
_
(m+ 1)
2
F
1
_
m,
1
2
; m+ 1;
1
1 +
gqam
s
m
_
. (2.68)
Comme nous lavons vu tout au long de ce chapitre, cette fonction hypergomtrique
possde une forme trs simple et trs prcise en 1/
_
1 x
t avec

t = m/(m + 1) et x =
1/ (1 +g
mod
s
/m) (g
mod
valant soit g
psk
ou g
qam
selon que lon considre une M-PSK
ou une M-QAM). Lexpression du SNR moyen en fonction de la probabilit derreur bit
moyenne est :
s
(P
b
(E)) =
m
g
mod
_
_
_
_
P
b
(E)
k
mod
_
1
t
m
b
(E)
k
mod
_
1
m
1
_
_
, (2.69)
avec k
mod
une constante dpendant de la modulation utilise :
k
psk
=
1
max (log
2
M, 2)
_
m+
1
2
_
(m+ 1)
, (2.70)
k
qam
=
2g
log
2
M
_
m+
1
2
_
(m+ 1)
. (2.71)
2.4.1 Codes correcteurs derreur en bloc
La probabilit derreur dun mot code BCH (WEP pour "Word Error Probability")
avec un dtecteur dcision dure est donne par [5], [87] :
P
m
(E) =
J
j=t+1
_
J
j
_
P
j
b
(1 P
b
)
Jj
, (2.72)
avec J la longueur du mot code en bit et P
b
la probabilit derreur bit du canal de propaga-
tion considr (Nakagami-m, Rice), quivalent ici la probabilit de transition dun canal
59
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BSC. Cette hypothse est valide si on considre que les bits dun symbole sont aects de
la mme manire par le canal de propagation, ce qui est le cas si lentrelaceur est parfait.
Les paramtres J, t, d
min
sont rappels dans le tableau 2.1 pour 4 types de codes BCH.
Le paramtre "taux de codage" correspond au rapport du nombre de bits non cods sur le
nombre de bits cods. P
m
(E) est donc la probabilit dobtenir strictement plus de t bits
faux sur J bits.
Approximation du WEP. La probabilit derreur dun mot code dpend du BEP qui
lui-mme dpend du SNR. Nous avons donn dans la prcdente section des formules per-
mettant de calculer
s
en fonction de la probabilit derreur atteindre pour dirents
environnements. En prsence de codage, il sut donc de pouvoir inverser la probabilit
derreur dun mot code en fonction de la probabilit derreur bit puisque celle-ci est inver-
sible en fonction du SNR. Lquation (2.72) nest malheureusement pas inversible de faon
exacte puisquil sagit dun polynme en P
b
de degr suprieur 5 pour les paramtres
donns dans le tableau 2.1.
Cependant, on peut mettre (2.72) sous la forme dune fonction hypergomtrique de
Gauss :
P
m
(E) =
B
P
b
(t + 1, J t)
B(t + 1, J t)
(2.73)
=
P
t+1
b
(t + 1)B(t + 1, J t)
2
F
1
(t + 1, 1 +t J; t + 2; P
b
) , (2.74)
avec B
P
b
(t + 1, J t) la fonction Beta incomplte et B(t + 1, J t) la fonction Beta [31].
La variable de la fonction hypergomtrique de Gauss est la probabilit derreur bit en
entre du dcodeur. La mthode de Laplace donne lapproximation suivante pour la pro-
babilit derreur par mot code :
P
m
(E)
(t + 2)
t+3/2
r
1/2
2,1
y
t+1
(1 y)
(t + 1)
t+2
B(t + 1, J t)
P
t+1
b
(1 P
b
y)
1+tJ
, (2.75)
avec
r
2,1
=
y
2
t + 1
+ (1 y)
2
(1 +t J) P
2
b
(1 P
b
y)
2
y
2
t + 1
(1 y)
2
, (2.76)
y =
2(t + 1)
_
2
4(t + 1)(1 +J)P
b
, (2.77)
= JP
b
(t + 2). (2.78)
Code J k d
min
taux de codage t
Hamming 7 4 3 0.57 1
Golay 23 12 7 0.52 3
Shortened Hamming 6 3 3 0.5 1
Extended Golay 24 12 8 0.5 3
Tab. 2.1 Paramtres des codes BCH
60
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30
10
3
10
2
10
1
10
0
SNR
s
dB
P
E
R

Simu m = 1
Approx m = 1
Simu m = 3
Approx m = 3
Simu m = 6
Approx m = 6
Fig. 2.10 Evolution du PER dans un canal de Nakagami-m pour un code de Hamming.
La modulation utilise est une 8PSK.
Approximation asymptotique du WEP. Lapproximation en (2.75) est trs prcise
pour toutes les valeurs du BEP. Cependant cette forme nest pas encore inversible en P
b
et
donc encore moins en
s
. Pour les faibles valeurs de P
b
, lquation (2.75) va se simplier.
En eet, lorsque P
b
0, les relations (2.76), (2.77) et (2.78) deviennent :
y
t + 1
t + 2
y, (2.79)
r
2,1

1
t + 2
, (2.80)
(t + 2). (2.81)
Par consquent, la probabilit derreur dun mot code en rgime asymptotique sap-
proche trs bien par :
P
m
(E|P
b
0)
1
(t + 1)B(t + 1, J t)
P
t+1
b
(1 P
b
y)
1+tJ
. (2.82)
Probabilit derreur paquet. Lorsque lon cherche caractriser la abilit dun rseau
de communication tel que le GSM, lUMTS ou le WLAN, on sintresse davantage la
probabilit derreur paquet (trame) que par symbole ou bit. Un paquet est faux, lorsquau
moins un bit du paquet est faux. Toujours sous lhypothse dentrelacement parfait, les
erreurs sont rparties uniformment sur le paquet, et la probabilit derreur sur les mots
codes est identique pour tous les mots codes tout au long du paquet. Par consquent la
probabilit derreur par paquet se dduit de celle par mot code comme suit :
P
p
(E) = 1 (1 P
m
(E))
N/k
, (2.83)
61
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec N la longueur dun paquet en bit et k le nombre de bits dinformations dun mot code.
On approche donc le PEP en utilisant (2.82) dans (2.83). La gure 2.10 illustre la prcision
de lapproximation du PEP obtenue en calculant la probabilit derreur bit avec (2.64).
Lapproximation est compare avec le taux derreur par paquet obtenu par la simulation
dans direntes conditions dvanouissement (m = 1, 3, 6), pour un code de Hamming et
une modulation 8PSK. La taille des paquets est de 4608 bits dinformation. On peut
constater une bonne prcision de lapproximation du PEP en (2.83) en utilisant (2.82) avec
la simulation. La prcision la moins bonne tant pour le canal de Rayleigh, mais lerreur
est infrieure 1dB en SNR, et les deux courbes convergent pour les trs grands SNR.
Lapproximation du PER est trs bonne rapidement lorsque le canal devient moins vanouit
(m = 3, 6). En canal de Rayleigh, la probabilit derreur bit tend "plus doucement" vers
0, do une convergence un peu plus lente entre la courbe asymptotique et la simulation.
Inversion du WEP et PEO Pour obtenir une forme inversible du WEP tout en gardant
une prcision acceptable, on utilise la mthode que lon a dtaille la section 2.3.1. Pour
les faibles valeurs de P
b
, on a (1 P
b
y) 1. Par consquent, on peut dduire la valeur de
P
b
en rgime asymptotique :
P
b
[P
m
(E) (t + 1)B (t + 1, J t)]
1
t+1
. (2.84)
En remplaant P
b
par sa valeur asymptotique dans le terme (1 P
b
y) de lqua-
tion (2.82), on peut inverser la probabilit derreur par mot code en fonction de la proba-
bilit derreur bit :
P
b
=
_
_
_
P
m
(E) (t + 1)B(t + 1, J t)
_
1 [P
m
(E) (t + 1)B (t + 1, J t)]
1
t+1
y
_
Jt1
_
_
_
1
t+1
(2.85)
Comme nous lavons signal ci-dessus, si on sintresse la probabilit derreur par
paquet on est galement intress par la probabilit de coupure paquet. En eet, lors du
dploiement dun rseau de tlcommunication, la probabilit quun paquet soit perdu
cause des uctuations de la puissance moyenne, caractrise la abilit du rseau au
niveau qualit de service. La probabilit de coupure paquet PEO (Packet Error Outage)
en prsence de shadowing se dnit comme le SEO; il est ncessaire de remonter au SNR
moyen en fonction de la probabilit derreur paquet que lon souhaite atteindre. Cela se fait
facilement avec les expressions que lon a drives ci-dessus. Le SNR moyen sexprime en
fonction de la probabilit derreur bit avec (2.69), qui sexprime en fonction de la probabilit
derreur par mot code (2.85), elle mme fonction du PEP moyen avec (2.83). Le PEO en
prsence de shadowing scrit :
P
p
(O) = Q
_
dB
10 log
10
s
_
P
p
_
dB
_
, (2.86)
avec P
p
la probabilit derreur paquet cible que lon souhaite atteindre. La gure 2.11
compare le PEO thorique driv en utilisant les formules ci-dessus avec celui obtenu par
inversion numrique de la simulation pour une probabilit derreur paquet cible de 10
1
. Sur
la gure 2.11(a), le PEO est trac en fonction de la puissance moyenne reue au rcepteur
pour un cart type de 8dB. La prdiction est conforme avec linversion numrique de la
simulation. Mme remarque pour la gure 2.11(b), o le PEO est fonction de lcart type
pour une moyenne = 30dB. Le PEO est lgrement sous-estim pour un canal de
62
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Rayleigh. Si les services fournir ne sont pas pas trs exigeant en terme de qualit, le
rseau est plutt plani pour des probabilit de coupure de lordre de 10%. Pour cette
probabilit, la prdiction est excellente pour tous les paramtres envisags ici. Pour des
services un peu plus gourmand en qualit comme la vido, ou le streaming en HSDPA par
exemple, des probabilits de coupure plus faibles peuvent tre attendues.
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
P
E
O

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
(a) PEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
P
E
O

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
(b) PEO = f(
dB
)
Fig. 2.11 PEO avec codage bloc de Hamming pour un PEP cible de 10
1
en fonction de
la moyenne (a) de la loi log-normale et de lcart type (b). Les bits cods sont mapps sur
une constellation 8PSK en codage de Gray.
63
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2.4.2 Codes correcteurs derreur convolutifs
Expressions asymptotiques de la probabilit de premire erreur. La probabilit
de premire erreur est majore par lexpression donne en (1.82). Lorsque P
b
devient trs
petit, la borne suprieure du EEP fait intervenir peu de termes de la probabilit P
k
. Les
auteurs de [88] ont montr que la EEP pouvait sexprimer simplement lorsque P
b
0 :
lim
P
b
0
P (E
1
)
_
_
1
2T
a
d
min
_
d
min
d
min
2
_
P
d
min
2
b
pour d
min
pair
1
T
(a
d
min
+a
d
min
+1
)
_
d
min
d
min
+1
2
_
P
d
min
+1
2
b
pour d
min
impair,
(2.87)
avec a
d
min
le nombre de squences tant la distance d
min
de la squence code.
Probabilit derreur block. On considre que le dcodeur implmente un algorithme
de Viterbi sur un bloc de longueur J. La probabilit derreur bloc est dnie comme la
probabilit de la ralisation de lvnement : "la squence la plus vraisemblable donne par
le Viterbi nest pas la squence code pour le bloc de longueur J". La probabilit que la
squence la plus vraisemblable dvie pour la premire fois de la squence code la jime
section du treillis est majore par (1.82). Une erreur bloc peut avoir pour origine nimporte
quelle section avec la mme probabilit : la borne est valide pour toutes les J sections du
treillis. Ainsi, la probabilit derreur bloc P
B
(E) peut-tre approche par la sommation de
la EEP sur les J sections du treillis. Donc pour tous les codes convolutifs, il existe une
borne suprieure de la probabilit derreur bloc :
P
B
(E)
J
T
k=d
min
a
k
P
k
. (2.88)
En utilisant les expressions asymptotiques donnes plus haut pour la EEP, on peut
donner les expressions asymptotiques de la probabilit derreur bloc pour tous les types de
codes convolutifs :
lim
P
b
0
P
B
(E) J lim
P
b
0
P (E
1
) . (2.89)
64
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
K R
c
T d
min
a
d
min
a
d
min
+1
PEP asymptotique
4 1/2 1 6 1 10JP
3
b
4 2/3 2 4 3
9
2
JP
2
b
4 3/4 3 4 29 29JP
2
b
Tab. 2.2 PEP asymptotique avec le codeur convolutif K = 4, et comme polynme
gnrateur 15)
8
et 17)
8
en octal.
0 2 4 6 8 10 12 14 16 18
10
3
10
2
10
1
10
0
SNR
s
dB
P
E
R

Simu m = 1
Approx m = 1
Simu m = 3
Approx m = 3
Simu m = 6
Approx m = 6
Fig. 2.12 Evolution du PER dans un canal de Nakagami-m pour un code convolutif de
longueur de contrainte K = 4 et de taux de codage 1/2.
Notons que si lon considre une profondeur J trs grande pour le dcodeur de Viterbi,
cest--dire la longueur dun paquet, alors la probabilit derreur bloc devient la probabilit
derreur par paquet. Cette approximation nest cependant valable que si lentrelaceur ga-
rantie lindpendance des erreurs dun bit lautre sur lensemble du paquet. Nous vrions
sur un exemple la prcision de la formule ci-dessus. On considre le codeur convolutif de
longueur de contrainte K = 4 et de polynmes gnrateurs 15)
8
et 17)
8
(en octal). Le taux
de codage lmentaire est R
c
= 1/2. Cependant, grce une opration de poinonnage on
peut porter le taux de codage R
c
= 2/3 et R
c
= 3/4. Les priodes de poinonnage T
sont respectivement pour les trois taux 1, 2 et 3. Les valeurs d
min
et a
d
min
sont tabules
dans [89] et [90]. En utilisant (2.89) et (2.87) selon que d
min
soit pair ou impair, on obtient
la probabilit derreur par paquet asymptotique pour ce codeur convolutif. Le tableau 2.2
rappelle les valeurs du PEP pour les trois taux de codage.
La gure 2.12 illustre lapproximation obtenue pour la probabilit derreur bloc pour
un systme employant le codeur convolutif dcrit plus haut avec un taux de codage de
1/2. La modulation utilise est une QPSK et le canal est vanouissement de Nakagami-
m (m = 1, 3, 6). La longueur des paquet est de J = 1000 bits. Lapproximation est trs
prcise asymptotiquement (lorsque
s
et donc lorsque P
b
0). On peut faire la
65
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
mme remarque que pour le code de Hamming, la prcision est dautant meilleure que le
canal se rapproche dun canal sans vanouissements. La raison est identique celle donne
pour les codes blocs. Pour un canal de Rayleigh, lerreur obtenue est infrieure 1dB
pour un PER compris entre 3.10
1
et 10
3
. Les deux courbes (asymptotiques et simules)
convergent aux trs forts SNR.
0 5 10 15 20 25 30 35 40 45 50
10
4
10
3
10
2
10
1
10
0
(dB)
P
E
O

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
(a) PEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
P
E
O

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
(b) PEO = f(
dB
)
Fig. 2.13 PEO avec codage convolutif (K = 4 et 15)
8
, 17)
8
)pour un PEP cible de 10
1
en fonction de la moyenne (a) de la loi log-normale et de lcart type (b). Les bits cods
sont rassembls en symbole QPSK suivant un codage de Gray.
66
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Inversion du PEP estimation du PEO. Avec les expressions du PEP rsumes dans
le tableau 2.2, linversion du PEP en fonction de P
b
est triviale. De plus nous avons dj
donn plus haut lexpression du SNR moyen
s
en fonction du BEP. En utilisant linversion
des expressions dans le tableau 2.2 et lexpression en (2.69) dans (2.86), on dtermine le
PEO en fonction du PEP cible moyen atteindre.
La gure 2.13 donne la probabilit de coupure paquet selon les paramtres de la loi de
shadowing et le codeur convolutif utilis ci-dessus. La probabilit derreur paquet moyenne
attendue est xe 10
1
. Sur la gure 2.13(a), la probabilit de coupure paquet est trace en
fonction de la moyenne du shadowing avec = 8dB. La prcision de linversion analytique
est trs bonne pour toutes les valeurs de la moyenne du shadowing. Si lon fait varier
lcart type de la loi log-normale, avec = 30dB, comme sur la gure 2.13(b), linversion
analytique de la probabilit derreur paquet permet de prdire le PEO exact avec une trs
bonne prcision.
2.5 Conclusion
Dans ce chapitre, nous avons considr une liaison radio point--point mono-antenne.
Nous avons abord le problme crucial de lanalyse de performance dun point de vue pro-
babilit de coupure symbole ou paquet, lorsquune communication radio est aect par des
vanouissements rapides et en prsence de shadowing. La caractrisation de performance
dun systme de ce point de vue est intressante plus dun titre. Tout dabord, lorsque
lon considre la prsence de shadowing, la probabilit derreur moyenne ne caractrise plus
les performances dun systme, puisque le SEP varie dans le temps. Il est donc ncessaire
davoir une ide sur la "vraisemblance" datteindre tel SEP moyen. Ensuite, la probabilit
de coupure symbole et/ou paquet sexprime, par dnition, en fonction de la probabilit
derreur moyenne (plutt que du SNR moyen comme dans les approches classiques). Cette
dirence est essentielle puisque cest la probabilit derreur moyenne qui caractrise la
qualit de service dune application.
Notre contribution dans ce chapitre tient en plusieurs points :
1. Dabord pour une communication radio sans codage canal et pour les modulations
linaires les plus utilises (M-PSK, M-QAM), nous fournissons de nouvelles approxi-
mations de la probabilit derreur moyenne dans des canaux vanouissements ra-
pides de Nakagami-m et Rice. Ces approximations se rvlent trs prcises (moins
de 1dB dcart) non seulement asymptotiquement (larges SNR), mais aussi pour un
faible SNR, ce qui nest pas le cas pour les approximations dj existantes dans la
littrature.
2. Nous montrons que ces approximations sont inversibles par rapport au SNR, et nous
donnons des formules originales, simples et prcises de celui-ci en fonction de la
probabilit derreur moyenne et des paramtres du systme considr. De plus, une
certaine gnralit dans lexpression du SNR moyen est mis en avant, puisque le SNR
moyen
s
la forme gnrale suivante (dans les canaux de Nakagami-m) :
s
(P
s
) = c
0
_
P
1
m
_
1 c
1
P
s
1
m
_
1
2m
c
1
m
2
_
,
o c
0
, c
1
et c
2
sont des constantes dpendant de la modulations et de la valeur de
lvanouissement du canal. Les rsultats sur le canal de Rice sont plus particuliers
mais nen sont pas moins originaux, puisque nous exprimons le SNR moyen laide
67
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
de la fonction spciale de Lambert W
0
. Pour ce que lon a pu en juger, cest la seule
inversion disponible aujourdhui de la probabilit derreur en canal de Rice.
3. Les approximations et les inversions de la probabilit derreurs ralises, permettent
destimer la probabilit de coupure symbole de manire trs prcise et ce pour de
larges variations des paramtres de la loi log-normale.
4. Enn, notre mthodologie permet de prendre en compte le codage pour lvaluation
de la probabilit de coupure bloc (ou paquet), condition dutiliser un dcodeur
dcision dure. Nous donnons lestimation de la probabilit de coupure paquet pour
un systme utilisant un codage bloc de Hamming, puis un codeur convolutif.
Notre tude ne se focalise pas sur un systme de tlcommunication particulier, mais
considre une liaison radio sur un canal plat vanouissement. De part cette caractris-
tique, on pourrait facilement appliquer ltude faite ici des systmes OFDM, ne prsentant
pas dinterfrences entre porteuses. Cela donnerait donc des bornes pour ltude des perfor-
mances de ces systmes. On pourrait galement tendre lanalyse aux systmes talement
de spectre. En considrant les trajets multiples dcorrls (ce qui est une hypothse cou-
ramment admise pour les systmes larges bandes) et un rcepteur de type RAKE, on se
ramne un systme diversit spatiale dont ltude est analogue celle mene ici. Cepen-
dant, ltude mene ici nest pas facilement extensible dans le cas o ltalement temporel
du canal aecte plusieurs symboles. La statistique dinterfrence entre symboles devant
tre prise en compte dans ltude, cela pourrait faire lobjet de recherches ultrieures.
Un autre point peut tre soulev au niveau de ltude avec codage. Lutilisation de
dcodeur dcision dure, permet de partitioner le problme de la recherche de la probabilit
de coupure paquet. Que ce soit en code bloc ou convolutif, la probabilit derreur bloc
en sortie de codeur dpend de la probabilit derreur bit en entre. Grce linversion
de cette relation, on peut remonter au SNR. Cependant si on considre des dcodeurs
dcision souples, la probabilit derreur en sortie dpend des caractristiques du codeur
mais galement du SNR. Ltude de la probabilit de coupure dans ce cas, devrait se faire
de faon globale, en prenant en compte le codage directement aprs la sortie du canal.
68
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE
3
Systmes MIMO
3.1 Introduction
De nos jours, les performances et la abilit du lien radio peuvent tre grandement
amliores en exploitant la diversit de canaux quore les systmes MIMO. Les techniques
de codage spatio-temporel et de multiplexage spatial constituent un domaine de recherche
encore trs actif. Il est donc primordiale de chercher analyser limpact du shadowing sur
ce type de systme, ce que nous proposons de faire dans ce chapitre. Comme pour le cas
SISO, nous avons besoin dapprocher le SEP moyen pour pouvoir linverser. Il est donc
primordiale pour nous davoir des expressions du SEP que lon puisse approcher avec les
mthodes introduites au chapitre 1.
De nombreuses tudes ont cherch caractriser les performances en SEP moyen de tels
systmes de communications. En [91], Shin et Lee tudient le SEP exacte pour les systmes
MIMO codage bloc dans un canal de Rayleigh sans corrlation et en [66] ils sintressent
aux performances des systmes MIMO STBC dans des canaux Nakagami-m mais avec un
phnomne "trou de serrure", environnement pour lequel la matrice du canal nest pas de
rang plein. Dautres tudes ont cherch prendre en compte le phnomne de corrlation
lorsqutaient utilises des techniques de diversits spatiales. Les performances en terme de
SEP moyen dun systme STBC dans un canal de Nakagami-m prsentant de la corrlation
a t tudi dans [47], qui est en fait une extension de ltude faite par les auteurs de [51], sur
les performances dun systme dantennes rception MRC dans un canal de Nakagami-m
corrl. Les auteurs donnent une forme exacte de la probabilit derreur dun signal M-
PSK et M-QAM valable pour nimporte quel type de codes orthogonaux et nimporte quel
modle de corrlation. Le SEP dun signal M-PSK (respectivement M-QAM) sexprime
comme combinaison linaire dune (respectivement 2) intgrale(s) faisant intervenir les
valeurs propres (et leur multiplicit) de la matrice de covariance du canal MIMO. On peut
citer dautres travaux antrieurs ceux-l et qui se sont intresss aux performances des
systmes multi-antennes en prsence de corrlation. Dj en 1999, Lombardo et al. ont
tudi les performances dun signal BPSK avec un systme diversit MRC dans un canal
de Nakagami-m corrl dans [92]. Ensuite Gozali et al. ont donn une valeur approche
de la probabilit derreur dun systme STBC en [93] dans le cas dun canal de Rayleigh
puis Femenias tendit les rsultats au canal de Nakagami-m en [94]. En [95] le SEP exact
dun systme STBC fut driv pour direntes modulations cohrentes sur un canal de
Nakagami-m avec des valeurs entires de m.
Le cas dun systme MIMO multiplexage spatial, avec un rcepteur ZF, permet de
trouver des solutions sous forme exacte, autre quintgrale, de la probabilit derreur, no-
tamment laide de fonctions spciales. Gore et al. donnent lexpression du SNR en sortie
de traitement dun galiseur ZF [70]. Dans cet article, les auteurs considrent la prsence
de corrlation lmission et un canal de Rayleigh. En [96] les auteurs tendent ltude
un canal de Rice et en considrant galement une corrlation lmission. Grce la
distribution du SNR en sortie du traitement, les auteurs sont capables de donner une forme
exacte de la probabilit derreur en terme de fonction hypergomtrique.
Dans ce chapitre, nous tendons lapproche originale tudie au chapitre prcdent aux
69
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE 3. SYSTMES MIMO
systmes MIMO codage blocs orthogonaux et multiplexage spatial. Nous compltons
et tendons ainsi les rsultats de Conti et al. qui proposrent des bornes inversibles et
prcises de la probabilit derreur dun signal M-PSK dans un environnement de Rayleigh
et un systme diversit spatial en rception. Nous commenons par considrer les systmes
STBC. Pour les modulations M-PSK et M-QAM, nous trouvons des approximations simples
et prcises de la probabilit derreur exacte en canal de Nakagami-m et Rice, dans le cas
o aucune corrlation nest prsente lmission et la rception. Nous montrons quelles
sont inversibles et permettent de calculer le SEO dans les congurations ci-dessus. Nous
traitons ensuite des systmes multiplexage spatial et pour lesquels nous pouvons driver
des approximations simples et inversibles du SEP moyen en canal de Rayleigh corrl en
mission. Nous traitons galement du canal de Rice o nous donnons des rsultats sur
lapproximation du SEP et son inversion.
3.2 Estimation du SEP et du SEO pour les systmes STBC
MIMO
3.2.1 Hypothses
Nous proposons des approximations et des inversions de la probabilit derreur moyenne
lorsque le systme ne prsente pas de corrlation. Cependant la prsence de corrlation due
un environnement pauvre en diuseur et/ou un faible espacement entre les antennes,
rend ltude trs dlicate. Nous en dirons un mot dans cette section.
Distribution du SNR en sortie du traitement. Nous avons vu au chapitre 1 que la
structure MIMO STBC permettait dimplmenter un rcepteur MV symbole par symbole
dune complexit linaire. Le SNR instantan par symbole aprs le dcodage bloc scrit :
STBC
=
||H||
2
F
n
t
R

s
, (3.1)
avec
s
= E
m
/N
0
le SNR moyen reu sur chaque antenne. Les performances dun dcodeur
MIMO codes orthogonaux dpendent des proprits statistiques de la norme de Frobenius
au carr de la matrice canal. Autrement dit les performances vont dpendre si on considre
un canal MIMO corrl spatialement ou non.
Canal MIMO non corrl. Dans le cas o les gains complexes de la matrice canal sont
supposs i.i.d, ||H||
2
F
est la somme de n
t
n
r
variables gamma identiquement distribues et
la MGF du SNR en sortie de traitement est [66] :
M
i.i.d.Naka
STBC
(s) =
_
1 +s

s
mn
t
R
_
q
, (3.2)
avec q = mn
t
n
r
. On peut remarquer lanalogie entre (3.2) et la MGF de
s
dun canal de
Nakagami-m mono-antenne : le nombre de degr de libert a augment, il est pass de m
q. Dans ce qui suit nous considrons que le canal ne prsente pas de corrlation.
3.2.2 Canal de Nakagami et M-PSK
Le SEP dun signal M-PSK pour un systme MIMO code orthogonaux sans corrlation
dans un canal de Nakagami-m fut donne par Shin et Lee dans [66] :
70
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
P
s
(E|
s
) = M
i.i.d.Naka
STBC
(g
psk
)
_
(q + 1/2)
2
(q + 1)
2
F
1
_
q,
1
2
; q + 1; x
_
+
F
1
_
1
2
, q,
1
2
q;
3
2
; y, z
__
, (3.3)
avec x = 1/(1 + g
psk
s
/(mn
t
R)), y = (1 g
psk
)/(1 + g
psk
s
/(mn
t
R)) et z = 1 g
psk
.
On peut remarquer que lexpression de la probabilit derreur dun signal M-PSK dun
systme spatio-temporel codage blocs orthogonaux, en canal de Nakagami, est similaire
lexpression du SEP mono-antenne en (2.15). De ce fait, la mthodologie dapproximation
obtenue pour cette dernire va sappliquer ici galement.
Approximation du SEP. En appliquant la mthode de Laplace pour la fonction
2
F
1
et en rgime asymptotique, lquation (3.3) tend vers :
P
s
(E|
s
) x
q
_
(q + 1/2)
2
(q + 1)
1
_
1 x
t
+
2
F
1
_
1
2
,
1
2
q;
3
2
; z
_
1 y
_
, (3.4)
avec

t = q/(q +1) et en remarquant que M
i.i.d.Naka
STBC
(g
psk
) = x
q
. On peut approcher (3.4)
par :
P
s
(E|
s
) k
stbc
psk
x
q
_
1 x
t
, (3.5)
avec :
k
stbc
psk
=
(q + 1/2)
2
(q + 1)
+
2
F
1
_
1
2
,
1
2
q;
3
2
; z
_
. (3.6)
La gure 3.1, montre la prcision de (3.5) pour une modulation 8-PSK, trois paramtres
dvanouissement m = 1, 3, 6. On sintresse la prcision de cette approximation selon la
taille du systme MIMO utilis. Ici on considre un systme MIMO 22 avec un code bloc
dAlamouti et un systme 3 3 avec un code de Tarokh G
3
.
Lapproximation donne en (3.5) est trs prcise sur une large plage de SNR et surtout
pour des valeurs du SEP compris entre 10
1
et 10
4
. Lexpression permet de remonter au
SNR comme nous lavons vu pour les systmes mono-antennes.
Inversion du SEP et estimation du SEO. En levant au carr lquation (3.5), on
remonte au SNR moyen par symbole en fonction de la probabilit derreur cible P
s
(E) :
s
(P
s
(E)) = c
0
_
P
s
(E)
1
q
_
1 c
1
P
s
(E)
1
q
_
1
2q
_
k
stbc
psk
_
1
q
_
, (3.7)
avec
c
0
=
mn
t
R
q
_
k
stbc
psk
g
psk
, (3.8)
c
1
=
t
q
_
k
stbc
psk
. (3.9)
71
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
STBC 2 2
STBC 3 3
Fig. 3.1 Approximation du SEP pour un signal 8-PSK dans un canal de Nakagami et
deux systmes MIMO codes orthogonaux
Enn en utilisant (1.18) on peut estimer le SEO en prsence de shadowing. La gure 3.2
nous donne lvolution du SEO pour les deux systmes MIMO codes orthogonaux cits
ci-dessus. Comme prcdemment, sur la gure 3.2(a) lcart type de la loi de shadowing
est de 8dB et pour la gure 3.2(b) la puissance moyenne du shadowing est de 30dB. La
probabilit derreur moyenne cible recherche est de 10
2
. Lestimation du SEO laide
de linversion analytique du SEP moyen correspond quasiment la valeur exacte de la
probabilit de coupure pour les deux systmes MIMO considrs et tous les paramtres
dvanouissements du canal. On observe, comme on peut sy attendre, une probabilit de
coupure plus faible pour une taille de systme plus importante du fait de laugmentation
de la diversit.
72
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
STBC 3 3
STBC 2 2
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
8
10
6
10
4
10
2
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
STBC 2 2
STBC 3 3
(b) SEO = f(
dB
)
Fig. 3.2 SEO pour deux systmes MIMO codes orthogonaux et pour une modulation
8-PSK. MIMO 2 2 codage dAlamouti et MIMO 3 3 codage de Tarokh G
3
.
73
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.2.3 Canal de Nakagami et M-QAM
Daprs [66], le SEP dun systme MIMO codes orthogonaux dans un canal de Na-
kagami, pour un signal M-QAM est :
P
s
(E|
s
) =
2gM
i.i.d.Naka
STBC
(g
qam
)
(q + 1/2)
(q + 1)
2
F
1
_
q,
1
2
; q + 1; x
1
_
g
2
(q + 1/2)
(q + 3/2)
M
i.i.d.Naka
STBC
(2g
qam
)F
1
_
1, q, 1; q +
3
2
; y, z
_
, (3.10)
avec x
1
= 1/(1 + g
qam
s
/(mn
t
R)), y = (1 + g
qam
s
/(mn
t
R))/(1 + 2g
qam
s
/(mn
t
R)) et
z = 1/2. De plus on pose x
2
= 1/(1 + 2g
qam
s
/(mn
t
R)). Le problme tant similaire au
cas SISO M-QAM (puisque lon considre un canal MIMO sans corrlation), on procde
exactement de la mme manire que prcdemment. La fonction hypergomtrique de
Gauss est remplace par son approximation de Laplace et la fonction hypergomtrique
dAppell par son expression asymptotique.
Approximation asymptotique. La probabilit derreur exacte en (3.10) devient :
P
s
(E|
s
)
x
q
1
_
1 x
1
t
_
2g(q + 1/2)
(q + 1)

g
2
(q + 1/2)
(q + 3/2)
_
x
2
x
1
_
q
2
F
1
_
1, q + 1; q +
3
2
; z
_
_
1 x
1
t
_
, (3.11)
avec x
2
/x
1
qui tend vers 1/2 lorsque le SNR tend vers linni et
_
1 x
1
t qui tend vers 1.

Par consquent une trs bonne approximation de (3.10) est :
P
s
(E|
s
) k
stbc
qam
x
q
1
_
1 x
1
t
, (3.12)
avec :
k
stbc
qam
=
2g(q + 1/2)
(q + 1)

g
2
(q + 1/2)
2
q
(q + 3/2)
2
F
1
_
1, q + 1; q +
3
2
;
1
2
_
. (3.13)
La gure 3.3 valide lapproximation du SEP obtenu avec (3.12) pour un signal 16QAM,
direntes valeurs du paramtre dvanouissement m et 2 tailles de systme MIMO. Dans
un canal de Nakagami-m sans corrlation entre les antennes dmission et ou de rception,
plus on augmente la taille du systme et plus le gain de diversit est important (q aug-
mente), et on se rapproche du cas gaussien, qui est un cas idal pour lapproximation de
Laplace.
Inversion du SEP et approximation du SEO. Linversion du SEP en (3.12) la
mme forme que lquation (2.47) :
s
(P
s
(E)) = c
0
_
P
s
(E)
1
q
_
1 c
1
P
s
(E)
1
q
_
1
2q
_
k
stbc
qam
_
1
q
_
, (3.14)
avec
74
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exact m = 1
Approx m = 1
Exact m = 3
Approx m = 3
Exact m = 6
Approx m = 6
STBC 3 3
STBC 2 2
Fig. 3.3 Approximation du SEP dun signal 16-QAM pour deux systmes STBC 2 2
et 3 3 avec lquation (3.12) et comparaison avec la valeur exacte en (3.10)
c
0
=
mn
t
R
q
_
k
stbc
qam
g
qam
, (3.15)
c
1
=
t
q
_
k
stbc
qam
. (3.16)
A laide de (1.18) on estime la probabilit de coupure symbole en prsence de shadowing
pour un systme MIMO STBC utilisant une modulation M-QAM. Au vu de la prcision
de lapproximation pour le SEP, on peut sattendre une bonne prdiction du SEO dans
ce cas aussi, ce qui est attest par les gures 3.4(a) et 3.4(b). Le SEO est estim pour une
probabilit derreur moyenne de 10
2
, un signal 16QAM et deux valeurs du paramtre
dvanouissement m = 1 et m = 6. Les paramtres de shadowing tant ceux utiliss jusqu
prsent.
3.2.4 Canal MIMO Nakagami-m Corrl
Lanalyse de performance dans ce cas gnral est complique et lobtention de formes
exactes simples pour le SEP est impossible. En posant h = vec{H} C
ntnr1
, h suit une
loi gaussienne multivarie et est note h CN (0, ) et est la matrice de covariance de
h. Le SNR en sortie de traitement scrit toujours :
STBC
=

s
n
t
R
||H||
2
F
=

s
n
t
R
h
H
h, (3.17)
||H||
2
F
est une somme de n
t
n
r
variables gamma corrles les unes aux autres. En suivant
lapproche de [51] et les proprits des formes quadratiques gaussiennes [97], la MGF du
75
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
SNR en sortie de traitement pour un canal de Nakagami-m avec corrlation est :
M
CorrNaka
STBC
(s) =
1
det
_
I
ntnr
+s

s
mntR
_
m
, (3.18)
avec I
ntnr
la matrice identit de dimension n
t
n
r
n
t
n
r
. Le rsultat donn ici est galement
celui de Maaref [47]. Le SEP (dune M-PSK ou M-QAM) se dtermine donc en intgrant la
MGF ci-dessus. La dicult dinverser le SEP vient du fait que le dnominateur de (3.18)
produit un polynme de degr q en
s
. Maaref et al ont donn une forme plus aboutit
que la forme intgrale de la MGF, faisant apparatre les valeurs propres de la matrice de
corrlation [47] mais pas plus exploitable pour nous que la forme intgrale.
Pour lapproximation du SEP dun systme MIMO STBC, on peut se rfrer aux tra-
vaux donns en tat de lart comme [32, 98]. Bien que dans cette dernire rfrence lauteur
traite dun canal de Rice, si on considre la composante spculaire nulle on peut tendre
ces rsultats pour un canal de Rayleigh. Mais ces approximations sont asymptotiques et
peu ables aux SNRs pour lesquels la probabilit derreur est comprise entre 10
1
et 10
4
.
Nous remarquons quil y a ici un point creuser pour de futures recherches. Dans le
cas dun systme MIMO STBC soumis un vanouissement de Nakagami-m prsentant de
la corrlation spatiale, il nexiste pas dapproximation simple et inversible du SEP.
76
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
STBC 3 3
STBC 2 2
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

Exact m = 1
Approx m = 1
Exact m = 6
Approx m = 6
STBC 2 2
STBC 3 3
(b) SEO = f(
dB
)
Fig. 3.4 SEO de deux signaux QAM en prsence de shadowing en fonction de la moyenne
(a) et de lcart type (b) de la loi log-normale.
77
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.2.5 Canal de Rice et M-PSK
En canal de Rice, une composante cohrente de londe radio est prsente entre lmetteur
et le rcepteur : cest la composante spculaire. La matrice du canal MIMO se modlise
comme suit :
H =
_
K
1 +K
H
1
+
_
1
1 +K
H
2
, (3.19)
La matrice H
1
est une matrice dterministe et se modlise par les quations classiques
dun rseau linaire dantenne lmission et la rception; H
1
=
H
avec =
_
1 e
j2
dr
sinr
e
j2
dr
(nr1) sinr
_
T
et =
_
1 e
j2
d
t
sint
e
j2
d
t
(nt1) sint
_
T
. Avec la
longueur donde du signal transmis, d
t
, d
r
,
t
et
r
sont respectivement la distance inter-
capteur lmission, la rception, langle de dpart de londe lmission et celui darrive
la rception. De plus
r
=
t
. et sont les vecteurs de dphasages de londe incidente
sur le rseau dantenne lmission et la rception respectivement. H
2
est la compo-
sante diuse et est constitue de coecients complexes distribus de faon gaussienne ;
leurs amplitudes suivent une loi de Rayleigh. On dit que H suit une loi gaussienne pour
les matrices et se note H CN (M, ) avec M = E(H) =
_
K/(1 +K)H
1
. est la
matrice de corrlation du canal MIMO dnie au chapitre 1.
Pour des raisons de commodit, on transforme la matrice canal en vecteur : h =
vec{H}. h suit maintenant une distribution gaussienne complexe multivarie non centre,
note : h CN(m, ), avec m = vec{M} =
_
K/(1 +K)p() et p() = vec{H
1
} =
[e
j
1
, , e
jn
t
nr
]
T
qui caractrise la composante spculaire du canal. Les phases du vecteur
p() sont gales :
i
=
2
[(k 1)d
r
+ (l 1)d
t
] sin
t
; k = 1...n
r
; l = 1...n
t
; i = (l 1)n
r
+k. (3.20)
La matrice est la matrice de covariance du vecteur alatoire h qui dans le cas gnral
correspond au produit de kronecker de deux matrices de corrlations. La MGF du SNR
aprs le dcodage bloc est [98] :
M
CorrRice
STBC
(s) =
exp
_
m
H
_
ntR
s
s
I
ntnr
+
_
1
m
_
det
_
I
ntnr
+
s
s
ntR

_ . (3.21)
Dans ce cas gnral, il sera trs dicile de trouver une forme simple, prcise et inversible
de la probabilit derreur si lon nen a pas trouv pour le canal de Nakagami-m. Si on
considre que la composante diuse est constitue dchantillons complexes indpendants
et identiquement distribus selon une loi normale (les antennes dmission et de rception
ne prsente aucune corrlation), la matrice de covariance du vecteur alatoire h est une
matrice diagonale = 1/(1 +K)I
ntnr
. La MGF devient donc :
M
i.i.d.Rice
STBC
(s) =
exp
_
_
ntR
s
s
+
1
1+K
_
1
m
H
m
_
_
1 +
s
s
ntR(1+K)
_
ntnr
, (3.22)
avec m
H
m = Kn
t
n
r
/(1 + K). A partir de cette expression, on va pouvoir exprimer la
probabilit derreur dun systme MIMO STBC en canal de Rice sans corrlation.
78
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Forme exacte du SEP. La fonction gnratrice des moments du SNR aprs dcodage
bloc pour une M-PSK en canal de Rice vaut :
M
i.i.d.Rice
STBC
(
g
psk
sin
2
) =
_
(1 +K)n
t
Rsin
2
(1 +K)n
t
Rsin
2
+g
psk
s
_
ntnr
exp
_
g
psk
K
s
(1 +K)n
t
Rsin
2
+g
psk
s
_
ntnr
. (3.23)
Finalement les performances dun systme STBC MIMO dans un canal de Rice sans
corrlation, sont quivalentes celles dun systme diversit de rception muni dun
traitement MRC avec n
t
n
r
branches [6]. La probabilit derreur exacte en canal de Rice
dun systme MIMO codes orthogonaux pour une modulation M-PSK est donne par :
P
s
(E|
s
) =
1
_
(M1)/M
0
M
i.i.d.Rice
STBC
_
g
psk
sin
2
_
d. (3.24)
Approximation du SEP. Nous approchons la valeur SEP par la mthode de Laplace.
La base de fonction (h, g) utilise est h() = 1/ et g() = ln
_
M
i.i.d.Rice
STBC
_
g
psk
/ sin
2
__
.
Dans ce cas, la variable T introduite en (1.42) vaut n
t
n
r
. De plus on sait que lapproxi-
mation (1.42) est dautant meilleure que T est grand. Donc notre approximation devrait
tre dautant plus prcise que la taille du systme MIMO est grande. Lapproximation de
Laplace pour le SEP dun systme MIMO codes orthogonaux en canal de Rice pour une
modulation M-PSK est :
P
s
(E|
s
)
((1 +K)n
t
R)
q
_
qg
psk
s
(g
psk
s
+n
t
R(1 +K)
2
)
exp
_
g
psk
Kq
s
(1+K)ntR+g
psk
s
_
((1 +K)n
t
R +g
psk
s
)
q1
, (3.25)
avec ici q = n
t
n
r
. Comme nous lavons dit plus haut cette quation est similaire (2.53)
et nest donc pas inversible.
Approximation inversible du SEP. Comme nous lavons fait pour (2.53) nous pou-
vons proposer une approximation inversible de cette probabilit derreur :
P
s
(E|
s
)
((1 +K)n
t
R)
q
q ((1 +K)n
t
R +g
psk
s
)
q
exp
_
g
psk
Kq
s
(1 +K)n
t
R +g
psk
s
_
. (3.26)
La gure 3.5 trace lapproximation donne ci-dessus pour un signal QPSK. Lapproxi-
mation est proche de la valeur exacte dans la plage de SEP qui nous intresse pour
K = 0, 6, 10dB. On note cependant quelle est un peu moins prcise lorsque pour un
SEP denviron 10
1
.
Inversion du SEP et approximation du SEO. On peut montrer que lquation ci-
dessus admet lunique solution suivante :
s
(P
s
) = n
t
R(1 +K)
_
_
_
_
_
_
K
g
psk
W
0
_
n
t
RK (1 +K) e
K
exp
_
ln
_
((1+K)n
t
R)
q
qP
s
_
q
__
1
g
psk
_
_
_
_
_
_
,
(3.27)
79
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec P
s
la probabilit derreur symbole cible. En injectant cette expression en (1.18), on
obtient le SEO en prsence de shadowing pour un systme MIMO STBC et un signal M-
PSK. La gure 3.6 trace lvolution du SEO pour un signal QPSK et un systme MIMO
2 2 et pour un SEP cible de 10
2
. Lcart type du shadowing sur la gure 3.6(a) est de
8dB et la moyenne du shadowing 30dB sur la gure 3.6(b). On peut constater une trs
bonne prdiction du SEO avec (3.27) pour le taux derreur cible considr. Il est clair que
si lon avait voulu un SEP cible de 10
1
, on aurait sous estim la probabilit de coupure
(puisquon sous-estime le SNR et donc largument de la fonction Q gaussienne en (1.18)
devient plus grand).
80
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.2.6 Canal de Rice et M-QAM
Dans le cas dun signal modul en quadrature dans un systme MIMO codes ortho-
gonaux sans corrlation spatiale, le SEP exact vaut :
P
s
(E|
s
) =
4g
_
/2
0
M
i.i.d.Rice
STBC
_
g
qam
sin
2
_
d
4g
2
_
/4
0
M
i.i.d.Rice
STBC
_
g
qam
sin
2
_
d. (3.28)
Approximation inversible du SEP. La probabilit derreur dun signal M-QAM dun
systme MIMO codes orthogonaux dans un canal de Rice est minore par :
P
s
(E|
s
)
4g
_
/2
/4
M
i.i.d.Rice
STBC
_
g
qam
sin
2
_
d. (3.29)
En appliquant lapproximation de Laplace pour (3.29), on obtient la forme suivante
inversible de la probabilit derreur :
P
s
(E|
s
)
((1 +K)n
t
R)
q
q ((1 +K)n
t
R +g
qam
s
)
q
exp
_
g
qam
Kq
s
(1 +K)n
t
R +g
qam
s
_
. (3.30)
Sur la gure 3.5, on a galement trac lapproximation en (3.30) pour un signal 16QAM.
On peut constater que lapproximation nest pas trs bonne pour un SEP compris entre
10
1
et 10
2
et mme au del pour le cas o K = 0dB. Dans ce cas, lapproximation est
environ 1dB de la valeur exacte pour un SEP compris entre 10
2
et 10
4
et augmente
jusqu 3dB pour des SEP de lordre de 10
1
.
Inversion du SEP et estimation du SEO. Le SNR en fonction de la probabilit
derreur est identique (3.27) avec g
qam
qui remplace g
psk
. La gure 3.6 montre galement
lestimation du SEO pour la modulation 16QAM, avec les mmes paramtres que pour
le signal QPSK. On remarque que lon sous-estime le SEO pour toutes les valeurs de K
testes. Cependant sur la gure 3.6(a), lcart entre le SEO calcul avec linversion de (3.30)
et la valeur exacte est infrieure 1dB. Sur la gure 3.6(b), lerreur commise sur le SEO
est plus importante aux faibles valeurs de . Par exemple pour = 4dB, le SEO estim
est denviron de 2.10
5
, alors quil est de 6.10
5
en ralit (soit un facteur 3). Mais il
sagit dune probabilit de coupure trs faible. La prcision samliore si les variations de
puissances augmentent autour de leur valeur moyenne (environnement urbain ou indoor)
et mesure que le canal est moins vanouit (K grand).
81
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
S
E
P

Exact K = 0dB
Approx K = 0dB
Exact K = 6dB
Approx K = 6dB
Exact K = 10dB
Approx K = 10dB
QPSK
16QAM
Fig. 3.5 Probabilit derreur exacte et approche dun signal QPSK et 16-QAM dun
systme MIMO STBC 22 codage dAlamouti dans un canal de Rice. Les valeurs exactes
sont calcules avec (3.24) et (3.28) respectivement pour le signal QPSK et 16QAM. Les
valeurs approches avec (3.26) et (3.30).
82
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

SEO exact K = 0dB
SEO Approx K = 0dB
SEO exact K = 6dB
SEO Approx K = 6dB
SEO exact K = 10dB
SEO Approx K = 10dB
QPSK
16QAM
(a) SEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
S
E
O

SEO exact K = 0dB
SEO Approx K = 0dB
SEO exact K = 6dB
SEO Approx K = 6dB
SEO exact K = 10dB
SEO Approx K = 10dB
16QAM QPSK
(b) SEO = f(
dB
)
Fig. 3.6 SEO de deux signaux QAM (QPSK 16QAM) dun systme STBC 2 2 dans
un canal de Rice et en prsence de shadowing en fonction de la moyenne (a) et de lcart
type (b) de la loi log-normale.
83
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.3 Estimation du SEP et du SEO pour les systmes mul-
tiplexage spatial
3.3.1 Hypothses
Dans cette section nous tudions un systme MIMO multiplexage spatial avec un
rcepteur ZF. Nous nous intressons lapproximation et linversion de la probabilit
derreur dans deux types de canaux vanouissements trs utiliss : Rayleigh et Rice,
le cas gnral de Nakagami-m nayant pas de solution ce jour. Contrairement au cas
STBC, la forme du SNR en sortie de traitement dun rcepteur ZF permet denvisager
les cas o le canal prsente des corrlations lmission ou la rception. Le cas gnral
dune corrlation prsente aussi bien en mission quen rception ne permet pas dobtenir
une approximation simple et inversible du SEP. Nous nous attarderons sur le cas o le
canal est corrl en mission, pour lequel des rsultats intressants peuvent tre noncs. Il
convient par ailleurs de prciser que la considration thorique de la prsence de corrlation
seulement lune des deux extrmits du canal est taye par des faits exprimentaux. Si
on considre une liaison montante (du mobile vers la station de base ou le point daccs),
les dimensions dun terminal mobile ne permettent gnralement pas lespacement des
antennes de plusieurs longueurs dondes, il est donc raisonnable denvisager une corrlation
sur les antennes dmission du mobile. Les contraintes de place pour une station de base sont
beaucoup moins fortes que pour le mobile, et les antennes peuvent tre espaces de plusieurs
longueurs dondes facilement et donc le coecient de corrlation peut tre nglig. En
toute rigueur, le coecient de corrlation dpend de lespacement entre les antennes mais
galement de ltalement angulaire des signaux reus (ou mis) sur le systme dantennes.
La corrlation du canal sur chaque antenne diminue ds lors que le secteur angulaire dans
lequel arrivent (ou partent) les signaux augmente [51]. Le cas trait ici correspond donc
une situation o la station de base se trouve dans un milieu susamment riche en diuseur
permettant une faible valeur du coecient de corrlation, tandis que pour le mobile, le faible
cart entre les capteurs engendre une corrlation non ngligeable. Nous dirons galement
un mot sur le cas o un phnomne de corrlation spatiale est prsent lmission ainsi
qu la rception.
Forme du SNR en sortie de traitement. Le SNR en sortie de lgaliseur linaire ZF
correspondant au kime sous canal est [96] :
k
=

s
[H
H
H]
1
kk
, (3.31)
avec
s
le SNR moyen reu sur chaque antenne. Lanalyse de performance dun systme
multiplexage spatial avec un rcepteur ZF ncessite de connatre la distribution de
k
qui
dpend de la distribution de la matrice Z = H
H
H qui elle-mme dpend des caractris-
tiques statistiques de H.
Canal Rayleigh MIMO corrl en mission. Nous rappelons que la matrice du canal
MIMO H peut se modliser :
H = H
w
1/2
nt
, (3.32)
avec dans le cas dun canal de Rayleigh H
w
CN (0, I
nr
I
nt
) : les coecients sont
indpendants et identiquement distribus suivant une loi gaussienne complexe. Avec ce
modle nous supposons donc que les vecteurs lignes de H sont indpendants ce qui traduit
84
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
lhypothse dune large sparation des antennes au rcepteur. Autrement dit, La matrice
canal H suit une loi complexe gaussienne pour les matrices H CN (0, I
nr

nt
) et alors
Z = H
H
H suit une loi de Wishart complexe dnie comme Z CW
nt
(n
r
, 0,
nt
), avec
n
r
le degr de libert de la distribution de Wishart. La densit de probabilit de Z scrit :
p
z
(Z) =
(det (Z))
nrnt
C
nt
(n
r
) (det (
nt
))
nr
exp
_
tr
_
1
nt
Z
__
, (3.33)
avec tr (A) loprateur trace de la matrice A et C
nt
(n
r
) la fonction gamma complexe
multivarie [99]. A partir de cette distribution, Gore et al ont montr [70] que la densit
de probabilit du SNR en sortie de traitement sur le kime sous-canal est gale :
p(
k
) =
exp(
k
/
s,k
)
s,k
(n
r
n
t
+ 1)
_

k
s,k
_
nrnt
, k = 1, , n
t
(3.34)
avec
s,k
=
s
/
_
1
nt
kk
le SNR moyen relatif au kime sous canal et
_
1
nt
kk
llment de
la kime ligne et kime colonne de la matrice
1
nt
. A partir de la densit de probabilit
de
k
, on peut calculer la probabilit derreur des modulations linaires cohrentes M-PSK
et M-QAM sur le sous-canal k.
3.3.2 Canal de Rayleigh et M-PSK
Expression exacte du SEP. La probabilit derreur symbole relative au kime sous
canal dun signal M-PSK est :
P
sk
(E|
s
) =
1
_
(M1)/M
0
_

0
e
k
g
psk
sin
2
p(
k
)d
k
d. (3.35)
En eectuant le changement de variable
k
=
s,k
dans (3.35) on se ramne lintgrale de
la MGF dune loi gamma avec comme paramtre de forme n
r
n
t
+1 > 0 et un paramtre
dchelle gal 1 :
P
sk
(E|
s
) =
1
_
(M1)/M
0
_
1 +
s,k
g
psk
sin
2
_
(nrnt+1)
d. (3.36)
Lquation (3.36) est similaire celle obtenue pour un systme MIMO STBC [91] mais
avec un ordre de diversit de n
r
n
t
+1. En posant q
= n
r
n
t
+ 1 N on peut montrer
que :
P
sk
(E|
s
) = x
q
_
(2q
)!
2 (2
q
!)
2
2
F
1
(q
,
1
2
; q
+ 1; x) +
F
1
(
1
2
, q
,
1
2
q
;
3
2
; y, z)
_
, (3.37)
avec x = 1/(1+g
psk
s
/
_
1
nt
kk
), y = (1g
psk
)/(1+g
psk
s
/
_
1
nt
kk
), z = 1g
psk
. Lex-
pression drive correspond la probabilit derreur relative au sous-canal k, qui correspond
la probabilit derreur moyenne globale si on considre quen moyenne, la probabilit der-
reur est la mme pour chaque sous canaux.
Une autre grandeur peut-tre intressante : la probabilit derreur par pair ("pairwise
error probability" en anglais (PwEP)). Cest la probabilit davoir au moins une erreur
dans la dmodulation des symboles d
k
. On dnit un vecteur symbole d C
nt1
form
par lensemble des symboles envoys sur chaque antenne lmission, {d
k
}
k=1,...,nt
. En
supposant que les n
t
ux sont dtects de faon indpendante aprs le traitement linaire
85
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
P
w
E
P

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
Fig. 3.7 Probabilit derreur par pair dun signal 8-PSK de deux systmes MIMO
multiplexage spatial 2 2 et 2 4 dans un canal de Rayleigh, pour direntes valeurs de
la corrlation.
ZF la rception, la probabilit derreur par pair, not P(E), se dduit de la probabilit
derreur symbole par sous canaux P
sk
(E) comme suit [100] :
P(E) = 1
nt
k=1
(1 P
sk
(E)) . (3.38)
Si on fait lhypothse que la probabilit derreur moyenne est identique sur chaque
sous-canaux, alors la PwEP est approch par :
P(E) 1 (1 P
sk
(E))
nt
. (3.39)
Lexpression en (3.37) est identique celle obtenue dans les sections prcdentes en
canal de Nakagami (SISO ou STBC), et sapproche donc exactement de la mme manire.
Approximation du SEP. Aprs avoir approche la fonction hypergomtrique de Gauss
de (3.37) par la mthode de laplace, et lorsque
s
la probabilit derreur sur le kime
sous canal est trs bien approche par :
P
sk
(E|
s
) k
mimo
psk
x
q
_
1 x
1
t
, (3.40)
avec :
k
mimo
psk
=
(2q
)!
2 (2
q
!)
2
+
2
F
1
_
1
2
,
1
2
q
;
3
2
; z
_
. (3.41)
La gure 3.7 montre la prcision de cette approximation pour un signal 8-PSK et deux
systmes MIMO, en fonction de la corrlation entre antennes ( = 0, 0.4, 0.8). Dans le
86
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
cas particulier o aucune corrlation nest prsente lmission ( = 0), la matrice de
covariance est une matrice identit : = I
nt
, par suite le terme
_
1
nt
kk
vaut 1 quelque
soit k. La probabilit derreur par bloc exact est calcul avec (3.36) et (3.38) tandis que
lapproximation est obtenue avec (3.40) et (3.39). Pour les deux systmes MIMO considrs
lapproximation est quasiment confondue avec la valeur exacte pour toute la plage de SNR
considr.
Ce rsultat appelle toutefois une remarque. Le calcul de PwEP est identique avec (3.38)
et (3.39) dans notre cas. Cela est vrai car
_
1
nt
kk
est constant quelque soit k lorsque
n
t
= 2. Si le nombre dantenne lmission est plus important cela ne sera plus vrai. Par
consquent P
sk
(E) nest pas identique quelque soit k et cela a donc un impact direct sur
la valeur de la probabilit derreur par bloc obtenu avec (3.39) qui peut tre plus ou moins
important selon les valeurs de
_
1
nt
kk
(voir annexe A.2).
Inversion du SEP et probabilit de coupure bloc. A partir de (3.40), on sort le
SNR moyen en fonction de la probabilit derreur cible par sous-canaux et des paramtres
du systme :
s
(P
sk
(E)) = c
0
_
P
sk
(E)
1
q
_
1 c
1
P
sk
(E)
1
q
1
2q
_
k
mimo
psk
_
1
q
_
, (3.42)
avec
c
0
=
_
1
nt
kk
q
_
k
mimo
psk
g
psk
, (3.43)
c
1
=
t
q
_
k
mimo
psk
. (3.44)
On peut galement valuer le SNR moyen par symbole en fonction de la probabilit
derreur bloc P
avec (3.39), mais celui-ci sera une approximation moins bonne quavec la
probabilit derreur par sous-canaux. Les courbes sur la gure 3.8 donnent la probabilit de
coupure bloc (BcEO) obtenue avec (3.42) en prsence de shadowing pour les deux tailles de
systmes voques plus haut et les trois valeurs du coecient de corrlation ci-dessus ainsi
que pour une probabilit derreur bloc cible de 10
2
. Les paramtres du shadowing sont
ceux utiliss jusqu prsent. Le BcEO estim est parfaitement en accord avec la valeur
obtenue partir de lexpression exacte de la probabilit bloc. On constate que la probabilit
de coupure est plus faible pour un systme 2 4 que 2 2, puisque dune diversit plus
grande. De mme, le BcEO augmente mesure que la corrlation entre antennes augmente.
La corrlation diminue le SNR disponible lors de la rception, diminuant du mme coup la
diversit. Notons que lon observe nouveau un comportement intressant de la probabilit
de coupure en fonction de pour un systme 2 2 et un coecient de corrlation de 0.8.
Le SNR ncessaire pour atteindre la probabilit derreur cible tant suprieur la moyenne
du shadowing (30dB), un cart type lev conduit une meilleur probabilit de coupure
que le contraire.
87
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50
10
4
10
3
10
2
10
1
10
0
(dB)
B
c
E
O

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
(a) BcEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
B
c
E
O

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
(b) BcEO = f(
dB
)
Fig. 3.8 BcEO dun signal 8PSK pour deux systmes MIMO (2 2 et 2 4) dans un
canal de Rayleigh et en prsence de shadowing, en fonction de la moyenne (a) et de lcart
type (b) de la loi log-normale.
88
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.3.3 Canal de Rayleigh et M-QAM
Forme exacte du SEP. Lexpression du SNR sur le kime sous-canal ainsi que sa
densit de probabilit reste inchange. La probabilit derreur symbole sur le sous canal k
dun systme MIMO multiplexage spatial et rception ZF pour un signal M-QAM est :
P
sk
(E|
s
) =
4g
_
/2
0
_

0
e
k
gqam
sin
2
p(
k
)d
k
d
4g
2
_
/4
0
_

0
e
k
gqam
sin
2
p(
k
)d
k
d.
(3.45)
k
=
s,k
dans (3.45), le SEP sur le canal k
sexprime laide de deux intgrales de la MGF dune variable gamma de mmes paramtres
que prcdemment :
P
sk
(E|
s
) =
4g
_
/2
0
_
1 +
s,k
g
qam
sin
2
_
q
d
4g
2
_
/4
0
_
1 +
s,k
g
qam
sin
2
_
q
d. (3.46)
Cette forme intgrale est exprimable laide des fonctions hypergomtriques, et le
SEP moyen par sous-canal dun signal M-QAM pour un systme MIMO multiplexage
spatial et rception ZF est :
P
sk
(E|
s
) = 2gx
q
1
(2q
)!
(2
q
!)
2
2
F
1
_
q
,
1
2
; q
+ 1; x
1
_
2g
2
x
q
2
2q
+ 1
F
1
_
1, q
, 1; q
+
3
2
; y, z
_
, (3.47)
avec x
1
= 1/(1 +g
qam
s,k
), x
2
= 1/(1 + 2g
qam
s,k
), y = (1 +g
qam
s,k
)/(1 + 2g
qam
s,k
) et
z = 1/2.
Approximation du SEP. Cette forme est identique celles rencontres pour les mo-
dulations M-QAM en canal de Nakagami-m et donc les mmes remarques sappliquent ici
pour lapproximation de la probabilit derreur. Le SEP (3.47) est approch par :
P
sk
(E|
s
) k
mimo
qam
x
q
1
_
1 x
1
t
, (3.48)
avec :
k
mimo
qam
=
2g(2q
)!
(2
q
!)
2

2g
2
2
q
(2q
+ 1)
2
F
1
_
1, q
+ 1; q
+
3
2
;
1
2
_
. (3.49)
La gure 3.9 illustre lvolution du PwEP pour un signal 16QAM et des systmes
multiplexage spatial et pour les valeurs de la corrlation mentionnes plus haut. Lapproxi-
mation est calcule avec (3.48) et (3.39), la valeur exacte avec (3.47) et (3.39). Lapproxi-
mation donne encore dexcellents rsultats pour les modulations QAM et les systmes de
taille 2 2 et 2 4.
89
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35
10
4
10
3
10
2
10
1
10
0
SNR
s
dB
P
w
E
P

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
Fig. 3.9 PwEP dun signal 16QAM de deux systmes MIMO multiplexage spatial
2 2 et 2 4 dans un canal de Rayleigh, pour direntes valeurs de la corrlation.
Inversion du SEP et approximation du BcEO. Le SNR moyen par symbole en
fonction de la probabilit derreur cible sur chaque sous canaux k est dduite de lexpression
ci-dessus :
s
(P
sk
(E)) = c
0
_
P
sk
(E)
1
q
_
1 c
1
P
sk
(E)
1
q
1
2q
_
k
mimo
qam
_
1
q
_
, (3.50)
avec
c
0
=
_
1
nt
kk
q
_
k
mimo
qam
g
qam
, (3.51)
c
1
=
t
q
_
k
mimo
qam
. (3.52)
Le SNR moyen en fonction de PwEP est dtermin avec (3.39). La prdiction du BcEO
en prsence de shadowing est conforme avec sa valeur exacte, comme latteste la gure 3.10.
Ce rsultat tait prvisible au vu de la trs bonne prcision de lapproximation du SEP
moyen. Le BcEO est valu avec une probabilit derreur cible de 10
2
et les paramtres
de shadowing sont ceux utiliss jusquici.
3.3.4 Canal MIMO corrl en mission et en rception
Le canal se modlise maintenant par : H =
1/2
nr
H
w
1/2
nt
. H suit toujours une distri-
bution gaussienne pour les matrices : H CN (0,
nr

nt
) [101]. La matrice Z dnit
ci-dessus, ne suit plus une loi de Wishart. Les matrices
nr
et
nt
tant hermitienne
90
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
dnie-positive, Ratnarajah a montr un thorme trs utile [102, 99] donnant la distribu-
tion de la forme quadratique Z :
p
z
(Z) =
(det (Z))
nrnt
C
nt
(n
r
) (det (
nr
))
nt
(det (
nt
))
nr
0
F
(nt)
0
_
1
nr
,
1
nt
Z
_
, (3.53)
avec la fonction hypergomtrique complexe deux arguments matriciels
0
F
(m)
0
(X, Y).
Avec X C
nn
et Y C
mm
et n m. De plus Z CQ
ntnr
(I
nr
,
nr
,
nt
) (cf Tableau
1 en [99]). Le premier argument dans la notation de la distribution vient de la dnition
plus gnrale donne par Ratnarajah sur la distribution de la forme quadratique complexe
Z = H
H
AH o A est une matrice hermitienne dnie-positive. Dans ce cas, la matrice A
remplace la matrice identit dans la notation de la distribution. Pour pouvoir exprimer la
densit de probabilit du SNR
k
comme la fait Gore et al, il faudrait pouvoir connatre
la distribution de
_
H
H
H
1
kk
, ou du moins en trouver une approximation ce qui ne semble
pas tre le cas aujourdhui.
Cependant une piste nous semble intressante creuser. En eet Wood et Butler,
ont propos des approximations de Laplace pour plusieurs fonctions hypergomtriques
deux arguments matriciels [103], y compris pour la fonction hypergomtrique prsente ici.
Malheureusement, la thorie dveloppe par Wood et Butler est valable pour des arguments
rels et il ny a aucune vidence thorique, daprs les auteurs, que leur approximation
fonctionne en remplaant leurs variables relles par des variables complexes. Il faudrait
tendre leur approche aux arguments complexes.
91
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50
10
4
10
3
10
2
10
1
10
0
(dB)
B
c
E
O

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
(a) BcEO = f(
dB
)
3 4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
(dB)
B
c
E
O

Exact = 0
Approx = 0
Exact = 0.4
Approx = 0.4
Exact = 0.8
Approx = 0.8
MIMO 2 4
MIMO 2 2
(b) BcEO = f(
dB
)
Fig. 3.10 BcEO dun signal 16QAM pour deux systmes MIMO (2 2 et 2 4) dans
un canal de Rayleigh et en prsence de shadowing, en fonction de la moyenne (a) et de
lcart type (b) de la loi log-normale.
92
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.3.5 Canal de Rice et M-PSK
Le canal MIMO Rice est modlis par (3.19). La matrice H suit une loi gaussienne pour
les matrices mais non centre H CN (M, I
nr

nt
), avec M =
_
K/(1 +K)H
1
. La
matrice Z = H
H
H suit une loi de Wishart complexe non centre n
r
degrs de libert :
Z W
nt
(n
r
, M,
nt
). La distribution non centre de Wishart peut tre approche par
une distribution centre [104] telle que

Z W
nt
_
n
r
, 0,

nt
_
o

nt
=
nt
+
1
nr
M
H
M.
La densit de probabilit de
k
est toujours dnie par (3.34), mais
s,k
=
s
/
_
1
nt
_
kk
.
Comme on approche la distribution de Wishart non centre par une distribution centre,
les quations du SEP pour un systme MIMO multiplexage spatial en canal de Rice sont
similaires aux quations (3.36) (3.40). Par consquent la probabilit derreur symbole
relative au kime sous canal dun signal M-PSK dans un canal de Rice est :
P
sk
(E|
s
) = x
q
_
(2q
)!
2 (2
q
!)
2
2
F
1
(q
,
1
2
; q
+ 1; x) +
F
1
(
1
2
, q
,
1
2
q
;
3
2
; y, z)
_
, (3.54)
o x = 1/(1 + g
psk
s
/
_
1
nt
_
kk
), y = (1 g
psk
)/(1 + g
psk
s
/
_
1
nt
_
kk
) et z = 1 g
psk
.
Lapproximation que lon obtiendra sera identique celle obtenue en canal de Rayleigh
en (3.40). La seule dirence rside dans la forme du coecient de corrlation
_
1
nt
_
kk
qui peut tre trs compliqu obtenir. Si lon considre que la composante diuse du
canal de Rayleigh est sans corrlation, alors le terme
nt
est une matrice identit. Dans
ce cas, il est relativement simple dobtenir une expression analytique de
_
1
nt
_
kk
[96], en
utilisant des oprations linaires pour calculer les dterminants comme en annexe A.2. Par
consquent la prcision de lapproximation du SEP moyen ainsi que du BcEO sera aussi
bonne que prcdemment. La question est de savoir quelle est la validit de lapproximation
de la distribution de Wishart non centre par une distribution centre ? Les auteurs en [96]
compare le calcul du SEP moyen obtenu avec lapproximation de la distribution non centre
de Wishart par la distribution centre, avec le SEP moyen en simulation. Bien que les
courbes thoriques ne collent pas exactement avec la simulation, elles en sont relativement
proches ce qui semble valider lapproximation.
93
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.3.6 Canal de Rice et M-QAM
Le modle de canal ne change pas par rapport au cas prcdent, autrement dit le SNR
aprs dcodage sur le sous canal k est donne en (3.31). La probabilit derreur symbole
relative au kime sous canal dun signal modul en QAM scrit :
P
sk
(E|
s
) =
4g
_
/2
0
_

0
e
k
gqam
sin
2
p(
k
)d
k
d
4g
2
_
/4
0
_

0
e
k
gqam
sin
2
p(
k
)d
k
d.
(3.55)
k
=
s,k
dans (3.55) on obtient le SEP
dune modulation M-QAM en canal de Rice dun systme MIMO multiplexage spatial
rcepteur ZF :
P
sk
(E|
s
) =
4g
_
/2
0
_
1 +
s,k
g
qam
sin
2
_
q
d
4g
2
_
/4
0
_
1 +
s,k
g
qam
sin
2
_
q
d, (3.56)
qui scrit de manire quivalente :
P
sk
(E|
s
) = 2gx
q
1
(2q
)!
(2
q
!)
2
2
F
1
_
q
,
1
2
; q
+ 1; x
1
_
2g
2
x
q
2
2q
+ 1
F
1
_
1, q
, 1; q
+
3
2
; y, z
_
,
(3.57)
avec x
1
= 1/(1 + g
qam
s,k
), x
2
= 1/(1 + 2g
qam
s,k
), y = (1 + g
qam
s,k
)/(1 + 2g
qam
s,k
)
et z = 1/2. Lexpression ci-dessus est similaire en tout point celle obtenue pour le
canal de Rayleigh M-QAM en (3.47), ce qui tait attendu puisque nous avons approch la
distribution non-centre de Wishart par une distribution centre. Par consquent, le SEP
moyen pour le sous-canal k sapproche de la mme manire quen (3.48) et linversion de la
probabilit derreur est identique (3.50) mais avec
_
1
nt
_
kk
en lieu et place de
_
1
nt
kk
.
94
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3.4 Conclusion
Dans ce chapitre, nous avons trait de lanalyse de performance des systmes MIMO
STBC et multiplexage spatial soumis des vanouissements et du shadowing. Nos contri-
butions dans ce chapitre sont rsumes ci-dessous :
1. Pour les systmes MIMO STBC, nous fournissons de nouvelles approximations de la
probabilit derreur moyenne dans des canaux vanouissements rapides de Nakagami-
m et Rice sans corrlation, pour les modulations M-PSK et M-QAM. Ces approxima-
tions sont prcises quelque soit la plage de SNR considr. Lutilisation dun rcepteur
ZF pour les systmes multiplexage spatial, permet dapprocher le SEP en prsence
de corrlation lmission pour des canaux de Rayleigh et Rice.
2. Comme pour le cas SISO, ces approximations sont inversibles par rapport au SNR.
Dans les cas traits dans ce chapitre (STBC sans corrlation et multiplexage spatial
en prsence de corrlation lmission), le SNR moyen sexprime de faon gnrale
par :
s
(P
s
) = c
0
_
P
_
1 c
1
P
s
1
1
2
c
2
_
,
o c
0
, c
1
, c
2
et sont des constantes dpendants de la modulations, de la valeur de
lvanouissement du canal ainsi que du systme de communication considr (STBC
ou multiplexage spatial).
3. Les approximations et les inversions de la probabilit derreurs ralises, permettent
destimer la probabilit de coupure symbole de manire trs prcise et ce pour de
larges variations des paramtres de la loi log-normale.
Il est bien vident que tout na pas t tudi dans ce chapitre. Notamment notre
modle de canal MIMO ne prend pas en compte la corrlation pour les systmes STBC.
La probabilit derreur faisant intervenir lintgrale dun dterminant, il nest pas ais
dapprocher cette expression et den trouver des formes inversibles. Il serait, je pense, trs
intressant de se pencher sur cette tude, an denglober des modles de systmes de plus
en plus ralistes. De mme que pour les systmes multiplexage spatial, nous prenons
en compte une corrlation seulement sur lune des deux extrmits du canal MIMO. Le
cas o la matrice du canal prsente des corrlations lmission et la rception reste
encore tudier. Toujours sur les systmes multiplexage spatial avec un traitement ZF
la rception, le cas o le canal est Nakagami-m, il nest pas vident de dterminer la
distribution de la matrice H
H
H intervenant dans lanalyse des performances, et il reste
encore des tudes mener pour proposer des distributions intressantes.
Enn, nous nous sommes penchs sur le cas dun rcepteur MIMO ZF, car il permet
danalyser le lien radio dans un cas simple. Dans la pratique ce rcepteur ache dassez
mauvaises performances cause de sa tendance amplier le bruit faible SNR. Les
rcepteurs erreur quadratique moyenne minimale (MMSE) sont quant eux, utiliss.
Dans de prochains travaux, il serait intressant dtudier le lien radio avec ce type de
rcepteur voire dautres encore plus performants comme les dcodeurs sphres.
95
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE
4
Performance en prsence
dinterfrence
4.1 Introduction
Jusqu prsent nous avons considr que la communication entre un mobile et une
station de base (ou linverse), tait seulement limit par le bruit blanc gaussien du rcepteur
(outre les eets du canal). Dans un systme cellulaire, la prsence de plusieurs utilisateurs
dans une cellule (ainsi que les autres cellules) implique quun lien radio particulier va
subir des interfrences dues aux autres utilisateurs, bien que tout soit fait pour les viter.
Selon le systme considr (UMTS, GSM, WLAN etc) les interfrences peuvent tre trs
direntes et leur impact sur les performances du lien radio plus ou moins dlicat analyser
formellement.
Nous commenons par un tat de lart slectionn sur lanalyse de performance des
systmes radios en prsence dinterfrence, domaine o la communaut scientique fut
(est encore !) trs prolixe. Nous cherchons approcher et inverser la probabilit der-
reur dun signal M-PSK et M-QAM en prsence dun ou plusieurs interfrents co-canal.
Nous gardons lapproche originale dveloppe jusquici, et qui sest rvle trs ecace.
En eet, partir de la probabilit derreur conditionnelle du signal (conditionnelle par
rapport linterfrent), qui sexprime laide de fonctions hypergomtriques, nous appli-
quons les approximations dveloppes dans le chapitre prcdant. Une fois la probabilit
derreur conditionnelle approche de faon prcise, nous pouvons intgrer sur la statistique
de variation de lamplitude du signal interfrent et du bruit. Nous considrons dabord un
systme mono-antenne et un seul interfrent. Lorsque les deux signaux subissent un canal
de Rayleigh, nous proposons une inversion simple et originale de la probabilit derreur
moyenne (M-PSK et M-QAM) en fonction du SEP moyen et de la puissance de linterf-
rent. Cela permet de remonter la probabilit de coupure symbole, lorsque un phnomne
de shadowing est prsent pour le signal dintrt et interfrent. Lorsque les deux signaux
subissent un canal de Nakagami-m, nous donnons de nouvelles approximations asympto-
tiques de la probabilit derreurs pour des signaux M-PSK et M-QAM. Nous considrons
ensuite, la prsence dantennes multiples la rception et un traitement de type "optimum
combining" (OC) permettant de rejeter des signaux interfrents co-canal. Nous proposons
de nouvelles approximations prcises de la probabilit derreur grce lapproximation de
Laplace, permettant de calculer rapidement les performances dun tel systme en condition
interfrente. Le cas gnral o lon a des interfrents multiples est galement abord ainsi
que le cas MIMO.
4.2 Etat de lart
Les performances des communications numriques limites par des communications in-
terfrentes ont t trs tudies dans la littrature. Les rappeler toutes ici serait impossible,
et nous nous limitons celles qui nous semblent les plus pertinentes pour notre travail.
N. Beaulieu et al. ont largement contribu lanalyse de la probabilit derreur binaire
ou symbole dune communication numrique en prsence dinterfrence. En [105], les au-
teurs analysent les performances en terme de taux derreur binaire dun signal bande
96
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE 4. PERFORMANCE EN PRSENCE DINTERFRENCE
limit QPSK en prsence dun interfrent co-canal. Lenvironnement de propagation consi-
dr est un canal de Rayleigh. Les auteurs en [106] tudient le BER dun signal M-PSK
pour des systmes diversit, en prsence dinterfrence co-canal multiple subissant des
vanouissements de Rice. De plus les auteurs supposent que les interfrents sont synchroni-
ss, ce que remettent en cause Beaulieu et al. dans [107]. Dans cette dernire rfrence, les
auteurs tudient le BER dun signal BPSK en prsence de plusieurs interfrents co-canal
dans un environnement de Nakagami. Le signal dintrt et les interfrents ne subissent
pas le mme vanouissement ; le signal utile est caractris par un paramtre dvanouis-
sement de Nakagami dirent de celui aectant les signaux dinterfrence. De plus, les
auteurs considrent que le signal dintrt et les interfrences ne sont pas synchroniss ce
qui correspond un cas raliste. Cela a pour eet dintroduire de linterfrence entre sym-
bole modlise par un facteur alatoire qui complique srieusement ltude de la probabilit
derreur et lextension aux modulations dordre suprieur nest pas trivial, selon les auteurs.
En [108], Z. Du et al. proposent une tude du BEP dun signal BPSK en prsence dun
interfrent co-canal asynchrone dans un environnement de Rice et analysent linuence du
paramtre K de linterfrent sur le BEP. Lexpression de la probabilit derreur ntant pas
trs simple, les auteurs tudient le BEP au moyen de lapproximation "en point de selle".
Ltude des systmes multi-antennes en prsence dinterfrence a suscit beaucoup dat-
tention du monde acadmique (et industriel), principalement cause de leur prodigieuse
capacit lutter contre les interfrences. Depuis les travaux de Brennan [109] mettant en
avant la capacit dun systme multi-antennes rejeter les interfrences co-canal, les tra-
vaux nont cess de se multiplier. J. Winters fut le premier a tudier de faon dtaille
les performances dun rcepteur OC, et analyser sa capacit lutter contre les vanouisse-
ments du canal et les interfrences co-canal [110]. Le rcepteur OC maximise le SINR en
sortie de traitement, et est donc plus performant quun simple rcepteur MRC en prsence
dinterfrence. La probabilit derreur bit moyenne exacte, pour un signal BPSK et un
rcepteur OC fut trs tudie, notamment en [111] et [112]. Lextension aux modulations
dordre suprieure (M-PSK) est donne sous forme dintgrales multiples en [113] et une
borne suprieure simple est donne en [114].
Devant la complexit des formes exactes obtenues plusieurs travaux se sont attachs
trouver des techniques dapproximations pour valuer les performances dun systme OC.
En [115], lauteur propose de considrer que les signaux interfrents sont orthogonaux entre
eux. Cette approximation nest valide que lorsque le nombre dantennes est suprieure au
nombre dinterfrent et lapproximation est dautant plus prcise que la dirence entre
le nombre dantenne et le nombre dinterfrent est leve. On peut galement citer les
contributions de Annamalai et al. dans [116] et Kwak et al. dans [117]. La premire propose
une approximation de la probabilit derreur moyenne M-PSK en utilisant un traitement
OC, par une somme de probabilit derreur moyenne dun traitement MRC. Le papier de
Kwak et al. donne une forme approche de la probabilit derreur M-PSK, sans intgrale,
pour un traitement OC en prsence dinterfrents multiples et dans un environnement de
Rayleigh. Les auteurs obtiennent une approximation au premier ordre des valeurs propres
ordonnes de la matrice de covariance du bruit et des interfrences, facilitant lobtention
de la probabilit derreur.
97
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
4.3 Performance dun systme SISO en prsence dun inter-
frent
Modlisation du systme. Dans cette section on considre un signal bande troite et
un interfrent de mme nature localis sur la mme bande. On se place dans le cas gnral
o le signal dintrt et le signal interfrent ne sont pas synchroniss, ce qui est le cas dans la
pratique. Nous supposons que les vanouissements sont susamment lents pour permettre
une dmodulation cohrente. Le signal reu bande de base sur le rcepteur dintrt est
modlis comme suit :
y(t) =
_
P
d
h
d
s
d
(t) +
_
P
i
h
i
s
i
(t ) +w(t), (4.1)
o s
d
(t) et s
i
(t) sont respectivement les signaux dintrt et interfrent normaliss, de telle
sorte que P
d
et P
i
reprsentent leur puissance dmission. La variable reprsente le retard
(ou lavance) du signal interfrent sur le signal dintrt. Ce retard est une fraction du temps
symbole dont on suppose la connaissance. Il appartient linterval [0, T), avec T la dure
symbole. On a donc = T avec 0 1. Les termes h
d
et h
i
sont les coecients du canal
pour le signal dintrt et interfrent respectivement. Ils ne dpendent pas du temps sur
la dure de traitement considre (temps symbole, paquet etc), mais ce sont des variables
alatoires complexes dont lamplitude suit une des lois introduites au chapitre 1. Enn
w(t) est un bruit blanc gaussien additif de moyenne nulle et de variance
2
. Les signaux
bande de bases s
d
(t) et s
i
(t) correspondent la mise en forme dune modulation linaire
de type M-PSK ou M-QAM et scrivent :
s
d
(t) =
k=
d
d
(k) h
f
(t kT) , (4.2)
s
i
(t ) =
k=
d
i
(k) h
f
(t kT) , (4.3)
avec d
d
et d
i
les symboles complexes portant linformation du signal dintrt et interfrent
respectivement. La fonction h
f
(t) reprsente le ltre de mise en forme, suppose identique
pour les deux signaux.
Le rcepteur ne sintresse qu son propre signal, s
d
(t), et eectue un ltrage adapt
limpulsion de mise en forme suivit dun chantillonnage au temps symbole. Le signal
discret en sortie du ltre adapt sexprime :
(n) = y(t) h
f
(t) |
t=nT
, (4.4)
=
_
P
d
h
d
k=
d
d
(k)s
ff
(n k) +
_
P
i
h
i
k=
d
i
(k)s
ff
(n k ) +v(n) (4.5)
avec loprateur de convolution et s
ff
la fonction dautocorrlation de limpulsion de
mise en forme :
98
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
s
ff
(n k) =
_

h
f
(t kT) h
f
(t nT) dt, (4.6)
s
ff
(n k ) =
_

h
f
(t T kT) h
f
(t nT) dt, (4.7)
v(n) =
_

w(t)h
f
(t nT) dt. (4.8)
En gnrale le ltre h
f
est conu pour que son autocorrlation satisfasse le critre
de Nyquist cest--dire pour que s
ff
sannule aux retards non nuls correspondant aux
multiples du temps symbole (condition dabsence dIES). De plus si h
f
est normalise
alors s
ff
(0) = 1. Par contre le deuxime terme de (4.5) correspond de linterfrence
entre symboles introduite par le signal interfrent non synchronis. Le signal discret v(n)
est la rponse chantillonne de lexcitation du ltre h
f
(t) par un bruit blanc gaussien
complexe centr et de variance
2
. Du moment que s
ff
satisfait le critre de Nyquist, on
vrie facilement que la squence {v(n)}
nN
est moyenne nulle et de variance
2
. Sous
ces conditions, le signal en sortie du ltrage adapt la forme donde devient :
(n) =
_
P
d
h
d
d
d
(n) +
_
P
i
h
i
P
k=P
d
i
(k)s
ff
(n k ) +v(n), (4.9)
o lon considre que lIES introduite par linterfrence stale sur 2P + 1 symboles. Dans
ce modle on considre donc implicitement le cas o le canal est stable pendant au moins
2P + 1 symboles. Dans le cas contraire, il faudrait introduire le coecient complexe du
canal h
i
lintrieure de la somme dans le deuxime terme de (4.9). En supposant que
le rcepteur connaisse son canal parfaitement (
h
d
= h
d
), il eectue un ltrage adapt lui
permettant de maximiser le SNR (et dans le cas mono-antenne le SINR [6]). Le signal aprs
ltrage adapt au canal scrit :
x(n) =
h
d
|h
d
|
2
(n),
=
_
P
d
d
d
(n) +
_
P
i
h
d
|h
d
|
2
h
i
P
k=P
d
i
(k)s
ff
(n k ) +
h
d
|h
d
|
2
v(n). (4.10)
Dans ce cas, on peut montrer que le SINR vaut :
t
=
P
d
d
d
(n)
2
E
_
d
|h
d
|
2
_
P
i
h
i
P
k=P
d
i
(k) s
ff
(n k ) +v(n)
_
2
_,
=
P
d
|h
d
|
2
P
i
|h
i
|
2
P
k=P
|s
ff
(n k ) |
2
+
2
. (4.11)
On pose dans cette expression
1
= P
i
|h
i
|
2
P
k=P
|s
ff
(n k ) |
2
+
2
. Le SINR
total peut scrire
1
:
t
=

2
d
, (4.12)
1
Lorsque les deux signaux sont synchroniss = 0 et 1 = Pi|hi|
2
+
2
, on retombe alors sur le modle
dAlouini et Simon dans [6].
99
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec
d
= P
d
|h
d
|
2
/
2
, le SNR instantan de lutilisateur dintrt. La fonction gnratrice
des moments conditionne sur la variable alatoire
1
est :
M
t|
1
(s) = M
d
_
1
s
_
, (4.13)
o M
d
(s) est la MGF du SNR dintrt dont la valeur moyenne est
d
= P
d
/
2
. La pro-
babilit derreur en prsence dinterfrence sobtient en moyennant la probabilit derreur
conditionne sur la variable alatoire
1
par la densit de probabilit de celle-ci. Cette va-
riable alatoire appartient linterval [
2
, ). La probabilit derreur a la forme gnrale :
P
s
(E) =
_

2
P
s
(E|
1
) p
1
(
1
) d
1
, (4.14)
avec p
1
(
1
) la densit de probabilit de la variable
1
. Son expression dpend de la
statistique dvanouissement considre pour le signal interfrent.
4.3.1 Rayleigh/Rayleigh
On tudie les performances dun systme bande troite soumis des vanouissements
de type Rayleigh et en prsence dun interfrent subissant le mme type dvanouissement.
Comme nous lavons fait pour ltude de performance sans interfrences, nous adopterons
lapproche de la MGF autant que possible. Avec (4.13), la MGF conditionne sur
1
a la
forme suivante :
M
t|
1
(s) =
1
1 s
P
d
1
. (4.15)
Le carr de lamplitude dvanouissement |h
i
|
2
suit une loi du
2
, par consquent
1
a
la densit de probabilit suivante :
p
1
(
1
) =
1
P
i
P
k=P
|s
ff
(n k ) |
2
e
2
P
i
P
k=P
|s
ff
(nk) |
2
. (4.16)
Analyse du SEP pour une M-PSK. La probabilit derreur conditionnelle dans (4.14)
a la mme forme que celle de la probabilit derreur dans un canal vanouissement sans
interfrence, et sexprime laide de la fonction gnratrice des moments :
P
s
(E|
1
) =
1
_
(M1)/M
0
M
t|
1
_
g
psk
sin
2
_
d. (4.17)
La probabilit derreur en tenant compte de linterfrence est donc :
P
s
(E) =
1
2
_
(M1)/M
0
M
t|
1
_
g
psk
sin
2
_
p
1
(
1
) dd
1
. (4.18)
Avec (4.15) la probabilit derreur dun signal M-PSK en canal de Rayleigh et en pr-
sence dun interfrent co-canal soumis aux mmes vanouissements est :
P
s
(E) =
_

2
1
_
(M1)/M
0
_
sin
2
sin
2
+

2
1
g
psk
d
_
dp
1
(
1
) d
1
. (4.19)
Lintgrale sur svalue de la mme manire que celle prsente en [74]. En utilisant
la relation de Chasles, cette intgrale est la somme de deux autres, lune de 0 /2 et la
100
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
deuxime de /2 (M1)/M. En eectuant plusieurs changements de variable, lintgrale
sur nie par sexprimer comme la somme de deux fonctions hypergomtriques :
P
s
(E) =
_

2
x
_
1
4
2
F
1
_
1,
1
2
; 2; x
_
+
F
1
_
1
2
, 1,
1
2
;
3
2
; y, z
__
p
1
(
1
) d
1
, (4.20)
avec x = 1/
_
1 +
2
g
psk
d
/
1
_
, y = (1 g
psk
) /
_
1 +g
psk
d
/
1
_
et z = 1 g
psk
. Ces
variables sont similaires celles introduites pour ltude des performances sans interfrence.
Dailleurs, lexpression obtenue pour la probabilit derreur est en fait celle obtenue dans le
cas sans interfrence (en ne considrant que les eets du canal) moyenne sur les ralisations
possibles de linterfrence. Lexpression en (4.20) est exacte et dcrit lvolution de la
probabilit derreur dune M-PSK dans un canal de Rayleigh en prsence dun interfrent
subissant un canal similaire. Bien que les expressions obtenues dans [6] soient direntes ;
elles nen sont pas moins quivalentes, les auteurs ayant intgr par rapport la variable
1
. Nous avons choisi dinverser lordre dintgration an de dobtenir une forme avec les
fonctions hypergomtriques, que nous savons bien approcher maintenant grce ltude
mene dans les chapitres 2 et 3.
Approximation du SEP pour un signal M-PSK. Avec la mthode de Laplace et
lorsque le SNR moyen
d
tend vers linni, la fonction hypergomtrique de Gauss est bien
approche par 1/
_
1 x
t, o

t = 1/2. Pour la fonction hypergomtrique dAppell, on
utilise la relation fonctionnelle (1.31) :
F
1
_
1
2
, 1,
1
2
;
3
2
; y, z
_
=
1
1 y
F
1
_
1
2
, 1,
1
2
;
3
2
; y
, z
_
, (4.21)
avec y
= y/(y1), et z
= (z y)/(1y). De plus, lorsque

d
alors y
0 et z
z.
En considrant les grandes valeurs du SNR et en utilisant les relations (1.31) et (1.32), la
fonction F
1
devient :
lim
F
1
_
1
2
, 1,
1
2
;
3
2
; y, z
_
=
1
1 y
2
F
1
_
1
2
,
1
2
;
3
2
; z
_
. (4.22)
Or y = z x, lorsque le SNR tend vers linni la probabilit derreur tend vers :
P
s
(E|
d
) =
_

2
_
1
4
x
_
1 x
t
+
2
F
1
_
1
2
,
1
2
;
3
2
; z
_
x
1 xz
_
p
1
(
1
) d
1
, (4.23)
Les deux fractions en x nont pas le mme dnominateur. La constante z sapproche de
1 lorsque lordre de la modulation augmente et z < 1. De mme

t < 1. La probabilit
derreur se majore donc par :
P
s
(E) k
psk
_

2
x
1 x
p
1
(
1
) d
1
, (4.24)
avec :
k
psk
=
1
4
+
2
F
1
_
1
2
,
1
2
;
3
2
; z
_
. (4.25)
101
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
En remplaant la densit de probabilit de
1
par son expression en (4.16), et x par sa
valeur en fonction de
1
, on obtient :
P
s
(E) k
psk
e
2
P
i
P
i
2
1
_
1 +

2
1
g
psk
d
_
1
g
psk
d
e

1
P
i
d
1
, (4.26)
avec =
P
k=P
|s
ff
(n k ) |
2
. Lintgrale valuer dans lquation (4.26) est du
type
_
1/
_
_
(1 +a/x)a/x
_
exp (cx) dx avec x =
1
, a =
2
g
psk
d
et c = 1/ (P
i
).
Lintgrande possde une primitive exprimable sous forme exacte [31] :
_
1
_
1 +
a
x
_
a
x
e
cx
dx =
e
cx
c
3/2
a
_
e
c(a+x)
(1 2ac) Q
_
_
2c (a +x)
_
+
_
c(a +x)
_
.
(4.27)
Donc la probabilit derreur en prsence dun interfrent est majore par :
P
s
(E) k
psk
P
i
2
g
psk
d
_
_
1
2
2
g
psk
d
P
i
_
e
2
P
i
(1+g
psk
d
)
Q
_
_
2
2
P
i
(1 +g
psk
d
)
_
_
+

2
P
i
(1 +g
psk
d
)
_
_
. (4.28)
Si lon souhaite inverser la probabilit derreur par rapport au SNR moyen
d
, cette ex-
pression nest pas encore trs approprie pour y parvenir. Cependant la fonction gaussienne
Q(x) peut se majorer ou se minorer. En eet, on peut montrer que la fonction gaussienne
Q est encadre par :
x
(x
2
+ 1)
2
e
x
2
2
< Q(x) <
1
x
2
e
x
2
2
, x 0. (4.29)
Le terme en facteur de la fonction gaussienne dans (4.28) est ngatif pour
d

P
i
/
_
2
2
g
psk
_
, ce qui est le cas lorsque le SNR devient grand compar la puissance
de linterfrence. Pour garder une borne suprieure de la probabilit derreur, il convient
donc de choisir un minorant de la fonction gaussienne. Une borne suprieure simple de
la probabilit derreur en prsence dun interfrent co-canal dans un environnement de
propagation de type Rayleigh est :
P
s
(E|
d
,
i
) 2k
psk
1 +g
psk
d
g
psk
d
1 +
i
i
+ 2 (1 +g
psk
d
)
, (4.30)
avec
i
= P
i
/
2
, le rapport entre la puissance de linterfrence et le bruit au rcepteur
(INR, pour "Interference to Noise Ratio"). Sur la gure 4.1 nous pouvons vrier la pr-
cision de la borne suprieure propose en (4.30), pour une modulation QPSK. La valeur
exacte de la probabilit derreur est calcule avec (4.19). On peut remarquer que lap-
proximation propose est assez ne, puisquelle ne dpasse jamais 1.1dB de SNR pour une
probabilit derreur comprise entre 10
1
et 10
4
et ce pour un INR allant de 0 30dB. On
remarque que plus le SNR est grand compar au INR (autrement dit plus le SIR "signal
to interference ratio" est grand), meilleure est lapproximation. Cela tait prvisible, tant
donn que les approximations qui ont t faites pour obtenir cette forme sont valables
102
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50 55
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte
i
= 0 dB
Approx
i
= 0 dB
Exacte
i
= 15 dB
Approx
i
= 15 dB
Exacte
i
= 30 dB
Approx
i
= 30 dB
Fig. 4.1 Approximation de la probabilit derreur dun signal QPSK avec un interfrent
co-canal en environnement de Rayleigh.
lorsque le SNR tend vers linni. Si linterfrence est plus forte ou gale au signal dint-
rt, notre approximation ne se rvle pas trs able. Par exemple, le SEP est lgrement
surestim lorsque le SIR est de 0dB dun facteur compris entre 1.5 et 1.8 par rapport la
valeur exacte. Le plus gros cart tant observ pour un SNR de 0dB et un INR de 0dB.
Cependant, rappelons que nous cherchons remonter au SNR pour atteindre un certain
taux derreur cible qui est compris entre 10
1
et 10
4
sans codage. Dans un environne-
ment de Rayleigh, si la puissance de linterfrence est gale la puissance du signal, le
SEP est de toute faon suprieur 10
1
, ce qui ne nous intresse pas. Donc nalement,
lapproximation que nous obtenons en (4.30) sera exploitable en pratique.
Inversion du SEP. Lapproximation obtenue ci-dessus est inversible analytiquement.
En eet, llvation au carr de (4.30) conduit une quation du troisime degr en
d
, qui
est rsoluble laide de radicaux. La rsolution de cette quation conduit trois solutions
mais une seule est acceptable physiquement car elle correspond lunique solution relle et
positive. Sans en dtailler toutes les tapes donnons nanmoins le l conducteur permettant
de remonter au SNR moyen.
Pour simplier les calculs on pose x = g
psk
d
et p = P
s
(E) / (2k
psk
). En levant au
carr (4.30) linversion en
d
revient rsoudre en x lquation de degr 3 suivante :
4p
2
x
3
+ 4p
2
(2 +
i
) x
2
+
_
p
2
(2 +
i
)
2
(1 +
i
)
2
_
x (1 +
i
)
2
= 0. (4.31)
On pose dans cette quation = 4p
2
, = 4p
2
(2 +
i
), = p
2
(2 +
i
)
2
(1 +
i
)
2
et
= (1 +
i
)
2
. En divisant lquation obtenue par = 0 et en eectuant le changement
de variable x = X / (3) on tombe sur lquation de degr 3 originelle rsolue par
103
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Cardan vers 1545
2
:
X
3
+PX +Q = 0, (4.32)
avec :
P =

2
3
2
, (4.33)
Q =
2
3
27
3
+

3
2
. (4.34)
Selon le signe de = Q
2
+ 4P
3
/27, lquation (4.31) admettra trois solutions relles
si < 0, une solution relle et deux complexes conjugues si > 0 ou deux solutions
relles (une simple et une double) si = 0. Avec les paramtres de notre systme, cest-
-dire pour des modulations BPSK, QPSK ou mme 8-PSK (16-PSK nest gure utilise),
des valeurs de lINR allant de 20dB 40dB et dans une plage de SEP allant de 10
1
10
4
, on vrie que < 0. Par consquent lquation (4.31) possde trois solutions relles
dont une seule est physiquement acceptable. Finalement, le SNR moyen en fonction de la
probabilit derreur du signal dintrt et de la puissance de linterfrent est donne par :
d
(P
s
(E) ,
i
) =
1
g
psk
_

3
+ 2
_
P
3
cos
_
1
3
arccos
_
3Q
2P
_
3
P
___
, (4.35)
avec P < 0. Nous avons donc une formule simple et unique permettant de remonter au SNR
moyen (donc la puissance dmission) pour atteindre une probabilit derreur donne en
prsence dun interfrent dans un environnement de Rayleigh. Bien entendu, pour pouvoir
adapter la puissance dmission dans un rseau en prsence dun interfrent, il faudrait
pouvoir galement avoir une estimation de la puissance de linterfrent, ce qui pourrait
tre fourni par une coopration entre les deux noeuds interfrents du rseau
3
.
Estimation du SEO, signal M-PSK. Nous avons vu quen prsence de shadowing,
la puissance moyenne reue va varier dans le temps. Si on considre que la puissance
moyenne de linterfrent ne varie pas et que seul le signal dintrt est soumis un eet
de masquage, alors on peut appliquer la mthode que lon a dveloppe dans les chapitres
prcdant pour estimer la probabilit de coupure en prsence de shadowing, en fonction
de la probabilit derreur cible souhaite. Cependant, cette hypothse est trs rductrice.
En eet, si on considre que notre puissance moyenne uctue par eet de masque, il est
raisonnable de supposer que cest galement le cas pour le signal interfrent. La probabilit
de coupure nest plus simplement due la variation de la variable alatoire SNR moyen
mais une combinaison des deux variables alatoires SNR et INR moyen. On considre que
ces deux variables alatoires sont de loi log-normale mais pas ncessairement de mmes
paramtres. On suppose galement quelles sont indpendantes. Si lutilisateur interfrent
est spatialement proche de la station mobile, les puissances moyennes reues la station de
base par lutilisateur dintrt et interfrent vont subir les mmes perturbations grande
chelle (masquage par les btiments, forts etc) et les deux variables seront corrles.
2
Lantriorit reviendrait plutt Scipione del Ferro et Tartaglia mais la mthode de rsolution est
connue sous le nom de "mthode de Cardan".
3
Notons que lon aurait pu inverser la probabilit derreur par rapport la puissance de linterfrent,
cela eut t plus simple dailleurs. Dans notre dmarche on suppose que lon ne puisse pas commander
la station interfrente.
104
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Concernant le SEO, nous pouvons montrer le thorme suivant lorsquun interfrent
est prsent (voir annexe A.3) :
Thorme 1 (SEO) Soit le SNR moyen
d
et INR moyen
i
deux variables alatoires
indpendantes et distribues suivant deux lois log-normales. On note p
d
(
d
) et p
i
(
i
)
leur densit de probabilit respective. Les paramtres
d
,
d
,
i
et
i
sont respectivement
les moyennes et les carts types (en dB) des lois log-normales des variables alatoires
d
et
i
. Dans ces conditions la probabilit de coupure symbole dun signal perturb par un
interfrent co-canal est donne par :
P (P
s
(E) > P
s
) =
_

0
10/ log (10)
2
i
e
(10 log
10

i
i
)
2
2
2
i
Q
_
d
10 log
10
th
(P
s
,
i
)
d
_
d
i
,
o
th
(P
s
,
i
) est le SNR moyen ncessaire pour atteindre la probabilit derreur cible P
s
tant donn le INR moyen
i
.
La preuve se base sur le thorme du changement de variable dans les intgrales mul-
tiples [31]. La formule ci-dessus tmoigne de la complexit du calcul du SEO, o mme dans
un cas "simple" comme la prsence dun seul interfrent co-canal, il ncessite lvaluation
dune intgrale innie.
La forme exacte du SNR en (4.35) peut se simplier. En eet, pour des valeurs de p 1
(en dessous de 10
1
), largument de la fonction arccos tend rapidement vers 0. Autrement
dit largument de la fonction cos est presque constant et gal /6 et ce pour les plages
de variations des paramtres mentionnes plus haut. Finalement, le SNR moyen est assez
bien approch par :
d
(P
s
(E) ,
i
)
1 +
i
2g
psk
p
. (4.36)
Cette expression peut encore tre rduite si lon considre
i
1. Dans ce cas on a
simplement :
d
(P
s
(E) ,
i
)

i
2g
psk
p
. (4.37)
Le passage lexpression asymptotique du SNR moyen ne permettra pas dapprocher
la valeur de lintgrale du thorme 1 lorsque
i
sera faible. La valeur exacte du SEO peut
sapprocher par :
P (P
s
(E) > P
s
)
_

0
10/ log (10)
2
i
e
(10 log
10

i
i
)
2
2
2
i
Q
_
d
10 log
10
d
_
d
i
, (4.38)
avec
d
=
d
+ 10 log
10
(2g
psk
p). De plus la fonction gaussienne Q est bien approche
par [118] :
Q(x)
1
4
e
x
2
2
_
1
3
+e
x
2
6
_
. (4.39)
105
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 10 20 30 40 50 60 70 80 90
10
4
10
3
10
2
10
1
10
0
d
(dB)
S
E
O

Exact
i
= 8dB
Approx
i
= 8dB
Exact
i
= 12dB
Approx
i
= 12dB
i
= 0 dB
i
= 10 dB
i
= 20 dB
Fig. 4.2 Probabilit de coupure dun signal QPSK en prsence dun interfrent subissant
tous deux un canal de Rayleigh et du shadowing. Lcart type de la loi log-normale pour
le signal dintrt est de 8dB. La probabilit de coupure est P
s
= 10
2
.
En utilisant (4.39) dans (4.38), on peut intgrer lexpression (4.38) et obtenir une estimation
de la probabilit de coupure symbole :
P (P
s
(E) > P
s
)

d
12
_
_
_
_
e
i
)
2
2
(
2
d
+
2
i
)
_
2
d
+
2
i
+ 3
e
2(
i
)
2
4
2
i
+3
2
d
_
2
d
+
4
2
i
3
_
_
_
_
. (4.40)
Lquation (4.40) constitue une excellente approximation du SEO exact donn au tho-
rme 1, mais pour des valeurs de
d
grandes compares
i
. Pour des valeurs du SEO
infrieures ou gales 10
1
lapproximation est trs bonne comme on peut le constater sur
la gure 4.2. Celle-ci montre lvolution du SEO dun signal modul QPSK dans un canal
de Rayleigh avec shadowing et un interfrent co-canal en fonction de la moyenne de la loi
log-normale du signal interfrent. La probabilit derreur cible est xe 10
2
. Lcart type
de la loi log-normale pour le signal dintrt est 8dB alors que celui de linterfrent est suc-
cessivement 8 et 12dB. La loi de shadowing du signal interfrent a une moyenne prenant les
valeurs 0, 10 et 20dB. Lorsque les lois log-normales ont des cart types gaux ou du moins
pas trs loigns, lapproximation est trs bonne ds que lon se xe un SEO infrieur
10
1
. Lorsque lcart type pour le signal interfrent devient important compare au signal
dintrt (part exemple 12dB pour 8dB comme illustr), lapproximation reste trs bonne
asymptotiquement mais un peu moins bonne pour des valeurs du SEO de lordre de 10
1
.
Pour cette valeur de la probabilit de coupure lcart entre la valeur exacte et approche
est denviron 4dB pour les 3 valeurs de
i
4
.
4
On peut vrier que pour des valeurs inverses des carts types i et
d
, lapproximation est trs bonne
pour un SEO gale 10
1
(moins de 1dB).
106
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Il est clair que pour les faibles valeurs de
d
lapproximation nest pas du tout ex-
ploitable ; celle-ci prdisant un diminution de la probabilit de coupure mesure que la
puissance moyenne reue diminue. Cest bien videmment un comportement compltement
erron par rapport ce que lon pourrait observer dans la ralit. Cette approximation nest
intressante que pour des probabilits de coupure infrieures 10
1
. On recherche des taux
de coupure de cet ordre de grandeur voir infrieurs lorsque lon souhaite fournir un service
de trs haute qualit comme cela peut tre le cas avec le HSDPA ou HSUPA.
Si lon souhaite remonter la puissance dmission au travers de
d
, cette quation
nest pas inversible analytiquement dans le cas gnral (pour
d
et
i
distinctes). Mme
si les deux lois de shadowing ont le mme cart type, lquation obtenue est de degr 7
et on ne peut pas exprimer les solutions sous forme de radicaux. Cependant, un systme
de gestion automatique de la puissance dmission pourrait saccommoder de cette formule
qui est tout de mme bien plus simple inverser numriquement que lintgrale dans le
thorme 1. En eet, si lon fait le choix du calcul exact, pour chaque puissance dmission
candidate, il est ncessaire dvaluer une intgrale innie avec une rgle de troncature
dnir et une prcision de calcul galement dnir.
Etude du cas M-QAM. On repart dans ce cas de la probabilit derreur conditionnelle
sur
1
qui vaut :
P
s
(E|
1
) =
4
g
_
_
/2
0
M
t|
1
_
g
qam
sin
2
_
d g
_
/4
0
M
t|
1
_
g
qam
sin
2
_
d
_
, (4.41)
on rappelle que g = 1 1/
M et g
qam
= 3/(2(M 1)). En remplaant la fonction
gnratrice des moments du SINR instantan par son expression, la probabilit derreur
conditionnelle scrit :
P
s
(E|
1
) =
4g
_
_
/2
0
sin
2
sin
2
+

2
1
g
qam
d
d g
_
/4
0
sin
2
sin
2
+

2
1
g
qam
d
d
_
. (4.42)
On sait valuer de faon exacte ces intgrales [74]. La premire sexprime laide dune
fonction hypergomtrique de Gauss alors que la seconde quivaut une fonction hyper-
gomtrique dAppell comme dans lquation (2.41). La probabilit derreur conditionnelle
pour une M-QAM scrit :
P
s
(E|
1
) = gx
1
2
F
1
_
1,
1
2
; 2; x
1
_
2g
2
3
x
2
F
1
_
1, 1, 1;
5
2
; y, z
_
, (4.43)
avec x
1
= 1/
_
1 +
2
g
qam
d
/
1
_
, y =
_
1 +
2
d
g
qam
/
1
_
/
_
1 + 2g
qam
d
/
1
_
, x
2
=
1/
_
1 + 2
2
g
qam
d
/
1
_
et z = 1/2. Avant dintgrer sur la variable
1
pour obtenir la
probabilit derreur en prsence de linterfrent, il faut approcher les fonctions spciales
ci-dessus.
Approximation du SEP pour une M-QAM. La mme dmarche va encore sap-
pliquer ici ; la fonction
2
F
1
est approche avec la mthode de Laplace et on regarde son
comportement asymptotique (lorsque
d
tend vers linni). Tandis que le terme avec la
107
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
fonction dAppell est remplac par sa forme asymptotique. Lapproximation de la fonc-
tion hypergomtrique de Gauss est la mme que pour le cas M-PSK : 1/
_
1 x
1
t, avec
t = 1/2. En factorisant (4.43) par x

1
/
_
1 x
1
t, on a :
P
s
(E|
1
)
x
1
_
1 x
1
t
_
g
2g
2
3
x
2
x
1
F
1
_
1, 1, 1;
5
2
; y, z
_
_
1 x
1
t
_
, (4.44)
De plus avec (1.34) :
lim
F
1
_
1, 1, 1;
5
2
; y, z
_
=
2
F
1
_
1, 2;
5
2
; z
_
, (4.45)
lim
x
2
x
1
=
1
2
. (4.46)
Asymptotiquement la probabilit derreur conditionnelle scrit :
P
s
(E|
1
,
d
) k
qam
x
1
_
1 x
1
t
, (4.47)
avec :
k
qam
= g
_
1
g
3

2
F
1
_
1, 2;
5
2
; z
__
. (4.48)
Il faut maintenant intgrer par rapport la variable
1
qui contient le terme dinter-
frence. Finalement, la probabilit derreur dune M-QAM en prsence dun interfrent en
canal de Rayleigh est similaire celle dune M-PSK, quelques constantes prs :
P
s
(E) k
qam
e
2
P
i
P
i
_

2
1
_
1 +

2
1
g
qam
d
_
1
t +

2
1
g
qam
d
e
1
P
i
d
1
. (4.49)
De la mme manire que pour le cas M-PSK, une majoration de la probabilit derreur
prcdente peut sobtenir en considrant que

t < 1. Par consquent, en remplaant la
deuxime racine carre du dnominateur de (4.49) par simplement
_
g
qam
d
/
1
, on
obtient une majoration de la probabilit derreur dautant plus prcise si le SNR est grand.
Grce la forme obtenue, similaire (4.26), on peut calculer lintgrale de manire exacte
et ainsi donner une majoration de la probabilit derreur dans le cas M-QAM :
P
s
(E|
d
,
i
) 2k
qam
1 +g
qam
d
g
qam
d
1 +
i
i
+ 2 (1 +g
qam
d
)
. (4.50)
La gure 4.3 compare la probabilit derreur dun signal 16-QAM en fonction du rapport
signal bruit, value avec (4.50) et la valeur exacte calcule avec (4.42) puis intgre sur
la densit de probabilit de
1
. La gure est trace pour un signal et un interfrent se
propageant dans un canal de Rayleigh. Pour toute la plage de puissance dinterfrence
teste (INR gale 0, 15 et 30dB), la borne suprieure obtenue est bonne pour des valeurs
de la probabilit derreur comprise entre 10
1
et 10
4
. La borne suprieure nest jamais
loigne de plus de 1.1dB de la valeur exacte. La moins bonne prcision tant lorsque le
INR est grand (30dB), et la probabilit derreur considre faible (de lordre de 10
1
).
108
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35 40 45 50 55
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte
i
= 0 dB
Approx
i
= 0 dB
Exacte
i
= 15 dB
Approx
i
= 15 dB
Exacte
i
= 30 dB
Approx
i
= 30 dB
Fig. 4.3 Approximation de la probabilit derreur dun signal 16-QAM avec un interfrent
co-canal en environnement de Rayleigh.
Inversion du SEP et estimation du SEO. Lexpression approche de la probabilit
derreur dans le cas M-QAM et M-PSK tant trs similaire, linversion de celle-ci par
rapport au SNR se fait de la mme manire. Llvation au carr de (4.50) conduit la
rsolution dune quation de degr 3 en
d
. En procdant comme indiqu ci-dessus, on peut
calculer lunique solution acceptable pour le SNR en fonction de la probabilit derreur et de
la puissance du signal interfrent. La forme est exactement celle donne en (4.35) et les deux
seuls paramtres changer sont g
qam
la place de g
psk
et p devient p = P
s
(E) / (2k
qam
).
Lestimation du SEO stablit avec le thorme 1 ou son approximation (4.40) pour
viter le calcul de lintgrale. Lexpression (4.40) ne dpend pas des paramtres de modula-
tions du signal, si ce nest dans lexpression du SNR en fonction de la probabilit derreur
cible. Par consquent il est logique dobtenir des courbes similaires celles prsentes sur
la gure 4.2 mme pour une modulation M-QAM et ne sont donc pas prsentes. Pour des
valeurs de paramtres de shadowing identiques ceux de la gure 4.2, on vrie que la
prcision de lapproximation obtenue est du mme ordre que pour le cas M-PSK.
4.3.2 Nakagami-m/Nakagami-m
Dans cette section nous allons essayer dtendre les rsultats prcdant un canal de
Nakagami-m pour le signal dintrt et interfrent. Lintrt du canal de Nakagami dans le
cas interfrent est de pouvoir modliser des vanouissements de svrits direntes pour
le signal dintrt et perturbateur.
On garde le modle du signal reu introduit en (4.1). Le SINR instantan a donc la
mme forme quen (4.12), mais dans ce cas la variable alatoire |h
i
|
2
est une variable du
2
centre 2m
i
degrs de libert et de variance 1/2m
i
. La densit de probabilit de
1
109
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
est [6] :
p
1
(
1
) =
m
m
i
i
(m
i
) (P
i
)
m
i
_
2
_
m
i
1
e
m
i
2
P
i
,
1

2
, (4.51)
avec m
i
le paramtre dvanouissement du signal interfrent. Dans le cas dun canal de
Nakagami-m, la fonction gnratrice des moments du SINR conditionne sur la v.a.
1
est :
M
Naka
t|
1
(s) = M
Naka
d
_
1
s
_
,
=
1
_
1 s

2
m
d
d
_
m
d
, (4.52)
o m
d
est le paramtre dvanouissement du signal dintrt. La mme technique que
pour lenvironnement Rayleigh est applique ici, savoir une premire valuation de la
probabilit derreur conditionne sur
1
partir de la MGF du SINR, puis lintgration
sur la v.a.
1
.
SEP pour un signal M-PSK. La probabilit derreur conditionnelle est :
P
s
(E|
1
) =
1
_
(M1)/M
0
M
Naka
t|
1
_
g
psk
sin
2
_
d, (4.53)
=
1
_
(M1)/M
0
_
sin
2
sin
2
+

2
1
g
psk
d
m
d
_
m
d
d. (4.54)
Cette intgrale est exactement la mme que celles rencontres au chapitre prcdent,
sans interfrence. Elle sintgre donc de la mme manire. La probabilit derreur condi-
tionnelle a la mme forme que (2.15) :
P
s
(E|
1
) = x
m
d
_
1
2
(m
d
+ 1/2)
(m
d
+ 1)
2
F
1
_
m
d
,
1
2
; m
d
+ 1; x
_
+
F
1
_
1
2
, m
d
,
1
2
m
d
;
3
2
; y, z
__
, (4.55)
Avec x = 1/
_
1 +g
psk
d
/(m
d
1
)
_
, z = 1 g
psk
, y = (1 g
psk
) /
_
1 +g
psk
d
/(m
d
1
)
_
.
La probabilit derreur est nalement obtenue en multipliant (4.55) par la densit de pro-
babilit de
1
et en intgrant sur cette variable.
Approximation du SEP. La fonction hypergomtrique de Gauss est remplace par la
valeur asymptotique (aux forts SNR) de son approximation de Laplace savoir 1/
_
1 x
t
avec

t = m
d
/(m
d
+ 1). Pour la fonction hypergomtrique dAppell, nous utilisons la
relation fonctionnelle (1.31) et (1.32) valable lorsque
d
:
lim
F
1
_
1
2
, m
d
,
1
2
m
d
;
3
2
; y, z
_
= (1 y)
1/2
2
F
1
_
1
2
,
1
2
m
d
;
3
2
; z
_
. (4.56)
110
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
On fait la mme remarque quau chapitre prcdant : y x. On tend vers lgalit
lorsque lordre de la modulation devient trs grand (8 et au-del). De plus

t < 1, et tend
vers 1 mesure que m
d
crot. On remarque empiriquement que y x
t et lapproximation
est dautant plus ne que le SNR est grand. Finalement la probabilit derreur asymptotique
conditionne sur
1
en canal de Nakagami-m est :
P
s
(E|
1
) k
psk
x
m
d
_
1 x
t
, (4.57)
avec :
k
psk
=
(m
d
+ 1/2)
2
(m
d
+ 1)
+
2
F
1
_
1
2
,
1
2
m
d
;
3
2
; z
_
. (4.58)
En intgrant lexpression ci-dessus par rapport
1
, on obtient la probabilit derreur en
prsence de linterfrence, en fonction des paramtres dvanouissement des deux signaux :
P
s
(E) k
psk
m
m
i
i
e
m
i
2
P
i
(m
i
) (P
i
)
m
i
_

2
_
2
_
m
i
1
_
1 +
g
psk
d
m
d
1
_
m
d
1
2
_
1
t +
g
psk
d
m
d
1
e
m
i
1
P
i
d
1
.
(4.59)
Lintgrale en (4.59) ne peut pas tre value analytiquement. Nous sommes donc forcs
deectuer quelques approximations pour en obtenir une forme manipulable. La premire
chose laquelle nous pouvons penser cest borner lintgrale ou lintgrande. Malheureuse-
ment, cette voie ne sest pas rvle fructueuse.
Cependant, on peut au moins sintresser la valeur de lintgrale lorsque
d
.
Dans ce cas, lexpression en (4.59) se rduit :
P
s
(E,
d
) k
psk
e
m
i
2
P
i
(m
i
)
_
m
i
P
i
_
m
i
_
m
d
g
psk
d
_
m
d
m
d
1
_
2
_
m
i
1
e
m
i
P
i
1
d
1
. (4.60)
En dveloppant le polynme dans lintgrale laide de la formule du binme de Newton,
et avec [31] et aprs quelques manipulations on obtient la forme asymptotique suivante pour
la probabilit derreur en prsence dun interfrent dans un canal de Nakagami-m :
P
s
(E,
d
) k
psk
e
m
i
i
(m
i
)
_
m
d
i
m
i
g
psk
d
_
m
d
m
i
1
k=0
(1)
k
_
m
i
1
k
__
m
i
i
_
k
_
m
d
+m
i
k,
m
i
i
_
, (4.61)
avec (a, x) la fonction gamma incomplte suprieure, et
i
le INR moyen. Pour des valeurs
non entires, on peut arrondir lentier le plus proche et utiliser lexpression. Limpact sur
larrondi sera dautant plus faible que m sera grand.
La gure 4.4 illustre le comportement asymptotique de la probabilit derreur en fonc-
tion du SNR, value avec (4.61), et ce pour plusieurs valeurs des paramtres dvanouisse-
ments du canal de Nakagami. Nous traons galement la probabilit derreur exacte value
111
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30
10
8
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte m
d
= 1
Approx m
d
= 1
Exacte m
d
= 3
Approx m
d
= 3
Exacte m
d
= 6
Approx m
d
= 6
m
i
= 6
m
i
= 1
m
i
= 1 et m
i
= 6
Fig. 4.4 Probabilit derreur asymptotique dun signal QPSK avec un interfrent co-canal
en environnement de Nakagami, pour direntes valeurs des paramtres dvanouissements
des canaux. Le rapport INR est de 0dB
en multipliant (4.54) par (4.51) et en intgrant sur
1
. Le paramtre m
d
peut prendre trois
valeurs : 1, 3 et 6. Le paramtre m
i
prend deux valeurs 1 et 6. Autrement dit on peut
voir leet dun interfrent co-canal svrement vanouit (m
i
= 1) ou faiblement attnu
(m
i
= 6) sur la probabilit derreur du signal dintrt. On peut vrier quun signal in-
terfrent subissant une svrit de canal lev dgrade les performances du signal dintrt
(le SEP augmente), ce qui est en accord avec les rsultats trouvs par Beaulieu et al.
dans [107]. Si le signal dintrt passe par un canal de Rayleigh (m
d
= 1), la svrit du ca-
nal interfrent na que peut deet sur la probabilit derreur ; les courbes sont confondues
pour m
i
= 1 et m
i
= 6. La formule drive en (4.61) est utile pour valuer rapidement la
pente de la probabilit derreur lorsque le SNR est fort et le SIR aussi. Par contre, comme
il sagit dune expression "asymptotique", elle choue nous renseigner sur la valeur du
SEP dans la rgion du SNR dintrt sans codage (10
1
10
4
), sauf pour des valeurs de
m
d
faibles o lexpression pourrait tre utilise.
Estimation du SEO. Avec (4.61), linversion de la probabilit derreur par rapport
au SNR moyen est triviale et ce quelques soient les paramtres dvanouissements m
d
et m
i
. A laide du thorme en 1, on peut obtenir une estimation de la probabilit de
coupure symbole dun signal M-PSK en prsence dun interfrent co-canal et dans un
canal de Nakagami-m, avec shadowing. Cependant, il est ncessaire davoir des probabilits
derreur cible dautant plus faibles que le paramtre dvanouissement m
d
est grand, si
lon veut approcher la probabilit de coupure relle susceptible dtre atteinte. Notons que
lapproximation de la probabilit derreur est une borne suprieure de celle-ci (trs mauvaise
aux faibles SNR). Par consquent, le SNR en fonction de la probabilit derreur cible que
lon injecte dans la formule du thorme 1 est surestim par rapport sa valeur relle.
Largument de la fonction Q gaussienne dans cette formule est donc infrieure sa valeur
112
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
relle et la valeur de cette mme fonction est suprieure sa vraie valeur. Donc le SEO
est sur-estim en utilisant linversion dduite de (4.61), et de beaucoup si la probabilit
derreur cible nest pas assez faible.
Pour valider lestimation du SEO obtenue laide de linversion de (4.61), il faudrait la
comparer avec la valeur relle du SEO. Celle-ci peut sobtenir soit par simulation (mthode
trs longue !), soit numriquement, ce qui est tout aussi fastidieux ; Il faudrait dterminer
le SNR ncessaire pour atteindre P
s
pour chaque INR moyen possible (de 0 linni). Une
fois cela eectu, on pourrait calculer numriquement lintgrale dans le thorme 1.
Extension au cas M-QAM. De mme que pour une modulation M-PSK, une forme
exacte et prcise de la probabilit derreur tous les rgimes de SNR, est impossible avec
notre approche pour une modulation M-QAM. On peut donner un comportement asymp-
totique de la probabilit derreur ce qui est tout de mme trs utile pour une valuation
rapide des performances.
La probabilit derreur conditionnelle sur
1
est celle donne en (4.41) mais avec la
fonction gnratrice des moments du SINR en canal de Nakagami-m (4.52). Lexpression
de la probabilit derreur conditionnelle obtenue est similaire la probabilit derreur dun
signal modul M-QAM en canal de Nakagami-m sans interfrence (2.41) :
P
s
(E|
1
) =
2g
(m
d
+ 1/2)
(m
d
+ 1)
M
Naka
t|
1
(g
qam
)
2
F
1
_
m
d
,
1
2
; m
d
+ 1; x
1
_
g
2
(m
d
+ 1/2)
(m
d
+ 3/2)
M
Naka
t|
1
(2g
qam
) F
1
_
1, m
d
, 1; m
d
+
3
2
; y, z
_
, (4.62)
avec y =
_
1 +g
qam
d
/ (m
d
1
)
_
/
_
1 + 2g
qam
d
/ (m
d
1
)
_
, z = 1/2 pour la fonction
hypergomtrique dAppell et x
1
= 1/
_
1 +g
qam
d
/ (m
d
1
)
_
pour la fonction hypergo-
mtrique de Gauss.
La fonction hypergomtrique de Gauss a la mme approximation que dans le cas
M-PSK. De plus on rappelle que M
Naka
t|
1
(g
qam
) = x
m
d
1
et M
Naka
t|
1
(2g
qam
) = x
m
d
2
, o
x
2
= 1/
_
1 + 2g
qam
d
/(m
d
1
)
_
. Lorsque lon fait tendre
d
vers linnie, la fonction
hypergomtrique dAppell tend vers une fonction hypergomtrique de Gauss avec (1.34)
et les variables x
1
et x
2
se simplient :
lim
F
1
_
1, m
d
, 1; m
d
+
3
2
; y, z
_
=
2
F
1
_
1, m
d
+ 1; m
d
+
3
2
; z
_
, (4.63)
lim
x
1

m
d
1
g
qam
d
, (4.64)
lim
x
2

m
d
1
2g
qam
d
. (4.65)
Par consquent, la probabilit derreur conditionnelle asymptotique (en
d
) est :
P
s
(E|
1
,
d
) = k
qam
_
m
d
g
qam
d
_
m
d
m
d
1
, (4.66)
avec k
qam
une constante dpendant de la svrit du canal dintrt et des paramtres de
la modulation M-QAM :
k
qam
=
2g
(m
d
+ 1/2)
(m
d
+ 1)

g
2
2
m
d
(m
d
+ 1/2)
(m
d
+ 3/2)
2
F
1
_
1, m
d
+ 1; m
d
+
3
2
; z
_
. (4.67)
113
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35
10
8
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte m
d
= 1
Approx m
d
= 1
Exacte m
d
= 3
Approx m
d
= 3
Exacte m
d
= 6
Approx m
d
= 6
m
i
= 6
m
i
= 1
m
i
= 1 et m
i
= 6
Fig. 4.5 Probabilit derreur asymptotique dun signal 16-QAM avec un interfrent co-
canal en environnement de Nakagami, pour direntes valeurs des paramtres dvanouis-
sements des canaux. Le rapport INR est de 0dB
Enn, la probabilit derreur en prsence dinterfrence sobtient en utilisant la densit
de probabilit de
1
(4.51) et (4.66), puis en intgrant la variable
1
. Finalement en rgime
asymptotique, la probabilit derreur dun signal M-QAM en prsence dun interfrent en
canal de Nakagami-m est :
P
s
(E,
d
) k
qam
e
m
i
i
(m
i
)
_
m
d
i
m
i
g
qam
d
_
m
d
m
i
1
k=0
(1)
k
_
m
i
1
k
__
m
i
i
_
k
_
m
d
+m
i
k,
m
i
i
_
, (4.68)
La gure 4.5 illustre lapproximation asymptotique de la probabilit derreur dun signal
16-QAM en canal de Nakagami, pour trois valeurs du paramtre m
d
(1 3 et 6) et deux
valeurs de m
i
(1 et 6). La mme prcision que dans le cas M-PSK est obtenue ici. Les
mmes remarques que prcdemment peuvent tre faites en ce qui concerne lestimation
du SEO.
4.3.3 Rice/Rice
On considre maintenant un environnement de Rice, pour le signal dintrt et interf-
rent. La fonction gnratrice des moments conditionne sur
1
est [6] :
114
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
M
Rice
t|
1
(s) = M
Rice
d
_
1
s
_
,
=
1
1 s

2
(1+K
d
)
1
d
exp
_
s
K
d
1 +K
d
d
1 s

2
(1+K
d
)
1
d
_
, (4.69)
avec K
d
le paramtre de la composante spculaire pour lutilisateur dintrt. La variable
alatoire |h
i
|
2
est une variable du
2
non centre. De ce fait la densit de probabilit de
1
est donne par :
p
1
(
1
) =
1 +K
i
P
i
exp
_
_
K
i
+ (1 +K
i
)

1
2
P
i
__
I
0
_
_
2
K
i
(1 +K
i
)

1
2
P
i
_
_
,
(4.70)
avec K
i
le paramtre de la composante spculaire pour le signal interfrent, et I
0
(x) la
fonction de Bessel modie de premire espce dordre 0.
Calcul du SEP. Le SEP conditionnel sobtient avec (4.17) pour un signal M-PSK en
utilisant la fonction gnratrice des moments en (4.69). Pour un signal M-QAM, on va-
lue (4.41). Le SEP nale en prsence de linterfrent se calcul en utilisant la probabilit
conditionnelle obtenue, combine avec (4.70) dans (4.14). Nous donnons titre dexample
la probabilit derreur exacte dun signal M-PSK :
P
s
(E) =
1 +K
i
P
i
e
_
K
i
(1+K
i
)

2
P
i
_ _

2
_
(M1)/M
0
sin
2
sin
2
+
g
psk
2
(1+K
d
)
1
d
exp
_
g
psk
K
d
d
(1 +K
d
)
1
sin
2
+g
psk
d
_
exp
_
1 +K
i
P
i
1
_
I
0
_
_
2
K
i
(1 +K
i
)

1
2
P
i
_
_
dd
1
. (4.71)
On peut driver de manire similaire la probabilit derreur pour un signal M-QAM.
Elle nest pas donne ici, pour viter dalourdir lexpos. Les expressions obtenues sont assez
complexes puisquelles font intervenir une fonction spciale de Bessel dans lintgrande.
La double intgrale ci-dessus na pas de solution exacte. On pourrait commencer par
eectuer lapproximation de Laplace sur lintgrale en , mais il faudrait encore intgrer
sur
1
. Dans le cas dun systme mono-antenne perturb par un signal interfrent dans un
canal de Rice, il semble dlicat de trouver une forme approche prcise de la probabilit
derreur. Cependant, pour tre plus armatif dans nos conclusions, il faudrait voir si lon
ne peut pas trouver des approximations exploitables de la fonction de Bessel modie de
premire espce I
0
(x).
115
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
4.4 Systme antennes multiples.
Lorsque lon considre la prsence dantennes multiples, les rsultats obtenus ne sont
pas tous extensibles facilement. De mme si plusieurs sources interfrentes sont considres,
il est plus ou moins dlicat dobtenir des formes inversibles de la probabilit derreur.
4.4.1 Systme diversit SIMO et prsence dun interfrent.
Modle du systme. Le signal reu en rception peut scrire [6] :
y(t) =
_
P
d
h
d
s
d
(t) +
_
P
i
h
i
s
i
(t) +n(t), (4.72)
avec s
d
(t) et s
i
(t) le signal dintrt et interfrent normaliss en puissance. Les constantes
P
d
et P
i
sont les puissances dmissions du signal dintrt et interfrent. On considre ici
que les signaux sont synchroniss. h
d
et h
i
sont les vecteurs des canaux de propagation
(dintrt et interfrent) non slectif en frquence, tels que h
dl
L
l=1
et h
il
L
l=1
sont les
coecients des canaux vus de chaque capteur en rception. Ils ne dpendent pas du temps
car ils sont considrs constants sur la dure du traitement qui est la dure symbole en
vanouissements rapides. De plus L est le nombre dantenne de rception. Le vecteur n(t)
est le vecteur bruit complexe tel que chaque composante est une variable alatoire de
moyenne nulle et de variance
2
.
A la rception, chaque composante du vecteur y(t) est pondre et combine grce
un vecteur de poids complexe w. La dirence entre les dirents types de rcepteur rside
dans le choix de ce vecteur. Le rcepteur MRC (Maximum Ratio Combining) choisit le
vecteur w de manire maximiser le rapport signal bruit en sortie du traitement (cest
un ltre adapt au canal SIMO) et donc w = h
d
/
2
. En prsence dinterfrence, la stratgie
optimale consiste utiliser un rcepteur OC (Optimum Combining). Ce rcepteur choisit
w de manire maximiser le SINR en sortie de traitement. Dans ce cas le vecteur de
traitement est w = R
1
ni
h
d
o R
ni
est la matrice de covariance du bruit et de linterfrence
dnie par [110] :
R
ni
= E
_
_
_
P
i
h
i
s
i
(t) +n(t)
__
_
P
i
h
i
s
i
(t) +n(t)
_
H
_
= P
i
h
i
h
H
i
+
2
I. (4.73)
Dans ce cas, le SINR instantan en sortie de traitement est maximal et scrit [110] :
t
= P
d
h
H
d
R
1
ni
h
d
. (4.74)
Le choix entre les deux types de traitement voqus ci-dessus est dict par les perfor-
mances que lon souhaite atteindre et surtout par les contraintes que lon simpose. En
eet, le traitement OC require la connaissance du canal du signal dsir et interfrent, ce
qui nest videmment pas toujours possible dans la pratique. Cependant, ce rcepteur pr-
sente une supriorit en performance par rapport au traitement MRC et son tude permet
donc de fournir des bornes suprieures sur les performances des systmes multi-antennes
diversit en milieu interfrent. Notre tude se porte donc sur ce type de traitement.
Pour appliquer une approche de la probabilit derreur par la fonction gnratrice des
moments, il est souhaitable dexprimer le SINR comme une somme de SNR instantan an
que la fonction gnratrice des moments du SINR global puisse tre exprime comme un
produit de MGF plus lmentaires. Pour cela il faut diagonaliser la matrice de covariance
R
ni
par une dcomposition en valeurs singulires, au moyen dune matrice unitaire U telle
que : U
H
R
ni
U soit une matrice diagonale dont les lments
1
,
2
, . . . ,
L
sont les
116
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
valeurs propres de la matrice de covariance. Les lignes de U sont les vecteurs propres de
R
ni
. A partir de cette transformation, on peut montrer que le SINR instantan en sortie
de traitement est [6] :
t
=
L
l=1
dl
, (4.75)
avec
dl
= P
d
|h
dl
|
2
/
2
correspond au SNR instantan lmentaire sur le l-ime capteur.
Par suite, la fonction gnratrice des moments conditionne sur les valeurs propres est
donne par le produit :
M
t|
1
,...,
L
(s) =
L
l=1
M
d
_
l
s
_
, (4.76)
avec M
d
(s) la MGF de chaque variable alatoire SNR sur les L capteurs avec pour valeur
moyenne
d
= P
d
/
2
qui reprsente le SNR moyen sur chaque antenne. Il a t montr
(voir par exemple [119, 110, 112, 115]) que les valeurs propres de la matrice de covariance
scrivaient :
l
=
_
_
_
P
i
L
n=1
|h
in
|
2
+
2
, l = 1
2
, l = 2, 3, . . . , L
(4.77)
ce qui signie que L1 valeurs propres sont constantes. Seule
1
est une variable alatoire.
Par consquent la MGF en (4.76) devient :
M
t|
1
(s) = [M
d
(s)]
L1
M
d
_
1
s
_
. (4.78)
Avec cette expression de la MGF, ainsi que la densit de probabilit de
1
qui dpend
de lenvironnement de propagation (Rayleigh, Rice, Nakagami), les probabilits derreurs
exactes peuvent tre drives [6, 112, 115]. Malheureusement ces formes sont toutes avec
une ou plusieurs intgrales qui nont pas de solution exacte. Les formules exactes de la
probabilit derreur en prsence dun interfrent dans dirents environnements peuvent
tre trouves en [6]. Pour donner des formes un peu plus manipulables, on peut avoir
recours quelques simplications dont nous allons parler dans la suite.
Canal de Rayleigh. La MGF conditionnelle sur
1
vaut dans ce cas :
M
t|
1
(s) =
1
(1 s
d
)
L1
_
1 s
d
_, (4.79)
et la densit de probabilit de la variable alatoire
1
vaut :
p
1
(
1
) =
1
(L)P
L
i
_
2
_
L1
exp
_
2
P
i
_
. (4.80)
Si lon considre une modulation M-PSK, la probabilit derreur conditionnelle est don-
ne par lquation (4.17), dont la fonction gnratrice des moments est donne en (4.79).
Enn la probabilit derreur exacte en prsence de linterfrence est obtenue en utilisant
la probabilit derreur conditionnelle et la densit de probabilit en (4.80) dans lqua-
tion (4.14). On ne peut pas obtenir une forme exacte de la double intgration obtenue. Cest
117
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
pour cette raison, que certains auteurs [110,112] ont eu lide de remplacer
1
par sa valeur
moyenne, supprimant ainsi lintgration sur cette variable. On pose donc
1
= LP
i
i1
+
2
,
avec
in
= E
_
|h
in
|
2
_
. En faisant cela on considre donc que linterfrent ne subit pas dva-
nouissement sur le court terme. Nous verrons dans quelle mesure cette approximation est
valide. En considrant que
in
= 1 pour tout n [1; L], on obtient comme approximation
de la probabilit derreur :
P
s
(E)
1
_
(M1)/M
0
_
sin
2
sin
2
+g
psk
d
_
L1
sin
2
sin
2
+
g
psk
d
1+L
i
d, (4.81)
avec
i
= P
i
/
2
. Cette intgrale peut-tre value sous forme exacte [6], mais cette forme
est assez complexe et ne peut pas tre inverse. Elle peut tre approche par la mthode de
Laplace expose au chapitre 1. On obtient la forme approche suivante pour la probabilit
derreur :
P
s
(E)
1 +L
i
(1 +g
psk
d
)
L
3
2
_
Lg
psk
d
(1 +g
psk
d
+L
i
) (1 +g
psk
d
+
i
(L 1))
.
(4.82)
Malheureusement cette quation nest pas soluble en
d
dans le cas gnral (L quel-
conque)
5
. Elle constitue cependant une approximation simple de la probabilit derreur
dune M-PSK, pour un systme multi-antennes la rception en prsence dun interfrent.
Dans le cas o lon considre un signal M-QAM, on utilise toujours la MGF en (4.79)
dans (4.41) pour calculer la probabilit derreur conditionnelle. La probabilit derreur
totale est calcule comme indiqu ci-dessus. Comme la probabilit derreur M-PSK, son
expression est complexe et ne possde pas de forme sans intgrale. Pour lapprocher on
remplace
1
par sa valeur moyenne dans (4.79). On obtient une somme de deux intgrales
de la MGF similaire au calcul classique de la probabilit derreur sans interfrence (seule
lexpression de la MGF est dirente). On approche donc la probabilit derreur laide
dune intgrale :
P
s
(E)
4g
_
/2
/4
_
sin
2
sin
2
+g
qam
d
_
L1
sin
2
sin
2
+
gqam
d
1+L
i
d, (4.83)
avec, on le rappelle, g = 1 1/
M et g
qam
= 3/(2(M 1)). On applique la mthode de
Laplace comme on la fait pour les signaux PSK et on obtient la forme approche suivante
dans le cas M-QAM :
P
s
(E)
(1 +L
i
)
(1 +g
qam
d
)
L
3
2
_
Lg
qam
d
(1 +g
qam
d
+L
i
) (1 +g
qam
d
+
i
(L 1))
.
(4.84)
Canal de Nakagami. Pour ce canal vanouissement, chaque lment du vecteur din-
terfrence est une somme de m
i
v.a. gaussienne i.i.d., ayant chacune une moyenne nulle
et une variance 1/m
i
. La variable alatoire

L
n=1
|h
in
|
2
est une variable du
2
centre
5
Elle pourrait cependant tre aisment rsolue en
i
.
118
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
2m
i
L degrs de libert. Par consquent la densit de probabilit de
1
est analogue celle
donne en (4.51) mais tendue au cas multi-antennes :
p
1
(
1
) =
m
m
i
L
i
(m
i
L) (P
i
)
m
i
L
_
2
_
m
i
L1
e
m
i
2
P
i
,
1

2
. (4.85)
Quant la fonction gnratrice des moments conditionne sur
1
, elle est analogue au
cas mono-antenne et vaut :
M
Naka
t|
1
(s) =
1
_
1 s

d
m
d
_
m
d
(L1)
_
1 s

2
m
d
d
_
m
d
. (4.86)
Il est vident, au vu de ce que lon a dit pour le canal de Rayleigh, quune forme exacte
sans intgrale pour les probabilits derreur (M-PSK ou M-QAM) est impossible obtenir.
Les formes approches vont sobtenir en remplaant la variable alatoire
1
par sa valeur
moyenne.
Les probabilits derreur des signaux M-PSK et M-QAM peuvent sapprocher respec-
tivement par :
P
psk
s
(E)
1
_
(M1)/M
0
_
sin
2
sin
2
+
g
psk
d
m
d
_
m
d
(L1)
_
_
sin
2
sin
2
+
g
psk
d
m
d
(1+L
i
)
_
_
m
d
d,
P
qam
s
(E)
4g
_
/2
/4
_
sin
2
sin
2
+
gqam
d
m
d
_
m
d
(L1)
_
_
sin
2
sin
2
+
gqam
d
m
d
(1+L
i
)
_
_
m
d
d,
Lapproximation de Laplace de ces deux intgrales donnent le mme rsultat aux
constantes de modulation prs. Dans un environnement de Nakagami-m, la probabilit
derreur dun signal M-PSK (respectivement M-QAM) en prsence dun interfrent et avec
un traitement OC sapproche par :
P
psk
s
(E)
m
Lm
d
d
(1 +L
i
)
m
d
(m
d
(1 +L
i
) +g
psk
d
)
m
d
(m
d
+g
psk
d
)
m
d
(L1)

(m
d
(1 +L
i
) +g
psk
d
) (m
d
+g
psk
d
)
(m
d
(1 +L
i
) +g
psk
d
m
d
i
) m
d
Lg
psk
(4.87)
P
qam
s
(E)
m
Lm
d
d
(1 +L
i
)
m
d
(m
d
(1 +L
i
) +g
qam
d
)
m
d
(m
d
+g
qam
d
)
m
d
(L1)

(m
d
(1 +L
i
) +g
qam
d
) (m
d
+g
qam
d
)
(m
d
(1 +L
i
) +g
qam
d
m
d
i
) m
d
Lg
qam
. (4.88)
Si m
d
= 1, on retombe sur les expressions obtenues pour lenvironnement de Rayleigh.
Ces expressions ne sont pas inversibles en
d
. Cependant elles constituent un moyen simple
dapprocher la probabilit derreur rapidement. On peut remarquer sur la gure 4.6 que
les deux approximations obtenues ci-dessus sont trs proches de la valeurs exactes du SEP
lorsque lon considre L = 4 la rception et un traitement OC. La moins bonne approxi-
mation est pour le cas 16QAM, mais lapproximation nest jamais loigne de plus dun
demi dcibel de la valeur exacte du SEP et ce quelque soit le paramtre dvanouissement
m
d
. On a trac le SEP pour m
i
= 3 et
i
= 0dB. Si le INR augmente les courbes sont
dcales vers les forts SNR mais la prcision reste identique.
119
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30
10
6
10
5
10
4
10
3
10
2
10
1
10
0
SNR
d
dB
S
E
P

Exacte m
d
= 1
Approx m
d
= 1
Exacte m
d
= 3
Approx m
d
= 3
Exacte m
d
= 6
Approx m
d
= 6
QPSK
16QAM
Fig. 4.6 Probabilit derreur exacte et approximative dun signal QPSK et 16-QAM avec
un interfrent co-canal en environnement de Nakagami. Le rapport INR est de 0dB et
m
i
= 3.
Canal de Rice. La fonction gnratrice des moments conditionnelle est :
M
Rice
t|
1
(s) =
1
_
1 s

2
d
(1+K
d
)
1
__
1 s

d
1+K
d
_
L1

exp
_
_
K
d
1 +K
d
s
_
_
d
1 s

2
d
(1+K
d
)
1
+
(L 1)
d
1 s

d
1+K
d
_
_
_
_
, (4.89)
et la densit de probabilit de la valeur propre
1
est celle dune variable du
2
non centre :
p
1
(
1
) =
1 +K
i
P
i
_
1 +K
i
LK
i
_
(L1)/2
_
2
P
i
_
(L1)/2
exp
_
_
LK
i
+ (1 +K
i
)

1
2
P
i
__
I
L1
_
_
2
LK
i
(1 +K
i
)

1
2
P
i
_
_
, (4.90)
o I
L1
(x) est la fonction de Bessel modie de premier espce dordre L1. Comme dans
les cas prcdents, aucune forme exacte (autres quavec des intgrales) nest disponible
pour le calcul de la probabilit derreur.
Pour le cas mono-antenne, on na pas pu proposer une approximation de la probabilit
derreur dans cet environnement. Dans le cas multi-antennes, on peut remplacer
1
par
sa valeur moyenne dans (4.89), comme nous lavons fait pour lenvironnement Rayleigh
ou Nakagami-m, et ainsi viter lintgration sur
1
. Que ce soit pour un signal M-PSK
120
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
ou M-QAM, on peut donc obtenir une approximation de la probabilit derreur avec une
seule intgrale que lon peut ensuite approcher par la mthode de Laplace. Les expressions
obtenues sont cependant trs lourdes et ne sont donc pas donnes ici. Comme dans le cas
Rayleigh ou Nakagami-m, elles ne sont pas inversibles en
d
.
4.4.2 Prsence dinterfrents multiples de mme puissance.
Deux cas de gures peuvent survenir dans cette situation. Premirement le nombre din-
terfrent est infrieur au nombre dantenne en rception, ou il est suprieur. Le deuxime
cas correspond typiquement un scnario de type UMTS CDMA. Le systme est gn-
ralement limit par les interfrences plutt que par le bruit AWGN du rcepteur et le
nombre de signaux interfrent N
i
est gnralement bien suprieur au nombre dantennes
L. Le nombre de degr de libert du systme dantenne est insusant pour permettre de
distinguer linterfrence du bruit. Le rcepteur OC traite le bruit et linterfrence comme
une seule entit et choue supprimer les interfrences.
Dans dautres systmes de tlcommunications cellulaires comme par exemple le GSM,
o le WLAN, linterfrence va tre due seulement quelques signaux dominants. Dans ce
cas, le nombre de degr de libert du systme dantenne peut tre susant pour avoir un
sous-espace dobservation du bruit dirent de celui des interfrences. Ainsi les interfrents
peuvent tre combattus et correctement rejets. Le cas o le nombre dinterfrents est
infrieur au nombre dantenne en rception est une extension du cas mono-interfrent.
Nombre dinterfrent infrieur au nombre dantennes. Le modle du systme doit
maintenant intgrer la prsence dinterfrent multiples :
y(t) =
_
P
d
h
d
s
d
(t) +
N
i
n=1
_
P
i
h
in
s
in
(t) +n(t). (4.91)
En supposant que les N
i
signaux interfrents sont indpendants alors la matrice de
covariance R
ni
est :
R
ni
= E
_
_
_
_
N
i
n=1
_
P
i
h
in
s
in
(t) +n(t)
__
N
i
n=1
_
P
i
h
in
s
in
(t) +n(t)
_
H
_
_
_
,
= P
i
N
i
n=1
h
in
h
H
in
+
2
I.
(4.92)
Le SINR maximum en sortie de traitement a toujours lexpression en (4.74). Cepen-
dant la dcomposition en valeur propres de R
ni
conduit maintenant N
i
valeurs propres
alatoires :
1
, . . . ,
N
i
et L N
i
valeurs propres gales
2
. Par consquent la fonction
gnratrice des moments du SINR en sortie de traitement sexprime encore sous forme dun
produit :
M
t|
1
,...,
N
i
(s) = [M
d
(s)]
LN
i
N
i
n=1
M
d
_
n
s
_
, (4.93)
avec
n
la nime valeur propre de la matrice de covariance R
ni
. La dicult consiste
maintenant dterminer les N
i
valeurs propres alatoires qui sont lies de faon complexe
la puissance totale reue par le systme dantenne [115].
121
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
En eet, lorsque le nombre dinterfrent est limit deux et quun environnement de
Rayleigh est considr, les deux valeurs propres alatoires
1
et
2
peuvent tre dtermines
de manires exactes (voir les travaux en [120] et [111]). Cependant leur expression dpend
du coecient de corrlation entre les vecteurs de propagations des deux signaux interfrents
h
i
1
et h
i
2
, ainsi que des deux INR instantans
i
1
et
i
2
. Dans un canal de Rayleigh, la
MGF conditionne sur les deux valeurs propres
1
et
2
est similaire (4.79) mais avec
une valeur propre en plus. Dans le cas o les vecteurs de propagations des deux signaux
interfrents sont orthogonaux (les deux v.a.
1
et
2
sont dcorrles), les densits de
probabilits des valeurs propres ont la mme forme que (4.80). La probabilit derreur dun
signal M-PSK sexprime laide dune intgrale triple dont lune delle peut tre calcule
sous forme exacte [120]. Aucune forme exacte sans intgrale nest cependant disponible.
An dobtenir des formes de la probabilit derreur un peu plus simples lorsque le
nombre dinterfrents est infrieur au nombre dantenne en rception, E. Villier dans [115]
applique la mme approche que celle vue lorsquil ny avait quun seul interfrent. Chaque
valeur propre alatoire est remplace par sa valeur moyenne, qui est suppose tre identique
pour toutes les valeurs propres, soit
i
= LP
i
+
2
, i = 1, 2, . . . , N
i
. Selon lauteur de [115],
la validit de cette approximation est justie pour le cas o le niveau dinterfrence est
lev par rapport la puissance du signal et o L N
i
. Sous ces conditions, le produit
N
i
n=1
M
d
_
2
n
s
_
dans (4.93) tend devenir insigniant compar au terme [M
d
(s)]
LN
i
.
Dans ce cas la MGF conditionne sur
1
(puisque
1
= . . . =
N
i
) dans un environnement
Rayleigh peut scrire :
M
t|
1
(s) =
1
(1 s
d
)
LN
i
_
1 s

d
1+L
i
_
N
i
, (4.94)
et la probabilit derreur dun signal M-PSK peut approximativement scrire :
P
s
(E)
1
_
(M1)/M
0
_
sin
2
sin
2
+g
psk
d
_
LN
i
_
_
sin
2
sin
2
+
g
psk
d
1+L
i
_
_
N
i
d. (4.95)
On peut noter la similarit de forme entre lexpression ci-dessus et le cas o lon a
considr un interfrent dans un canal de Nakagami-m. Comme dans le cas prcdent, on
pourrait appliquer la mthode de Laplace sur cette intgrale et obtenir une forme approche
sans intgrale et lexpression obtenue serait trs similaire celle donne en (4.87). La
probabilit derreur dun signal M-QAM sapprocherait de la mme manire.
Nombre dinterfrent suprieur ou gal au nombre dantennes. Ce scnario cor-
respond typiquement un systme UMTS en charge o le rcepteur (station de base ou
mobile) va tre limit par les interfrences plutt que par le bruit. Ce cas a bien t trait
dans la littrature. Les auteurs en [114] traitent le cas o le signal dintrt et les signaux
interfrents subissent un canal de Rayleigh. En [121, 122] le cas o le signal dintrt su-
bit un canal de Rice et les interfrents un canal de Rayleigh est tudi. Enn les auteurs
en [123] tendent ces derniers rsultats puisquils considrent les interfrents dans un canal
de Nakagami-m. Dans tous ces travaux, on cherche obtenir une expression de la densit
de probabilit ou de la fonction gnratrice des moments de la variable alatoire SIR
t
.
Les expressions obtenues sont assez complexes, et aucune forme simple et inversible de la
probabilit derreur ne peut tre drives dans ces cas.
122
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
4.4.3 Interfrents multiples et de puissances arbitraires.
Jusqu prsent les rsultats que nous avons donns ou mentionns, sont valides lorsque
les signaux interfrents ont la mme puissance moyenne. Lorsque ce nest plus le cas, les
rsultats sont compltement dirents. En [124] les auteurs tudient la probabilit derreur
dun signal M-PSK en prsence dinterfrents multiples de direntes puissances, pour
un rcepteur de type OC. Lexpression drive fait intervenir une seule intgrale borne
nie. Les auteurs arrivent trouver une forme exacte sans intgrale pour le cas dune
modulation BPSK. Cependant lexpression donne en [124] fait intervenir une quadruple
somme discrte du SNR, ce qui en fait une expression somme toute assez complexe.
4.4.4 Systmes MIMO et interfrents multiples.
Nous disons un mot sur le cas MIMO, bien que lon ne puisse pas driver des expressions
qui nous soient intressantes dans linversion de la probabilit derreur. On considre un
systme MIMO n
t
n
r
, limit par N
i
interfrents co-canal (le bruit thermique est donc
nglig). Le signal discret quivalent reu sur les antennes en rception est :
y = H
d
w
t
s
d
+
N
i
n=1
_
P
i
H
i,n
s
i,n
, (4.96)
avec s
d
et s
i,n
sont les signaux transmis du signal dintrt et du nime interfrent. Leur
puissance est normalise lunit. On suppose que tous les interfrents ont la mme puis-
sance moyenne P
i
. On a omis lindice temporel par commodit dcriture. Le vecteur w
t
re-
prsente les poids dmission sur les antennes lmission avec pour contrainte ||w
t
||
2
= P
d
(la puissance dmission est plafonne une certaine valeur). La matrice H
d
C
nrnt
re-
prsente la matrice du canal de propagation pour lutilisateur dintrt. Dun autre ct,
H
i,n
= (h
i,1,n
, h
i,2,n
, . . . , h
i,nr,n
)
T
est le vecteur du canal de propagation du signal interf-
rent vu au rcepteur. Donc les N
i
interfrents co-canaux peuvent tre rcris de manire
matricielle :
y = H
d
w
t
s
d
+
_
P
i
H
i
s
i
, (4.97)
avec :
H
i
=
_
_
_
_
_
h
i,1,1
h
i,1,2
. . . h
i,1,N
i
h
i,2,1
h
i,2,2
. . . h
i,2,N
i
.
.
.
.
.
.
.
.
.
.
.
.
h
i,nr,1
h
i,nr,2
. . . h
i,nr,N
i
_
_
_
_
_
nrN
i
, (4.98)
s
i
=
_
_
_
_
_
s
i,1
s
i,2
.
.
.
s
i,N
i
_
_
_
_
_
(4.99)
Traitement optimal. La recombinaison optimale (au sens du SIR maximum) au rcep-
teur est bien connue et est donne par :
w
r
= R
1
H
d
w
t
, (4.100)
123
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
o est une constante qui ne change pas la valeur du SIR en sortie de traitement. De plus
R = H
i
H
H
i
. Si un tel traitement est appliqu au rcepteur, le SIR est maximal et vaut :
t
=
1
P
i
w
H
t
H
H
d
R
1
H
d
w
t
. (4.101)
Il a t montr que la stratgie optimale dmission (lorsquune connaissance de ltat
du canal est disponible lmission) consistait choisir le vecteur w
t
tel que :
w
t
=
_
P
d
u
max
, (4.102)
o u
max
(||u
max
= 1||) est le vecteur propre correspondant la plus grande valeur propre de
la forme quadratique suivante : F = H
H
d
R
1
H
d
. Le SIR maximal en sortie de traitement
est donc :
t
=
P
d
P
i
max
, (4.103)
o
max
est la plus grande valeur propre de F. Autrement dit les performances dun sys-
tme MIMO avec de multiples interfrents co-canal sont entirement dtermines par la
statistique de
max
. Bien que la densit de probabilit de
max
ou sa fonction gnratrice
des moments est connue pour un certain nombre de cas (Rayleigh, Rice), elles nen sont pas
moins trs complexes, faisant intervenir des dterminants de matrices dans lesquelles ap-
paraissent le SIR. Par consquent, trouver des formes inversibles de la probabilit derreur
se rvle trs compromis.
4.5 Conclusion
Nous nous sommes intresss ltude de la probabilit de coupure lorsque le lien
radio tait aect par un ou plusieurs interfrents co-canal, pour des systmes mono ou
multi-antennes. Ltude des interfrences est essentielle dans lanalyse de performances des
systmes radios. Cest leet limitant de la capacit des rseaux cellulaires. Cependant les
scnarios ou lon peut obtenir des approximations inversibles de la probabilit derreur en
prsence dinterfrence sont peu nombreux. Nous avons nanmoins pu obtenir quelques
rsultats qui nous paraissent importants.
1. Nous avons propos une approximation simple et inversible de la probabilit derreur
(M-PSK, M-QAM) dun signal perturb par un interfrent co-canal tous deux en
canal de Rayleigh. Le SNR moyen est la solution positive dune quation du troisime
degr, dont les coecients ont t exprims exclusivement en fonction des paramtres
du systme (SEP moyen cible, modulation, puissance de linterfrence).
2. Lexpression du SNR moyen en fonction du SEP moyen et de la puissance moyenne
de linterfrent, permet de remonter la probabilit de coupure symbole, lorsque les
deux signaux subissent deux eets de shadowing dcorrls. La probabilit de cou-
pure symbole se calcul laide dune intgrale borne non nie. Nous proposons
une approximation de la probabilit de coupure symbole valable lorsque la puissance
moyenne du signal dintrt reue au rcepteur est grande compare celle de lin-
terfrent. Elle ne permet de prvoir que des probabilits de coupure infrieures 1%,
et lavantage dviter lvaluation dune intgrale innie.
3. Lorsque le signal dintrt et interfrent subissent tous deux un canal de Nakagami-m,
nous proposons une approximation asymptotique de la probabilit derreur. Lexpres-
sion obtenue est inversible par rapport au SNR, mais prcise seulement fort SNR.
124
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Cela permet de caractriser rapidement le comportement asymptotique du SEP, tout
en prenant en compte lvanouissement de linterfrent.
4. Nous proposons galement une nouvelle approximation prcise (mais non inversible)
de la probabilit derreur lorsque le systme possde plusieurs antennes en rcep-
tion et eectue un traitement OC, lorsque les interfrents sont infrieurs au nombre
dantennes.
Beaucoup de scnarios restent encore tudier. Notamment dans le cas o le signal
dintrt et interfrent subissent un vanouissement de Rice, o aucune forme simple de la
probabilit derreur na pu tre obtenue. Je pense personnellement que lon pourrait essayer
de chercher des approximations de la fonction de Bessel I
n
. Il en existe mais il faudrait
tudier leurs comportements.
Dans le cas dun systme MIMO, la probabilit derreur moyenne est extrmement
complique. Les formes exactes existent, mais font intervenir plusieurs dterminants de
matrices ce qui rend linversion analytique par rapport au SNR assez compromis.
Le problme de linterfrence est le point limitant dans les performances des systmes
de tlcommunications. Dans ce chapitre, nous avons vu linuence de la prsence din-
terfrence sur la probabilit derreur du signal dintrt. Le prochain et dernier chapitre
tudie les performances dun lien radio avec un algorithme de rjection dinterfrence.
125
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE
5
Dtection Multi utilisateurs
5.1 Introduction et position du problme
Linterfrence entre utilisateurs est leet limitant dans les rseaux cellulaires de part la
structure en cellule dun rseau de communication. Dans ce chapitre, nous nous appuyons
sur lexemple dun rseau de type WLAN (Wireless Local Area Network), qui est fortement
contraint en ressource spectrale lheure actuelle. En eet 14 canaux de 22MHz sont
disponibles sur une bande totale de prs de 83.5MHz (pour le standard 802.11g), leur
utilisation est trs rglement et la lgislation dpend du pays considr. Les ingnieurs de
planication sont contraints dutiliser peu de canaux non recouvrants an de limiter les
interfrences entre cellules adjacentes. En Europe par exemple, seuls les canaux 1, 5, 9 et
13 sont utiliss.
Les scnarios de dploiement envisags aujourdhui sont trs varis et vont de lenviron-
nement intrieur au dploiement sur de larges zones en extrieur. Quelque soit le scnario
envisag, chaque point daccs doit fournir lutilisateur une grande qualit de service
(QoS) surtout pour des services de voix sur IP par exemple. Lallocation maximale de 4
canaux non recouvrant est clairement insusante pour la densit de dploiement envisage
aujourdhui. Mais augmenter le nombre de canaux allous cest augmenter les interfrences
entre cellules. Considrons une cellule dintrt C
0
, la planication par coloriage [125] sti-
pule quau moins 4 canaux indpendants sont ncessaires pour viter les interfrences entre
utilisateurs dans le premier anneau. Le premier anneau est dni comme lensemble des
cellules directement adjacentes la cellule C
0
. Plusieurs stratgies de planication peuvent
tre envisages comme illustr sur la gure 5.1. Si une rutilisation agressive de la ressource
spectrale est permise, avec lutilisation de 4 canaux non recouvrant, les cellules adjacentes
C
0
ne gnrent pas dinterfrences pour celle-ci. En eet le premier anneau compte 6
cellules (sans C
0
) dans un modle hexagonale. On dispose de 4 frquences distinctes pour
7 cellules. On alloue la frquence f
1
C
0
, une autre frquence f
5
par exemple est alloue
deux cellules diamtralement opposes par rapport C
0
5.1a). Par contre, le deuxime
anneau rutilise la ressource spectrale de la cellule C
0
. Autrement dit, le deuxime anneau
produit de linterfrence co-canal (CCI pour "co-channel interference") importante sauf si
le contrle daccs au mdium (Medium Access Control : MAC) est capable de dtecter la
prsence dun interfrent. Si maintenant, on dispose non plus de 4 canaux non recouvrant
mais de 7 se chevauchant partiellement 5.1b), linterfrence co-canal est plus faible car plus
loigne de C
0
. Par contre, les cellules adjacentes produisent de linterfrence recouvrante
appele PCI (Partial Channel Interference). Il est vident quune telle planication sans
faire de traitement de linterfrence, ne fonctionne absolument pas. Un mobile et un point
daccs ne peuvent tenir une communication avec un interfrent recouvrant sans le traiter.
Il apparat donc naturel de chercher prendre en compte linterfrent au niveau du termi-
nal an daugmenter la densit de points daccs que lon peut dployer tout en gardant
une bonne qualit de service.
Aprs un tat de lart rappelant les travaux antrieurs sur la rjection dinterfrence,
nous nous penchons sur lanalyse thorique dun rcepteur multi-utilisateurs maximum
de vraisemblance (MUD-MLSE "Multi-User Detection Maximum Likelihood Sequence Es-
126
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CHAPITRE 5. DTECTION MULTI UTILISATEURS
timator"), en partant de la formulation de Ungerboeck et en la gnralisant au cas multi-
utilisateurs. Nous drivons une borne thorique suprieure pour la probabilit derreur
multi-utilisateurs en canal slectif et vanouissements lents. Nous nous proposons ensuite
dtudier les performances dun rcepteur multi-utilisateurs canaux recouvrants dans un
contexte WLAN. Nous proposons une mthode de rduction de la complexit du rcepteur
MUD-MLSE, puis nous tudions les performances dun systme IEEE 802.11b talement
de spectre mettant en oeuvre un dtecteur MUD-MLSE o une amlioration sensible des
performances est obtenue.
f1
f1
f9
f13
f5
f9
f13
f5
f13
C
C
I
f1
f9
f13
f3
f7
f11
f5
f5
o
v
e
r
l
a
p
o
v
e
rla
p
C
C
I
a) b)
f1 f5 f9 f13
f3 f7 f11
c)
f1
f1
f1
Fig. 5.1 Direntes stratgies de planication : a) allocation de 4 canaux entranant un
fort CCI ; b) allocation de 7 canaux entranant un chevauchement des bandes mais un plus
faible CCI ; c) Allocation des canaux en Europe pour le WLAN.
5.2 Annulation dinterfrence et rcepteur multi-utilisateurs
Sergio Verd a pos les bases du dtecteur multi-utilisateurs dans un contexte CDMA
avec plusieurs contributions majeures au dbut des annes 80 [126]. La dtection base
sur une technique MLSE confre un caractre doptimalit la dtection (en terme de
probabilit derreur) mais elle est dun cot prohibitif en terme de complexit de calcul.
Depuis beaucoup de travaux ont essay dobtenir les performances les plus proches des
bornes mono-utilisateurs tout en gardant une complexit de traitement raisonnable [127,
128].
La plupart des travaux sur la rjection dinterfrence essayent dannuler des interf-
rents co-canal. Un dtecteur linaire erreur quadratique moyenne minimale (LMMSE)
est propos en [129] an de luter contre la dispersion temporelle du canal et les interf-
rences co-canal dans la bande ISM. Le dtecteur propos ache des performances bien
meilleures que le rcepteur RAKE traditionnel. En [130], un dtecteur MAP (Maximum
A posteriori Probability) est utilis avec un systme MIMO an dliminer linterfrence
co-canal. Les auteurs expliquent que le systme dtection de porteuse (CSMA/CA) choue
frquemment viter deux communications simultanes et ils montrent quun traitement
de linterfrence permet de doubler la capacit du systme.
Des techniques de rjection aveugles ou semi-aveugle de linterfrence, lorsque peu din-
formation priori sur les interfrences est disponible, ont galement t tudies pour
liminer les interfrences co-canal [131, 132]. Les techniques multi-antennes voques dans
127
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
ce manuscrit sont galement trs tudies pour liminer les interfrences suivant une di-
rection spatiale donne [133]. Cependant une telle approche trouve ses limites dans les
environnements intrieurs fortement dispersifs, o le rayonnement des signaux interfrents
sur le rcepteur est relativement isotrope.
Paralllement cela, peu dattention a t accorde la minimisation dinterfrence
canal adjacent ou recouvrant. Ce type dinterfrence joue un rle crucial dans la limitation
des capacits des rseaux WLAN. Un travail trs important pour nous a t celui de
Arslan et al. en [134]. Les auteurs tendent le rcepteur MLSE aux cas o plusieurs canaux
se recouvrent partiellement pour des signaux de type GSM. Ils montrent que pour des
scnarios fortement contraint par linterfrence (recouvrement important, forte puissance
interfrente), un gain signicatif peut tre atteint grce au rcepteur multi-utilisateurs
MLSE. Une contribution intressante galement est celle de Dinis et al. dans [135], o
les auteurs dveloppent un rcepteur itratif dans le domaine frquentiel pour combattre
linterfrence canal adjacent ainsi que linterfrence entre symbole introduite par le canal.
Ils dmontrent quaprs quelques itrations, les performances du rcepteur sapprochent de
la borne mono-utilisateur sans interfrence.
5.3 Systme rjection dinterfrence par maximum de vrai-
semblance
Dans cette partie, nous tudions un rcepteur multi-utilisateurs bas sur le critre du
maximum de vraisemblance. Nous nous appuyons sur les travaux de Arslan et al. [134], qui
proposrent un rcepteur maximum de vraisemblance capable de grer les interfrences
co-canal et canal adjacent. Leurs travaux se basent sur la formulation de Ungerboeck [136],
et sappliquent aux signaux GSM. Nous verrons dans la section suivante que cette technique
peut tre trs utile dans un contexte WLAN canaux recouvrant.
5.3.1 Modle et quations du rcepteur
Rcepteur multi-utilisateurs gnral. Dans ce qui prcde, nous nous sommes limits
aux canaux plats. Nous considrons ici que les canaux puissent tre slectifs en frquence.
On considre galement un rcepteur large bande capable de ltrer et dchantillonner
plusieurs fois sa largeur de bande (ce qui est le cas en pratique, puisquaucun rcepteur
ne travail la frquence de Nyquist en rception). En WLAN, par exemple on peut aller
jusqu un surchantillonnage de 4 6 fois la frquence de Nyquist.
Si lon considre une squence de symbole {d
k
(n), n = 1, , N} sur la kime bande,
avec N la longueur de la squence considre. Le signal mis sur cette bande est :
x
k
(t) =
n
d
k
(n)h
f
(t nT
s
), (5.1)
o T
s
est le temps symbole et h
f
(t) la rponse impulsionnelle du ltre de mise en forme.
Les frquences porteuses des utilisateurs k et l sont spares de f
kl
= f (l k) o
f est lcart minimum entre les porteuses. Les signaux se propagent travers le canal
de propagation de rponse impulsionnelle h
k
(t) (relativement la bande k). Un bruit
AWGN de densit spectrale mono-latrale N
0
est ajout au rcepteur. En supposant que
lutilisateur i soit celui dintrt, le signal reu au rcepteur de cet utilisateur scrit :
y(t) =
n
d
i
(n)g
i
(t nT
s
) +
k
k=i
n
e
j2f
ik
t
d
k
(n)g
k
(t nT
s
) +n(t), (5.2)
128
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec g
k
(t) = h
f
(t) h
k
(t). g
k
(t) est donc la forme donde globale "mise en forme + canal
de propagation". Pour un systme non cod, la dtection optimale multi-utilisateurs est
obtenue au moyen dun dtecteur maximum de vraisemblance. En supposant la rponse
du canal et lespacement inter-porteuse connues, maximiser la vraisemblance des donnes
reues revient maximiser :
J
H
=
_
|y(t) y(t)|
2
dt, (5.3)
avec :
y(t) =
d
i
(n)g
i
(t nT
s
) +
k
k=i
n
e
j2f
ik
t

d
k
(n)g
k
(t nT
s
), (5.4)
o

d
i
et

d
k
sont les symboles dsirs du signal de la bande dintrt et des bandes adjacentes
respectivement que lon notera simplement par la suite d
i
et d
k
. En dveloppant (5.3), on
obtient une somme de 3 termes A
H
, B
H
et C
H
qui valent respectivement :
A
H
=
_
|y(t)|
2
dt,
B
H
=
n
Re {2d
k
(n)
k
(n)} , (5.5)
C
H
=
m
d
k
(n)d
l
(m)e
j2f
kl
mTs
s
kl
(n m), (5.6)
o
k
(n) est la sortie du ltre adapt la bande k chantillonne au temps symbole, s
kl
(n
m) est la fonction dintercorrlation entre la kime et la lime bande, chantillonne au
temps symbole. De plus :
k
(n) =
_
y(t)e
j2f
ik
t
g
k
(t nT
s
) dt, (5.7)
s
kl
(p) =
_
g
l
(t)e
j2f
kl
t
g
k
(t pt
s
)) dt. (5.8)
Par consquent, le critre en (5.3) peut sexprimer sous la forme dune somme discrte
de mtrique de branche :
J
H
=
n
2Re {d
k
(n)
k
(n)}
m
d
k
(n)e
j2f
kl
mTs
s
kl
(n m)d
l
(m), (5.9)
le terme A
H
est omis car cest un terme constant pour une observation y(t) donne et qui
est commun aux sommes de J
H
. La forme du critre obtenu en (5.9) est celle de [134] et est
similaire celle obtenue par Ungerboeck [136] dans le cas mono-utilisateur. Dans notre cas,
cest une gnralisation au cas multi-utilisateurs et multi-bandes dans des canaux slectifs
en frquence. Le premier terme dans la double somme ci-dessus correspond la sortie du
ltre adapt relatif la bande k, pondre par le symbole mis sur cette mme bande
linstant n. Le second terme dans la quadruple somme contient toutes les interfrences
entre symboles possibles. Il contient les interfrences entre symboles relatives la bande
k (pour tous k) dues ltalement temporel du canal de propagation g
k
(t), ainsi que
les interfrences entre symboles entre les bandes des dirents utilisateurs. Le critre ci-
dessus peut tre maximis avec un algorithme de Viterbi, an de retrouver les squences
129
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
de symboles mis les plus vraisemblables. Notons cependant que ce critre nest pas causal
et ne se prte pas une implmentation par un algorithme de Viterbi pour le moment,
mais nous y reviendrons plus tard.
5.3.2 Performance en terme de probabilit derreur
Dans cette section, nous adaptons lanalyse faites par Ungerboeck, elle-mme inspire
de celle de Forney [137], pour un rcepteur multi-utilisateurs multi-bandes maximum de
vraisemblance. Le comportement dun rcepteur MLSE est communment reprsent par
un treillis. Dans notre cas, la complexit du treillis est assez importante puisque celui-ci
possde M
K(L1)
tats, o M est lordre de la modulation, K le nombre dutilisateurs et L
est ltalement temporel du canal de propagation en nombre de symbole, suppos identique
pour tous les canaux. La mtrique en (5.9) sexprime comme une somme de mtrique de
branche lmentaire M
k
(n) :
J
H
=
n
M
k
(n), (5.10)
avec :
M
k
(n) = 2Re {d
k
(n)
k
(n)}
m
d
k
(n)e
j2f
kl
mTs
s
kl
(n m)d
l
(m). (5.11)
Lalgorithme de Viterbi maximise la mtrique (5.9) de manire retrouver les squences
des symboles mis sur chaque canal. Comme il y a K utilisateurs, on cherche dtecter
simultanment les K squences mises :
{d(n)}
N
n=0

_
_
_
_
_
{d
1
(n)}
N
n=0
{d
2
(n)}
N
n=0
.
.
.
{d
K
(n)}
N
n=0
_
_
_
_
_
. (5.12)
A linstant n, chaque tat du treillis est dni par les L 1 symboles les plus rcents
pour chaque bande. En utilisant une notation vecteur, on peut noter ltat q du treillis
multi-utilisateurs de la manire suivante (avec q = 1...M
K(L1)
) :
S
(q)
(n)
_
_
_
d
q
1
(n 1) d
q
1
(n 2) . . . d
q
1
(n L + 1)
.
.
.
.
.
.
.
.
.
.
.
.
d
q
K
(n 1) d
q
K
(n 2) . . . d
q
K
(n L + 1)
_
_
_. (5.13)
Pour viter dalourdir les notations par la suite, on omettra lindice q. On appelle m-
trique cumule linstant N1, la valeur de la mtrique telle que J
N1
=
K
k=1
N1
n=0
M
k
(n).
Une proprit intressante de cette quantit est que son valuation ne dpend que des va-
leurs des N+L1 premiers symboles d
k
(L + 1) , ..., d
k
(N 1) sur chaque canal. De plus
on peut crire : J
N
= J
N1
+
k
M
k
(N). Etant donne une transition S(n 1) S(n),
les symboles probables d(n) mis cet instant sont dtermins, et cela pour chaque tat
du treillis.
130
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
vnement erreur. Les dtecteurs maximum de vraisemblance sont trs similaires au
dcodage de codes convolutifs dcisions souples [5]. On peut dnir une squence erreur
qui correspond une squence estime
_
d(n)
_
dirente de la squence mise {d(n)} :
{e(n)} =
_
d(n)
_
{d(n)} . (5.14)
On suppose que le chemin estim dans le treillis diverge du chemin correcte linstant
n et le rejoint linstant n + . On a :

S(n) = S(n) et

S(n + ) = S(n + ) mais
S(m) = S(m) pour n < m < n +. Puisque le canal stend sur L symboles, on a L.
Une telle ralisation est appele "vnement erreur".
De plus, pour un vnement erreur on a :

d(n) = d(n) et

d(n+ L) = d(n+ L),
mais

d(m) = d(m), pour {n L + 1 m n 1} {n + L + 1 m n + 1}.
Un vnement erreur est dni comme :
: {e(n)} =
_
_
_
e
1
(n) e
1
(n + 1) . . . e
1
(n + L)
.
.
.
.
.
.
.
.
.
.
.
.
e
K
(n) e
K
(n + 1) . . . e
K
(n + L)
_
_
_. (5.15)
Pour quun vnement erreur survienne, il faut que 3 "sous-vnements" se ralisent :
1
: linstant n,

S(n) = S(n) ;
2
: Les symboles de chaque bande d(n), d(n + 1), . . . , d(n + L) sont tels que lajout
de la squence derreur e(n), e(n + 1), . . . , e (n + L) rsulte en lobtention dune
squence

d(n),

d(n + 1), . . . ,

d(n + L) prenant ses valeurs dans lalphabet de la
modulation;
3
: Pour n m < n+ la somme des mtriques de branches du chemin estim excde la
somme des mtriques du chemin correcte.
La probabilit que lvnement
2
soit ralis ne dpend que du type des constellations
mises. La probabilit que
1
soit ralis dpend du bruit intervenant dans la ralisation de
lvnement
3
. Mais la probabilit conditionnelle de
1
sur
3
est donne par P (
1
|
3
) =
1 P
s
(E), o P
s
(E) est la probabilit derreur symbole [5]. Pour des faibles valeurs de
P
s
(E), la probabilit conditionnelle est majore par 1. Par consquent, la probabilit quun
vnement erreur survienne est :
P () = P (
3
) P (
2
) P (
1
|
3
) , (5.16)
P () P (
3
) P (
2
) . (5.17)
Probabilit de ralisation de
3
. La probabilit que le sous-vnement
3
soit ralis
est la probabilit que lon ait :
J
H
({d(n)}) < J
H
({d(n)} +{e(n)}) . (5.18)
On peut montrer (annexe A.4) que cette probabilit est quivalente la probabilit
que :
d
2
()
k,l,n,m
e
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m) <
n
2Re {e
k
(n)v
k
(n)} , (5.19)
131
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
avec d () la distance euclidienne de lvnement erreur considr et

k,l,n,m
est une
notation pour reprsenter 4 sommes simples respectivement sur k, l, n et m an de ne pas
trop alourdir les expressions. La variable v
k
(n) correspond au bruit ltr par le ltre adapt
la bande k et chantillonn au temps symbole. Le terme de droite dans lingalit (5.19)
est une variable alatoire gaussienne complexe moyenne nulle et de variance (annexe A.4) :
E
_
_
n
2Re {e
k
(n)v
k
(n)}
2
_
_
= 2
2
d
2
() , (5.20)
avec
2
la variance du bruit complexe en entre du rcepteur (5.2). Par consquent, la
probabilit que lvnement
3
soit ralis est gale la probabilit que la variable alatoire
gaussienne

k
n
2Re {e
k
(n)v
k
(n)} de variance 2
2
d
2
() excde la valeur d
2
() dnie
en (5.19). Cette probabilit est trs connue et vaut :
P (
3
) = Q
_
d ()
2
2
_
. (5.21)
Etude de la probabilit de
2
. Dans [137] et repris dans [5], on trouve lexpression de
P (
2
) pour une modulation M-PAM et mono-utilisateur. Dans ce cas, les symboles {d(n)}
mis et
_
d(n)
_
estims, prennent leurs valeurs dans lalphabet M-PAM. Par consquent
la suite derreur {e(n)} prend ses valeurs dans 2 (1, 2, . . . , M 1), avec lamplitude
minimale du signal. Si on normalise lerreur faite par 2, alors pour une erreur de la forme
|e(n)| = j, j = 1, . . . , M 1, il y a clairement M j valeurs possibles pour choisir {d(n)}.
Si par exemple, linstant n lerreur normalise vaut M 1 (respectivement (M 1)),
alors il y a 1 seule valeur possible de d(n), celle situe lextrmit ngative (respecti-
vement positive) de la constellation M-PAM; toutes les autres conduisant des niveaux
non acceptables une fois que lerreur leur ait t ajoute. Lexpression de P (
2
) peut tre
trouve dans [137] et vaut (dans le cas M-PAM) :
P (
2
) =
L
n=0
M |e(n)|
M
, (5.22)
en supposant que les symboles dinformations sont quiprobables et que les symboles dans
la squence transmise sont statistiquement indpendants.
Dans [136], lexpression de la probabilit de lvnement
2
nest pas explicitement
donne, car lauteur ne considre plus seulement une modulation M-PAM. Ds lors o
lon a une constellation complexe, le principe est le mme mais seulement on ne peut plus
exprimer lerreur simplement comme en (5.22) car on a une dimension supplmentaire (celle
de laxe imaginaire). Autrement dit, pour une "distance" derreur donne, l o on lon
avait une direction possible en M-PAM (axe des rels), nous en avons plusieurs (deux ou
plus selon la taille de la constellation) pour une modulation complexe. Considrons une
modulation QPSK. La suite derreur {e(n)} prend ses valeurs dans 2 (1, j, 1 j). La
norme de lerreur donne la distance euclidienne entre le symbole estim et le symbole mis.
Mais pour une erreur de la forme ||e(n)|| = j, j = 1, 2
2, il ny a pas M j valeurs
possibles de choisir {d(n)} (puisque j nest plus forcment un entier). Cela dpend de
la "multiplicit" de la distance considre selon la forme de la constellation. Dans le cas
QPSK, si la norme de lerreur vaut 1, cela peut correspondre une transition "verticale" ou
"horizontale" ; la norme de lerreur ne sut plus nous renseigner sur le nombre de choix
possibles pour les symboles candidats. Si lerreur linstant n vaut e(n) = 2j, alors les
132
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
deux symboles daxes respectives + j et + j sont des positions acceptables pour
d(n). Nanmoins pour une modulation M-QAM rectangulaire, si la norme de lerreur est
minimale, cest dire 2, alors il y a M(M 1) valeurs acceptables pour d(n).
Le problme se complique srieusement si lon rajoute cela du multi-utilisateurs. Nous
ne chercherons dailleurs pas trouver une forme exacte de la probabilit de lvnement
P (
2
), mais nous ferons une tude de cas.
Probabilit derreur symbole. On appelle F lensemble de tous les vnements erreurs
possibles commenant linstant n, alors la probabilit que nimporte quel vnement
erreur survienne linstant n est borne par [137] :
P (F)
F
P () . (5.23)
Soit lensemble des distances euclidiennes d () et pour chaque d , on note F
d
le
sous-ensemble des vnements erreurs pour lesquels d () = d. Toujours en suivant les tapes
donnes en [137], on peut tendre le rsultat de G.D. Forney au cas multi-utilisateurs :
P (F)
d
Q
_
d ()
2
2
_

F
d
P (
2
) . (5.24)
On peut exprimer la probabilit derreur symbole conjointe, cest--dire la probabilit
que lon commette une erreur sur d, en reprenant les notations de [137] :
P
d
(E)
d
Q
_
d ()
2
2
_

F
d
w() P (
2
) , (5.25)
o w() est le nombre de "symbole vecteur" errons par vnement erreur . La fonction
gaussienne Q dcrot trs vite, et pour des puissances de bruit modres, la somme sur la
fonction Q sera domine par le terme impliquant la distance euclidienne minimale d
min
de
d (). La probabilit derreur symbole conjointe est bien approche par
P
d
(E) Q
_
d
min
2
2
_

F
d
min
w() P (
2
) , (5.26)
avec :
d
2
min
= min
F
_
K
k=1
K
l=1
L
n=0
L
m=0
e
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m)
_
. (5.27)
Lvaluation de d
min
ci-dessus est un problme lorsque s
kl
(nm) = 0 quand n = m. Ce
qui est le cas lorsque lon a de linterfrence entre symboles due ltalement temporel du
canal, ou mme avec des canaux plats mais avec de linterfrence bande adjacente comme
cest le cas ici. En eet, si lon prend une mise en forme en racine de Nyquist par exemple,
la convolution dun racine de Nyquist avec un racine de Nyquist sur une bande adjacente
ne donne pas un ltre respectant le critre de Nyquist. Donc pour dterminer d
min
dans le
cas gnral, il faudrait mettre en oeuvre un algorithme de recherche de type Viterbi an
de dterminer la squence derreur qui minimise le critre ci-dessus. On ne peut donc pas
donner de forme plus aboutie que celle-ci pour la probabilit derreur conjointe dans le cas
gnral.
133
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Canaux plats et interfrences co-canal. Nous nous plaons dans un cas o il ny a pas
dinterfrences entre symboles. Tous les utilisateurs utilisent le mme canal de propagation.
Dans ce cas lexpression en (5.27) devient :
d
2
min
= min
F
_
K
k=1
K
l=1
L
n=0
e
k
(n)s
kl
(0)e
l
(n)
_
. (5.28)
De plus, le terme rsultant de la double somme sur k et l tant rel positif, tout chemin
estim dans le treillis qui scarte du chemin correcte linstant n et qui le rejoint un
instant plus grand que n +2 ne pourra en aucun cas tre candidat d
min
. Autrement dit,
sans interfrence entre symbole on a :
d
2
min
= min
F
_
K
k=1
K
l=1
e
k
(n)s
kl
(0)e
l
(n)
_
. (5.29)
La distance minimale nest atteinte que lorsquil ny a quun symbol faux : w = 1.
2 utilisateurs BPSK. Sans perte de gnralit, on considre que les deux squences de
symboles transmises sont {d
1
(n)}
N
n=0
= 1 pour le premier utilisateur et {d
2
(n)}
N
n=0
= 1
pour le second. La gure 5.2 reprsente plusieurs vnements erreurs susceptibles davoir
une distance minimale. Calculons les distances associes aux dirents chemins reprsents
sur la gure 5.2.
Dans notre exemple deux utilisateurs, la distance minimale dans (5.29) est calcule
pour K = 2. Pour le chemin en rouge, qui correspond une erreur sur la voie 2, on a donc
e
1
= 0 (pas derreur sur cette voie) et e
2
= 1 1 = 2. Pour le chemin vert : e
1
= 2 et
e
2
= 0. Enn pour le chemin bleu : e
1
= 2 et e
2
= 2. Les distances correspondant ces
trois cas sont respectivement :
0 s
11
(0) 0 + 2 s
22
(0) 2 0 s
12
(0) 2 2 s
21
(0) 0 = 4s
22
(0), (5.30)
2 s
11
(0) 2 + 0 s
22
(0) 2 2 s
12
(0) 0 0 s
21
(0) 2 = 4s
11
(0), (5.31)
2 s
11
(0) 2 + 2 s
22
(0) 2 + 2 s
12
(0) 2 + 2 s
21
(0) 2 = 4 (s
11
(0) +s
22
(0)+
s
12
(0) +s
21
(0)) .
(5.32)
Transitions:
1
1
- 1
1
-
1
1
-
-
1
1
Etats:
1
1
1
1
-
1
1 -
1
1
-
-
Fig. 5.2 Treillis pour une dtection conjointe de deux signaux BPSK dans un canal sans
mmoire.
134
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Notons que lvnement erreur correspondant au chemin bleu peut tre celui ayant
la distance euclidienne minimale, selon la valeur de la partie relle de s
12
. En eet dans
certains cas, elle peut tre infrieure la distance euclidienne du chemin rouge ou vert.
En ce qui concerne la somme dans (5.26), on peut la calculer assez simplement dans
notre cas. On peut reprendre la mthode utilise dans [136]. La squence erreur est rduite
a un seul lment au temps n arbitraire :
_
e
1
(n)
e
2
(n)
_
=
_

d
1
(n)
d
2
(n)
_
_
d
1
(n)
d
2
(n)
_
, (5.33)
on omettra par la suite lindice n, puisquil na plus aucune importance. Notre situation
revient avoir un signal avec une "super-constellation" M
K
tats, ici 2
2
= 4 tats. Pour
calculer le terme avec la somme dans (5.26), il faut calculer les probabilits de transitions
de distances minimales dans la "super-constellation" entre le vecteur symbole estim

d et le
vecteur symbole mis d. En rpertoriant tous les vecteurs derreurs e possibles pour chaque
couple de symbole potentiellement mis : (1, 1), (1, 1), (1, 1) et (1, 1), (il y en a 12 ;
3 pour chaque couple de symboles), on peut reprsenter les distances derreurs minimales
et leur probabilit de ralisation comme sur la gure 5.3 (en supposant que chaque symbole
sur les deux voies sont quiprobables). Par consquent la somme dans (5.26) est (on rappelle
que w = 1) :

F
d
min
P (
2
) = 2
_
2
4
+
2
4
_
= 2. La probabilit derreur symbole conjointe
est donc majore par :
P
d
(E) 2Q
__
2 min {s
11
+s
22
; s
11
+s
22
+s
12
+s
21
}
2
_
. (5.34)
2
1
4
2
=
2
1
4
2
=
2
1
4
2
=
2
1
4
2
=
1
e
2
e
Fig. 5.3 Distances minimales derreur possibles et leur probabilit dapparition.
135
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 1 2 3 4 5 6 7 8 9 10
10
4
10
3
10
2
10
1
10
0
SNR
S
E
R

Conjoint simu
Conjoint borne sup
MLSE voie 1
MLSE voie 2
Voie 2 borne sup
Fig. 5.4 Borne suprieure de la probabilit derreur conjointe de deux signaux BPSK en
canal gaussien.
Sur la gure 5.4, on trace la borne suprieure obtenue en (5.34) ainsi que les perfor-
mances obtenues en simulation. On simule donc deux utilisateurs co-canal, utilisant une
modulation BPSK dans un canal gaussien un coecient (une ralisation pour chaque
utilisateur).
Notons galement que lon peut obtenir une borne suprieure pour chacune des voies si
on le dsire. Si lon sintresse lutilisateur qui a la probabilit derreur minimale, il sut
de prendre le maximum entre s
11
, s
22
et s
11
+s
22
+s
12
+s
21
dans lquation (5.34) :
P
min
s
(E) 2Q
_
_
2SNR
max
_
, (5.35)
avec SNR
max
=
Es max{s
11
;s
22
;s
11
+s
22
+s
12
+s
21
}
2
et E
s
= 1 dans le cas dune BPSK. Notons
que si on prend le minimum (comme pour le conjoint) on majore les performances de
lutilisateur ayant la moins bonne probabilit derreur. Sur la gure 5.4, nous traons la
borne suprieure pour lutilisateur 2. Le SNR est rajout par rapport la puissance de
lutilisateur 1 considr comme lutilisateur dintrt.
Il est clair que les performances que lon retrouve ici sont similaires un signal QPSK
mono-utilisateur. Mais ltude mene ici est extensible aux modulations dordres sup-
rieures sans aucun problme. Lespace des possibles pour le calcul de la somme en (5.26)
est simplement un peu plus important.
5.3.3 SEO pour le signal dintrt.
On peut ventuellement calculer la probabilit de coupure symbole dun utilisateur
particulier en prsence de shadowing, mais seulement dans un cas simple comme celui
que nous venons dillustrer. La fonction gaussienne Q peut sinverser avec lapproximation
donne par [118] et rappele en (4.39). Avec le changement de variable, X = e
x
2
6
, on
136
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
rsout par radicaux une quation du 4me degr et on peut ainsi remonter au SNR.
5.3.4 Etude dans le cas gnral : prsence dIES.
Dans le cas o lon a de lIES (s
kl
(n m) = 0 lorsque n = m), ltude thorique
est beaucoup plus dlicate comme mentionn plus haut. On pourrait tablir des condi-
tions susantes (mais non ncessaires) sur lIES de faon ce que la distance euclidienne
minimale d
2
() soit celle correspondant une absence dinterfrence entre symbole en
procdant comme en [136]. Cependant, cela ne nous donne pas une formule thorique ap-
plicable quelque soit la forme des s
kl
. Pour cette raison, les performances dun systme
multi-utilisateurs multi-bandes peuvent tre tudies par simulation. Cest ce que nous
nous proposons de faire dans la section suivante, au travers dun exemple dapplication :
le WLAN.
137
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
5.4 Rjection dinterfrence en WLAN
5.4.1 Dtecteur MUD-MLSE sans talement de spectre
Nous avons donn dans la section prcdente le rcepteur maximum de vraisemblance
que proposrent Arslan et al. dans [134]. Le modle du systme est toujours celui donne
en (5.2). La mtrique de branche M
k
(n) en (5.11) nest cependant pas causal et ne permet
pas une implmentation en ltat. Par un changement de variable p = n m et en suivant
les tapes donnes en [138], cette mtrique peut se rcrire comme suit :
M
k
(n) = Re
_
d
k
(n)
_
2
k
(n) d
k
(n)s
kk
(0) 2
p>0
d
k
(n p)s
kk
(p)
l
l=k
p
d
l
(n p) e
j2f
kl
(np)Ts
s
kl
(p)
__
. (5.36)
Cette mtrique nest toujours pas causale puisque la deuxime somme sur p est valable
mme pour des valeurs ngatives de cet indice. La forme causal peut facilement tre obtenue
en dplaant les termes non causals de M
k
(n), faisant intervenir d
l
(np) avec p < 0, dans
M
l
(n), l = k. Cette opration conduit donc la mtrique modie causale suivante :
M
c
k
(n) = Re
_
d
k
(n)
_
2
k
(n)
l
d
l
(n) e
j2f
kl
nTs
s
kl
(0)
2
p
p>0
d
l
(n p) e
j2f
kl
(np)Ts
s
kl
(p)
__
. (5.37)
La gure 5.5 reprsente un rcepteur multi-utilisateurs 3 canaux de traitement. Les
ltres g
0
(t), g
1
(t) et g
1
(t) reprsentent respectivement les ltres adaptes la forme
donde globale pour le canal dintrt et pour deux canaux adjacents situs de part et
dautre du spectre du signal dintrt. Aprs le ltrage adapt la forme donde globale, les
chantillons sont traits de faon conjointe dans le dtecteur maximum de vraisemblance
dont la mtrique est donne en (5.37). Dans la pratique le ltrage adapt la forme donde
globale par g
k
(t) peut se sparer en deux tapes : un ltrage adapt la mise en forme
h
f
(t), suivit dun chantillonnage au temps symbole et enn un ltrage adapt au canal au
rythme symbole comme cela est illustr en [134]. Avec ce partitionnement, seule la rponse
impulsionnelle du canal ramene au temps symbole est ncessaire. Pour notre analyse, nous
supposerons que les canaux sont parfaitement connus au rcepteur.
Rduction de la complexit du rcepteur MUD-MLSE. Nous avons vu que le
rcepteur MUD-MLSE possde une complexit en O(M
K(L1)
), ce qui peut devenir vite
important lorsque le nombre dutilisateurs pris en compte augmente et/ou que ltalement
temporel du canal devient grand. Le signal dintrt et linterfrent ne vont pas subir la
mme ralisation instantane du canal large bande ; les rponses impulsionnelle des canaux
pour un paquet considr peuvent introduire une importante asymtrie dans la fonction
dintercorrlation s
kl
(p). Considrons par exemple les rponses impulsionnelles suivantes :
|h
k
| = [0.815 0.407 0.320 0.227 0.127]
|h
l
| = [0.227 0.460 0.688 0.460 0.227]
(5.38)
138
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
FA formedonde
( )
e
nT g -
*
1
FA formedonde
( )
e
nT g -
-
*
1
Dtecteur
MUD-MLSE
Echantillonnage
largebande
e
T
) (t y
( )
e
fnT j
e
D - p 2
FA formedonde
( )
e
nT g -
*
0
( )
e
fnT j
e
D p 2
s
T
Fig. 5.5 Rcepteur multi-canaux dcodage par maximum de vraisemblance.
Sur la gure 5.6 nous traons les coecients des fonctions dautocorrlation et intercorr-
lation gnralises s
kk
, s
ll
, s
kl
, s
lk
avec un facteur de surchantillonnage de 6. Cette gure
montre clairement que les coecients de plus haute nergie de la fonction dintercorrla-
tion s
kl
(ou s
lk
qui est son symtrique hermitien) napparaissent pas au mme retard que
ceux de la fonction dautocorrlation s
kk
(ou s
ll
). En consquence, le nime symbole de
la bande l nest pas celui qui interfre le plus avec le nime symbole de la bande k
linstant n.
Le dtecteur conjoint bas sur (5.37) prend en compte tous les coecients non nuls
des fonctions dauto et intercorrlation partir du retard nul, ce qui implique un grand
nombre dtat dans llaboration du treillis. Avec les fonctions de la gure 5.6, un nombre
de L = 5 coecients sont ncessaires au dtecteur optimal pour que toutes les interfrences
entre symboles soient prises en compte, ce qui implique 2
24
= 256 tats si lon considre
une modulation BPSK pour les deux signaux.
Selon la rpartition dnergie des fonctions dintercorrlations, on peut envisager de ne
pas prendre en compte tous les coecients non nuls comme le ferait le dtecteur optimal.
En eet, en dcodant le symbole n de la bande dintrt i avec le symbole n +
k
de la
bande k = i et
k
Z, on peut rduire le nombre dtat implmenter dans lalgorithme
de Viterbi. Sous la contrainte de causalit, et en intgrant cette nouvelle synchronisation
on obtient une nouvelle mtrique :
M
c
k
(n) = Re
_
d
k
(n +
k
)
_
2
k
(n +
k
)
l
d
l
(n +
l
) e
j2f
kl
(n+
l
)Ts
s
kl
(
k
l
)
2
p
p>0
d
l
(n +
l
p) e
j2f
kl
(n+
l
p)Ts
s
kl
(p +
k
l
)
__
(5.39)
Notons que la mtrique ci-dessus est sous optimale et que linterfrence entre symbole
rsiduelle va limiter les performances. Cependant, si lon accepte davoir un plancher der-
reur, susamment bas tout de mme pour garantir une communication able, on peut
rduire la complexit du dtecteur de manire signicative.
139
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
10 5 0 5 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Symbol Number
M
a
g
n
i
t
u
d
e

o
f

A
u
t
o

a
n
d

C
r
o
s
s
C
o
r
r
e
l
a
t
i
o
n

F
u
n
c
t
i
o
n

|s
kk
|
|s
ll
|
|s
kl
|
|s
lk
|
Fig. 5.6 Fonction dautocorrlation et dintercorrlation gnralises entre les bandes k
and l avec les ralisations instantanes des canaux en (5.38).
Choix du dcalage optimal. Dans la situation o lon ne prend pas en compte tous les
coecients dintercorrlations, le dcalage
k
est choisi de telle manire ce que lnergie
des coecients des fonctions dintercorrlations soit maximale :

k
= arg max
k
Z
(Lc1)
p=(Lc1)
|s
ik
(p +
k
)|, (5.40)
avec L
c
< L le nombre de coecients pris en compte par lalgorithme de Viterbi et
k
Z
tant le dcalage considr.
On peut noter dautres travaux proches de la technique introduite ici mais cependant
non redondants. Les auteurs en [139] proposent un algorithme bas sur la connaissance de
la rponse impulsionnelle du canal au rcepteur permettant de rduire galement le nombre
dtat du Viterbi. Lalgorithme est probabiliste et value chaque instant dans le treillis,
la probabilit dliminer un tat atteignable. Selon la valeur de cette probabilit ltat est
limin ou gard. Notre approche simplement base sur la rpartition de lnergie sur la
rponse impulsionnelle du canal est plus simple. En [140], les auteurs proposent de rduire
la mmoire du canal CDMA dans un rcepteur multi-utilisateurs. Ces travaux sont les plus
proches de ceux prsents ici, mais dirent de par leur application ainsi que par le fait que
leur algorithme ne prend pas en compte linterfrence dans la rduction du nombre dtat,
puisque lorgane de dcision est mono-utilisateur.
Performances en simulation. Nous considrons une station mobile traitant deux utili-
sateurs de faon conjointe. On considre que les deux utilisateurs ont la mme modulation
(BPSK), quils ont t dtects et que le rcepteur sest correctement synchronis sur les
deux trames. Les deux signaux passent travers deux canaux qui nont pas le mme prole
de puissance. Le premier canal est caractris par une rponse impulsionnelle stalant sur
140
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
5 symboles et le prole suivant : [0, -2, -5, -10, -15]dB. Cet environnement modlise une
communication avec vue directe entre un mobile et une station de base. Une deuxime
communication est enclenche entre un autre mobile et la mme station de base sur le
canal directement adjacent en frquence au premier canal. Du point de vue du premier
rcepteur le signal interfrent passe travers un canal dont le prole de puissance est :
[-10, -5, 0, -2, -4]dB et modlise une communication sans vue directe entre le mobile in-
terfrent et le mobile eectuant le traitement conjoint. La gure 5.7 illustre ce scnario de
communication.
On considre de plus que les rponses impulsionnelles des canaux sont parfaitement
connues au rcepteur et sont constantes sur la dure dun paquet et change dun paquet
lautre. Les deux signaux sont mis en forme par un ltre racine de Nyquist (RRC) avec
un facteur de retomb de = 0.33. Cette valeur est arbitrairement choisie. Lexprience a
montr que les performances taient peu sensibles ce paramtre. La longueur des paquets
est xe 1000 symboles et la dure dun symbole est xe 90ns qui correspond la
dure dun chip dans le standard IEEE 802.11b.
La gure 5.8 illustre le BER moyen en fonction du SNR par bit lentre du rcepteur
pour direntes valeurs L de la mmoire du canal prise en compte avec et sans dcalage
optimal. Le rapport signal interfrence (SIR) est x 0dB et le recouvrement spectral
des canaux est de 65% (f T
s
/(1 + ) = 0.35). Notons quun recouvrement spectral de
65% correspond un espacement entre porteuse de 5MHz pour les paramtres de notre sys-
tme. Sur toutes les gures la courbe rfrence "MLSE with PCI" donne les performances
dun rcepteur maximum de vraisemblance ne tenant pas compte de linterfrence canal
adjacent. La gure montre clairement que sans rjection dinterfrence, une communication
ne peut pas avoir lieu. Un systme mettant en oeuvre un dcalage adaptatif en fonction
de lnergie de la fonction dintercorrlation permet damliorer les performances pour des
valeurs sous-optimales de L (L < 5). Par exemple, pour E
b
/N
0
= 15dB et L = 4 le taux
derreur bit est rduit dun facteur 10 avec un systme dcalage. Par contre on peut
remarquer une saturation du BER lorsque la mmoire du canal prise en compte nest pas
BS1
BS2
MS1
MS
MS
MS
MS
PDP1
PDP2
Fig. 5.7 Scnario dinterfrence entre deux utilisateurs.
141
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
optimale. Cela est d la prsence dinterfrence entre symbole non prise en compte dans
le dtecteur de Viterbi.
0 5 10 15
10
4
10
3
10
2
10
1
10
0
Eb/No (dB)
B
E
R

MLSE With PCI
No shift L = 3
No shift L = 4
optimal statespace L = 5
optimal shift L = 3
optimal shift L = 4
Fig. 5.8 BER moyen en fonction de Eb/No, pour direntes valeurs de la mmoire du
canal L, avec et sans rduction de la complexit. Recouvrement spectral entre canaux de
65% et SIR = 0dB.
Un autre paramtre intressant, comme nous avons pu le voir dans les chapitres prc-
dents, est la probabilit de coupure. Sur la gure 5.9 on reprsente la probabilit compl-
mentaire de la probabilit de coupure qui est la CDF (Cumulative Density Function) de
la variable alatoire BER sur lensemble des ralisations du canal. Nous avons donc ici la
probabilit que le BER soit en dessous dune certaine valeur pour dirents L et pour un
dtecteur avec et sans dcalage, mais sans shadowing. Pour un dtecteur de Viterbi 16
tats (cest--dire pour L = 3), la probabilit dobtenir un BER infrieur ou gale 10
3
est de 68% avec un dcalage optimal alors quelle est seulement de 40% avec lapproche
standard. Si nous considrons une mmoire de canal de L = 4, la probabilit davoir un
BER au plus gale 10
3
est de 95% et de 85% pour lapproche sans dcalage. Pour ce
dernier cas de gure, la probabilit de coupure est faible (5%) si lon met en oeuvre lalgo-
rithme du dcalage optimal, et le nombre dtat du Viterbi passe de 256 tats (L = 5)
64 tats (L = 4), soit une rduction de 75% de la complexit.
La gure 5.10 donne lvolution du BER en fonction de lespacement entre porteuse.
La puissance du signal interfrent est gale la puissance du signal dintrt et le SNR
est 15dB. Plus le recouvrement spectral augmente et plus les performances se dgradent
comme on peut sy attendre. Cependant un gain important peut tre atteint mme avec
un espacement entre porteuse de 3MHz. En eet avec une mmoire canal de L = 4,
le BER est amlior dun facteur 10 avec la mtrique drive en (5.39) par rapport
la mtrique classique (5.37). On peut galement remarquer que les BERs atteints par
les dtecteurs de Viterbi avec ou sans dcalage convergent lorsque lespacement entre les
bandes augmente. Linterfrence entre bande diminuant, les deux mtriques (5.37) et (5.39)
deviennent quivalentes.
Enn nous prsentons les performances du rcepteur MUD-MLSE lorsque le rapport
142
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
10
4
10
3
10
2
10
1
10
0
0.4
0.5
0.6
0.7
0.8
0.9
1
BER
F
(
B
E
R
)
Empirical CDF

No shift L = 3
No shift L = 4
optimal shift L = 3
optimal shift L = 4
Fig. 5.9 CDF du BER Eb/No = 15dB, en fonction de la mmoire du canal L, avec
et sans rduction de la complexit. Recouvrement spectral entre canaux de 65% et SIR =
0dB.
4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Carrier spacing (MHz)
B
E
R

MLSE With PCI
No shift L = 3
No shift L = 4
optimal shift L = 3
optimal shift L = 4
Fig. 5.10 BER moyen en fonction de lespacement entre porteuse, pour direntes valeurs
de la mmoire du canal L, avec et sans rduction de la complexit ; Eb/No = 15dB, et
SIR = 0dB.
signal interfrence varie sur la gure 5.11. Le SNR vaut 15dB et le recouvrement spectral
65%. Les performances du dtecteur dcalage optimal sont meilleurs que le dtecteur
classique lorsque lon se trouve faible SIR. Par exemple pour un SIR de 5dB et une
mmoire de canal de L = 4dB, le BER atteint est denviron de 5 10
4
laide de la
143
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
15 10 5 0 5 10 15
10
4
10
3
10
2
10
1
10
0
SIR (dB)
B
E
R

MLSE With PCI
No shift L = 3
No shift L = 4
optimal shift L = 3
optimal shift L = 4
Fig. 5.11 BER moyen en fonction du SIR, pour direntes valeurs de la mmoire du
canal L, avec et sans rduction de la complexit ; Eb/No = 15dB, recouvrement spectral
de 65%.
mtrique en (5.39) contre 10
2
peine pour la mtrique classique. Les performances entre
les deux mtriques convergent mesure que le signal interfrent se fait plus faible.
5.4.2 Application des signaux DSSS.
Lvaluation des performances du rcepteur multi-utilisateurs multi-bandes que nous
venons de prsenter a t fait sur un canal slectif en frquence. Si lon considre un systme
talement de spectre comme celui du IEEE 802.11b, le canal multi-trajets ne devrait pas
introduire beaucoup dinterfrence entre symboles. Dun point de vue complexit il est
prfrable de travailler au temps symbole, cest--dire aprs le dstalement de spectre.
Dans cette partie nous considrons deux signaux BPSK spectre tal par une squence
de barker et nous donnons larchitecture fonctionnelle dun rcepteur multi-utilisateurs
multi-bandes dans ce cas. Nous valuons les performances dun tel rcepteur dans direntes
conditions dinterfrences.
Modle du systme. Les techniques talement de spectre par squence directe comme
le DSSS ou le CDMA pour lUMTS, peuvent tre avantageusement dcrites par un modle
convolutionnel [25]. Le grand avantage de cette formulation est de pouvoir reprsenter
toute la chane de communication par une cascade de ltres linaires excite par un train
impulsif de symboles d
k
(t). Le signal transmis en bande de base pour lutilisateur k scrit
maintenant :
x
k
(t) = h
f
(t) C(t) D
k
(t), (5.41)
o D
k
(t) =
n
d
k
(n) (t n T
s
) le train de symboles, C(t) =
q[0;10]
c(q) (t qT
c
) la
rponse impulsionnelle du code dtalement c =[1 -1 1 1 -1 1 1 1 -1 -1 -1] appel squence
de barker. T
c
et T
s
sont la priode chip et la priode symbole respectivement.
144
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Contrairement au CDMA, chaque signal transmis est tal par le mme code et lqua-
tion (5.41) scrit de manire explicite :
x
k
(t) =
n
Q1
q=0
d
k
(n)c(q)h
f
(t nT
s
qT
c
)
=
n
d
k
(n)h
0
f
(t nT
s
), (5.42)
avec Q = 11 et h
0
f
(t) = (h
f
C)(t). Plusieurs transmetteurs sont oprationnels et leurs
spectres sont loigns de f
kl
. Les signaux des utilisateurs se propagent travers un canal
multi-trajets de rponse impulsionnelle h
k
(t) =
N1
j=0

k
j
(t
k
j
) o N le nombre de
trajets,
k
j
le temps de propagation du jime trajet du kime canal et
k
j
est le coecient
complexe du jime trajet du kime canal. Le signal reu scrit comme en (5.2) avec
maintenant g
k
(t) = h
0
f
(t) h
k
(t). En pratique les signaux ne sont pas synchroniss entre
eux, il convient donc de rajouter un terme t
ik
dans la double somme de (5.2) o
ik
est le dlai relatif des signaux entre la bande k et la bande i dintrt. Si lon suppose que
lon a dtect les deux paquets correctement, le dlai de synchronisation peut toujours se
ramener
1
2
T
s

ik
<
1
2
T
s
.
Rcepteur MUD-MLSE DSSS. Le rcepteur maximum de vraisemblance se drive
de la mme manire que dans la partie prcdente, et la mtrique de branche causale pour
le dtecteur de Viterbi a la mme forme que (5.37). Dans le cas de signaux spectre tal,
le ltre adapt la forme donde globale sur la bande k est maintenant constitu dun
ltrage adapt la mise en forme un rythme dchantillonnage large bande T
e
, dun
ltrage adapt au code et au canal implmenter par une structure en rteau (RAKE). Le
schma fonctionnel du rcepteur correspondant pour deux utilisateurs est reprsent sur la
gure 5.12.
FA miseenforme
( )
e f
nT h -
*
dstalement
FA miseenforme
( )
e f
nT h -
*
dstalement
dstalement
dstalement
i
0
t
k
N 1 -
t
k
0
t
i
N 1 -
t
Dtecteur
MUD-MLSE
Echantillonnage
largebande
e
T
) (t y
( )
e
fnT j
e
D - p 2
c
T
s
T
*
0
i
a
*
0
k
a
*
1
k
N-
a
*
1
i
N-
a
( ) q c
( ) q c
Fig. 5.12 Rcepteur multi-utilisateurs DSSS.
Au premier abord, la complexit de ce rcepteur peut sembler leve. Cependant, les
systmes commerciaux utilisent dj un facteur de surchantillonnage dau moins 4, pour
145
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
permettre un bon recouvrement de la frquence porteuse et une synchronisation symbole
prcise. Or un tel facteur de surchantillonnage permet dj de traiter la bande dintrt
et ses plus proches voisines. La partie numrique est divise en deux parties : la premire
implmente un ltrage adapt au code et au canal (RAKE) et ce pour chaque bande.
La complexit de cette partie est donc K fois celle dun rcepteur traditionnel. La seconde
partie implmente un dtecteur maximum de vraisemblance au temps symbole. La plupart
du temps, le canal ntant pas slectif en frquence (au niveau symbole), le nombre dtat
du Viterbi est donc exponentiel avec le nombre dutilisateur mais pas avec ltalement
temporel du canal. Cela permet donc de rduire considrablement le nombre dtat du
dtecteur.
Evaluation des performances. Les paramtres du systme de transmission sont les
mmes que ceux de la partie prcdente. Les deux utilisateurs utilisent des signaux BPSK
tals par une squence de barker. Les simulations sont faites en utilisant le canal C de
lETSI dans la bande des 2.4GHz. La gure 5.13 donne lvolution du BER en fonction du
SNR E
b
/N
0
pour plusieurs valeurs de la mmoire du canal L. Etant donne les caractris-
tiques des signaux DSSS du IEEE 802.11b, les canaux de lETSI stendent au maximum
sur 2 symboles. Deux courbes de rfrences sont rajoutes : les performances dun rcepteur
RAKE mono utilisateur avec la prsence dun interfrent bande adjacente, et dun rcep-
teur RAKE sans interfrent bande adjacente. Le recouvrement spectrale est de 65%. Le
BER du rcepteur MUD-MLSE pour L = 2 est un peu meilleur que la courbe de rfrence
sans interfrence au fort SNR. En eet, le canal C introduit un peu dinterfrence entre
symbole qui nest pas combattue par le rcepteur RAKE. On peut galement remarquer
quun rcepteur ne prenant en compte quun seul coecient du canal (L = 1) surpasse
largement le rcepteur classique RAKE qui voit son BER saturer aux fortes valeurs de
SNR. Un rcepteur avec L = 2 possde un dtecteur 4 tats pour deux utilisateurs et des
signaux BPSK, ce qui est une faible complexit.
Un rcepteur MUD-MLSE avec L = 2 est capable de tenir dexcellentes performances
mme lorsque le recouvrement spectral est important comme on peut le constater sur la
gure 5.14. En eet, un BER de 4 10
5
est atteint pour le rcepteur multi-utilisateurs avec
L = 2, qui est la performance dun rcepteur sans interfrence. Un recouvrement spectral
de 65% correspond un espacement entre porteuse de 5MHz qui est la valeur minimale
pour le systme 802.11b. Nous donnons cependant le comportement du rcepteur multi-
utilisateurs pour des recouvrement encore plus importants. On peut remarquer que le BER
remonte lgrement pour un recouvrement spectral de 80% et une mmoire de canal de
L = 1. Cela est d la forme de la fonction dintercorrlation des signaux tals pour
cette valeur du recouvrement spectral comme on peut le constater sur la gure 5.15. En
eet, la fonction dintercorrlation de deux squences de barker mise en forme et dcales
en frquence de 3MHz (80% de recouvrement de bande) est tale autour du retard nul
de faon signicative. Si le rcepteur ne prend en compte que le premier coecient du
canal (L = 1), de linterfrence entre symboles subsiste et fait remonter lgrement le
BER. Notons que lorsque la mmoire du canal prise en compte est L = 1, les performances
obtenues sont celles utilisant lalgorithme de dcalage dcrit la section prcdente.
La gure 5.16 montre les performances en prsence dun canal recouvrant dont on fait
varier la puissance. Un dtecteur multi-utilisateurs avec L = 2 atteint un BER de 4 10
5
pour une large plage de SIR avec un SNR de 23dB et un recouvrement spectral de 65%.
Pour une mmoire de canal sous-optimale L = 1, le BER se dgrade au faible SIR mais
garde un gain de 6dB compar au rcepteur RAKE traditionnel mono-utilisateur pour des
SIR de 10 et 5dB.
146
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
0 5 10 15 20 25 30 35
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/No (dB)
B
E
R

RAKE Without PCI
RAKE With PCI
MUDMLSE L = 1
MUDMLSE L = 2
Fig. 5.13 BER moyen vs Eb/No, pour direntes longueurs de mmoire du canal L;
recouvrement spectral de 65%, SIR = 0dB.
0 20 40 60 80 100
10
4
10
3
10
2
10
1
10
0
Channel Overlap (in percent of chip rate band)
B
E
R

RAKE Without PCI
RAKE With PCI
MUDMLSE L = 1
MUDMLSE L = 2
Fig. 5.14 BER moyen vs recouvrement spectral, pour direntes longueurs de mmoire
du canal L; E
b
/N
0
= 23dB, SIR = 0dB.
147
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
150 100 50 0 50 100 150
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Delay (in sample)
M
a
g
n
i
t
u
d
e

o
f

C
r
o
s
s
C
o
r
r
e
l
a
t
i
o
n

F
u
n
c
t
i
o
n

xcorr for ch. overlap 100%
Fig. 5.15 Intercorrlation entre deux squences de barker mises en forme, en fonction du
recouvrement spectral.
15 10 5 0 5 10
10
4
10
3
10
2
10
1
10
0
SIR(dB)
B
E
R

RAKE Without PCI
RAKE With PCI
MUDMLSE L = 1
MUDMLSE L = 2
Fig. 5.16 BER moyen vs SIR, pour direntes longueurs de mmoire du canal L; recou-
vrement spectral de 65%, E
b
/N
0
= 23dB.
148
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
5.5 Conclusion
Ce dernier chapitre, plus pragmatique, intgre la rjection dinterfrence lanalyse de
la probabilit derreur. Plusieurs travaux ont montr limportance de la prise en compte
de linterfrence au niveau du rcepteur an daugmenter la qualit dun lien radio, mais
aussi la capacit globale des rseaux. Lexemple du WLAN est particulirement adapt
la problmatique de la rjection dinterfrence. Lallocation des canaux de la bande ISM
tant trs limit, la densit de dploiement de ces rseaux sen trouve fortement pnalise.
Lide dallouer des ressources spectrales se chevauchant pour la planication des rseaux
avec une technique de rjection dinterfrence pour permettre une bonne communication
nous semble une voie approfondir, la vue des rsultats encourageant que lon a pu
illustrer dans ce chapitre.
Voici les points o nous pensons avoir contribu dans ce chapitre :
1. Nous avons tendu le formalisme de Ungerboeck ltude des performances dun r-
cepteur MUD-MLSE et propos lexpression thorique dune borne sur la probabilit
derreur globale de tous les utilisateurs en canal slectif vanouissements lents.
2. Nous proposons une mthode de rduction de la complexit dun dtecteur MUD-
MLSE lorsque lon est en prsence de canaux recouvrant et multi-trajets. Nous four-
nissons galement une tude de performance de ce rcepteur adapt aux signaux
DSSS du standard IEEE 802.11b, dans le cas dune modulation BPSK.
Notre tude sur la simulation de performance dun rcepteur MUD-MLSE pour des
signaux DSSS se chevauchant en frquence revt un caractre idal. Ce qui est intressant
pour fournir des bornes infrieures sur les performances du systme. La phase destimation
de canal conjointe pour les deux signaux, pourrait se rvler cruciale sur les performances
du systme. De plus, en mode paquet les signaux ne sont pas synchroniss. Il est donc
ncessaire de mettre en place un algorithme adaptatif capable de traiter le signal dune
bande, tout en coutant les canaux adjacents pour dtecter et dmoduler un ou plusieurs
paquets sur ces canaux.
149
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Conclusion et perspectives
Cette thse avait pour objet ltude des performances de lien radio dans des envi-
ronnements prsentant la fois de lvanouissement rapide et du shadowing. Parmis les
nombreux travaux traitant de lvaluation de performance des communications radios nu-
mriques, rares sont ceux prenant en compte les eets court termes du canal radio et les
eets long termes.
Nous nous sommes intresss principalement aux canaux vanouissements rapides
et en prsence de shadowing. Ces deux eets ont un impact trs dirent sur les perfor-
mances des systmes radios. Les vanouissements impactent directement les performances
court termes du systme et modient la probabilit derreur. Au contraire le shadowing
entrane des variations long termes et le calcul dune erreur moyenne nest plus trs re-
prsentative. Les vanouissements rapides et le shadowing sont deux eets sparables dans
la modlisation. En eet, sur une priode de temps relativement courte par rapport la
dure de toute une communication radio, la puissance moyenne reue au rcepteur ne va
pas varier signicativement. Les performances du lien radio sont dans ce cas, caractrises
par la probabilit derreur moyenne (relativement aux eets court termes du canal). Ce cri-
tre a largement t tudi dans la littrature pour diverses statistiques dvanouissements
et tous les systmes de tlcommunications existants (OFDM, CDMA, etc). Nous nous
sommes plutt intresss leet du shadowing sur la probabilit derreur due aux eets
court terme. Sur la dure dune communication dans un canal shadowing, la puissance
moyenne varie mais ne prend pas tous ses tats statistiques contrairement aux variations
de puissance dues aux eets court terme. Par consquent un canal shadowing ne peut pas
tre considr comme ergodique et le calcul dune probabilit derreur moyenne na donc
plus vraiment de sens.
Dun point de vue rseau, il est plus pertinent dexploiter la probabilit de coupure
symbole, dnie comme la probabilit que le SEP excde une valeur seuil. Beaucoup de
travaux sintressant aux performances en prsence de shadowing, calculent la probabilit
que la puissance moyenne tombe en de dune valeur seuil. Ces deux probabilits sont
quivalentes, mais ne sexpriment pas avec les mmes paramtres. En eet, la premire
dnition lie directement la probabilit de coupure la qualit de service que lon souhaite
atteindre (cest--dire le SEP moyen) alors que la seconde ne donne quune indication sur
cette qualit de service.
Pour pouvoir exploiter la probabilit de coupure symbole de faon analytique, il est
ncessaire dinverser la probabilit derreur moyenne an de remonter au SNR moyen.
Cette inversion est rarement simple faire, car la relation SEP-SNR est en gnrale non
linaire. Il a donc fallu dans un premier temps chercher des approximations inversibles de la
probabilit derreur, dans plusieurs environnements et direntes technologies radios, sous
la contrainte dtre susamment prcises pour permettre une estimation de la probabilit
de coupure exploitable.
Une fois cette recherche de linversion eectue, la probabilit de coupure symbole sex-
150
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CONCLUSION ET PERSPECTIVES
prime simplement laide dune fonction gaussienne Q comprenant la probabilit derreur
cible atteindre, la puissance moyenne du shadowing ( laquelle on a intgr la puissance
dmission et la perte en espace libre) et de lcart type de la loi de shadowing. Par cons-
quent nous relions la qualit de service quun utilisateur peut tirer de son systme radio,
la probabilit de coupure dans un environnement shadowing, en fonction de la puissance
dmission que lon sautorise. Nous donnons ci-dessous nos contributions dtailles par
chapitre.
Dans le chapitre 2, nous tudions les performances dun lien radio mono-antenne simple
pour des modulations linaires M-PSK et M-QAM. Nous considrons dans un premier
temps la transmission sans codage canal. Grce lexpression exacte de la probabilit
derreur sous forme de fonctions hypergomtriques de Gauss et dAppell ainsi que les
rsultats de Wood et Butler [30] pour lapproximation de la fonction hypergomtrique de
Gauss, nous proposons une approximation inversible originale de la probabilit derreur
moyenne. Cette approximation est trs prcise pour les modulations linaires dans des
environnements gnraux de type Rice ou Nakagami-m. Dans le cas Nakagami-m, le SNR
sexprime comme un polynme en racine mime du SEP cible et des paramtres de la
modulation. Dans un canal de Rice, le SNR moyen sexprime laide de la fonction de
Lambert W
0
du SEP cible. Avec lexpression du SNR en fonction du SEP, nous pouvons
calculer la probabilit de coupure en prsence de shadowing, en fonction de la probabilit
derreur atteindre, ce qui constitue une originalit par rapport la majorit des travaux
sur la probabilit de coupure. Nous nous intressons ensuite ltude de la probabilit
de coupure paquet dun systme lorsque lon considre des codes correcteurs derreurs.
Nous considrons dabord les codes correcteurs blocs de Hamming, pour lesquels nous
donnons une approximation inversible de la probabilit derreur bloc en fonction de la
probabilit derreur bit lentre du dcodeur. Avec les rsultats obtenus dans les sections
prcdentes reliant le SNR moyen au BEP, on donne une expression liant le SNR moyen
la probabilit derreur paquet moyenne dans un canal vanouissements rapides. Cette
expression, trs prcise, est inverse et permet de calculer la probabilit de coupure paquet
en prsence de shadowing en fonction de la probabilit derreur paquet cible que le rseau
souhaite atteindre. Le cas des codes convolutifs est galement abord, o lon utilise les
bornes connues de la littrature sur la probabilit de premire erreur pour remonter la
probabilit de coupure paquet. Les rsultats proposs sont vris par la simulation.
Dans le chapitre 3 Nous tendons ltude faite dans le chapitre prcdent sans codage,
aux systmes MIMO. Nous considrons dabord les systmes MIMO STBC sans corrlation
entre les antennes. Dans un canal de Nakagami et Rice, nous drivons des approximations
inversibles du SEP moyen, permettant de donner le SNR en fonction dune probabilit der-
reur cible. Nous nous intressons galement aux systmes MIMO multiplexage spatial et
rcepteur ZF. Nous tudions la probabilit derreur par sous-canaux, et nous en donnons
une approximation inversible dans un canal de Rayleigh et Rice en prsence de corrlation
lmission. Ces rsultats permettent le calcul analytique de la probabilit de coupure.
Dans le chapitre 4 nous analysons le cas o un ou plusieurs interfrents co-canal per-
turbe(nt) une communication numrique point--point. Nous nous intressons toujours
lobtention de formes simples et inversibles de la probabilit derreur moyenne, an de
pouvoir lier la probabilit de coupure au SEP moyen en prsence de shadowing et dans
un milieu interfrent. La quantit de rsultat que lon peut noncer est plus rduit que
dans le cas o la communication ntait limite que par le canal et le bruit du rcepteur.
Cependant une approximation assez prcise et inversible de la probabilit derreur est d-
rive en prsence dun interfrent et en canal de Rayleigh. Grce cette approximation on
peut remonter au SNR avec la rsolution dune quation du troisime degr. Nous propo-
151
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
sons galement un rsultat permettant de calculer la probabilit de coupure en fonction
du SEP cible, lorsque le shadowing aecte le signal dintrt et interfrent. Lvaluation de
la probabilit de coupure ncessitant une intgration sur un interval non born, nous en
proposons une approximation permettant son valuation rapide. Cette approximation nest
cependant prcise que pour des probabilits de coupure infrieures 10
1
. Son domaine
dutilisation concerne donc les applications o lon souhaite fournir des services de haute
qualit comme la video en streaming qui demande des probabilits de coupure assez faibles.
Lorsque les canaux sont plus gnraux (Nakagami-m, Rice), il est trs dicile dobtenir des
formes simples de la probabilit derreur. Dans le cas de Nakagami-m, une approximation
asymptotique (lorsque le SNR tend vers linni) de la probabilit derreur a pu tre drive.
Cependant lexpression nest pas trs prcise lorsque le SNR est faible et m grand. Mais
le rsultat demeure intressant puisquil permet de caractriser rapidement le comporte-
ment asymptotique dun signal brouill par un interfrent co-canal dans diverses situations
dvanouissements. Nous tudions ensuite le cas o plusieurs antennes sont prsentes la
rception et quun traitement OC est mis en oeuvre. Des approximations prcises du SEP
peuvent tre drives lorsque le nombre dinterfrent est infrieur au nombre dantennes et
dans un canal de Nakagami-m, mais elles ne sont pas inversibles avec notre approche.
Dans le chapitre 5, nous introduisons une technique de dtection multi-utilisateurs
base sur le maximum de vraisemblance (MUD-MLSE). Dans un premier temps, partir
des travaux de Forney et Ungerboeck sur lanalyse de performance des rcepteurs MLSE
dans des canaux slectifs, nous drivons une borne sur la probabilit derreur dun rcepteur
MUD-MLSE. Cette borne ntant pas trs exploitable en pratique dans le cas gnral, nous
tudions ce rcepteur en simulation. Nous considrons un contexte WLAN, o plusieurs
canaux se chevauchant seraient allous aux utilisateurs, an daugmenter la capacit des
rseaux locaux. Lallocation de la ressource spectrale crant des interfrences, une technique
de rception large bande prenant en compte deux utilisateurs couple avec un rcepteur
MUD-MLSE est tudie. Dans un canal dispersif, nous proposons une mthode de rduction
de la complexit du dtecteur maximum de vraisemblance base sur la dirence des
proles de puissances des canaux, pour un signal BPSK et pour direntes conditions
dinterfrences (taux de recouvrement, puissances des signaux etc). Nous nous intressons
ensuite aux performances de ce rcepteur pour deux signaux BPSK talement de spectre.
Nous fournissons des courbes de probabilits derreurs en fonction du SNR, du SIR et du
taux de recouvrements des bandes. Une amlioration sensible des performances dans des
situations trs interfrentes est possible grce ce type de dtecteur.
Je vois plusieurs axes dtudes pour dvelopper de futures recherches ou complter
celles-ci. Comme me la fait remarquer le professeur Jean-Claude Belore, le rcepteur ZF
ache dassez mauvaises performances de part sa tendance amplier le bruit faible
SNR. Il est donc rarement utilis dans la pratique sauf lorsque lon a la garantie dun bon
SNR moyen. Le rcepteur erreur quadratique moyenne minimale (MMSE) est, quant
lui, souvent utilis. Il serait intressant de reprendre les tudes sur les systmes MIMO
en considrant ce type de rcepteur, sachant dores et dj que ltude ne sera pas vi-
dente. Dautres rcepteurs aux performances suprieures seraient tudier. La dtection
a maximum de vraisemblance avec dcodage par sphre ore un compromis probabilit
derreur/complexit qui en fait un bon candidat pour les systmes MIMO avancs. Mais
ici encore, son tude ne serait pas aise et il nest pas certain que lon puisse obtenir des
approximations inversibles de la probabilit derreur.
Ltude des performances avec codage canal devrait tre tendue. Dans ce travail de
thse nous avons considr un dcodage dcision dure cest--dire entre dcide au
moment du dcodage. Si ce choix a permis de limiter la complexit de ltude en dcou-
152
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
pant le problme (on inverse dabord la probabilit derreur par rapport au SNR en entre
du dcodeur, puis on inverse la probabilit derreur en sortie du dcodeur par rapport
celle dentre), il nen est pas moins justi. En eet, bon nombre de solutions tech-
niques intgrent du codage canal dcision dure. Cependant il est vrai quun dcodage
dcision souple ache de meilleurs performances. Pour tudier un tel schma, il est nces-
saire de prendre en compte le codage canal directement dans linversion de la probabilit
derreur par rapport au SNR. De plus, lutilisation de codage permet de rduire la puis-
sance moyenne au rcepteur pour une mme probabilit derreur et donc pour une mme
puissance dmission, la probabilit de coupure en prsence de shadowing. Mais lnergie
consomme augmente mesure que lon augmente le codage. Il serait particulirement
intressant dtudier le compromis nergie/probabilit de coupure.
Louverture de ces travaux ltude de la connectivit en prsence de shadowing dans les
rseaux maills en gnral nous semble un point clef dvelopper. Il est possible de dnir
un seuil de rception en fonction dune probabilit derreur maximale acceptable par le
rseau. On peut dnir comme actifs les liens radios pour lesquels le SEP est infrieur une
probabilit cible. En utilisant nos formules on pourrait relier la connectiv aux paramtres
de la couche physique. On pourrait donc ensuite comparer les direntes techniques de
communications numriques dans un contexte rseau daccs puis tendre lapproche peut-
tre au rseau de capteurs dont les enjeux et la problmatique sont assez dirents des
rseaux daccs. Je pense que cest cette voie qui pourrait orir le meilleur potentiel de
valorisation des travaux prsents dans cette thse.
Enn sur la partie un peu plus applicative, une plate-forme radio multi-standards,
multi-canaux, multi-antennes est en cours de montage au laboratoire CITI. Son objectif est
de valider le dtecteur multi-utilisateurs tudi dans cette thse, ainsi que limplmentation
dalgorithmes moins complexes en capacit de calcul comme le SIC ou PIC (Successive
Interference Canceller, Parallel Interference Canceller). Cela passe par la rsolution de
plusieurs problmes clefs de traitement du signal :
1. La synchronisation. Parce que les rseaux WLAN travaillent en mode paquet et
ne sont pas synchroniss, la rjection dinterfrence ncessite de pouvoir adapter le
traitement en cours de rception.
2. Pour pouvoir rejeter les signaux, le systme doit dabord tre capable de les dtecter
la vole. Il faut donc maintenir une coute des canaux adjacents pendant la dure
de traitement de la voie dintrt.
3. La rception de signaux htrognes. Les dirents modes de modulations peuvent
coexister sur deux bandes adjacentes se recouvrant. Il faut tre capable de concevoir
un algorithme de rjection capable de dmoduler un signal DSSS tout en rejetant un
signal OFDM par exemple.
Ces aspects sont tudis dans le cadre de la thse de Pierre-Franois Morlat et nces-
sitent le dveloppement dalgorithmes non triviaux.
153
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Annexes
154
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
APPROXIMATION DU SEP EN CANAL DE RICE
A.1 Approximation du SEP en canal de Rice
On donne dans cette annexe les tapes du calcul permettant dobtenir lapproximation
du SEP moyen en (2.53). On dtaille le calcul pour le cas M-PSK, mais les modulations
M-QAM se traitent de manire similaire. Le SEP moyen en canal de Rice est :
P
s
(E|
s
) =
1
_
(M1)/M
0
(1 +K) sin
2
()
(1 +K) sin
2
() +g
psk
s
exp
_
g
psk
K
s
(1 +K) sin
2
() +g
psk
s
_
d. (A.1)
On va essayer dapprocher lintgrale ci-dessus laide de la formule de Laplace donne
en (1.44), avec ici T = 1. Pour ce faire nous choisissons le couple (h, g) suivant :
h() =
1
, (A.2)
g() = ln
_
(1 +K) sin
2
()
(1 +K) sin
2
() +g
psk
s
exp
_
g
psk
K
s
(1 +K) sin
2
() +g
psk
s
__
. (A.3)
La fonction h est une constante et ne dpend pas de dans notre cas. On cherche le
point
0
[0, (M 1) /M] pour lequel la fonction g () est minimale. Cest le point qui
annule la drive de g :
g
() =
2g
psk
cos
s
_
sin
2
(1 +K)
2
+g
psk
s
_
sin
_
sin
2
(1 +K) +g
psk
s
_
2
, (A.4)
cest--dire
0
= /2. Pour appliquer la formule en (1.44), il faut valuer la drive seconde
de g en
0
ainsi que g en ce mme point. Aprs avoir drive g
() une nouvelle fois, et

calculer sa valeur en
0
= /2, on obtient :
g
(2)
()
2
=
2g
psk
s
_
(1 +K)
2
+g
psk
s
_
(1 +K +g
psk
s
)
2
, (A.5)
et :
g ()
2
= ln
_
(1 +K)
(1 +K) +g
psk
s
exp
_
g
psk
K
s
(1 +K) +g
psk
s
__
. (A.6)
En utilisant ces expressions dans (1.44), on obtient lapproximation suivante pour le
SEP moyen en canal de Rice :
P
s
(E|
s
)
1 +K
_
g
psk
s
_
(1 +K)
2
+g
psk
s
_
exp
_
g
psk
K
s
1 +K +g
psk
s
_
. (A.7)
156
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CALCUL DE
_
1
nt
kk
A.2 Calcul de
_
1
n
t
kk
On drive ici les expressions des matrices de corrlation
_
1
nt
kk
et
_
1
nt
_
kk
intervenant
dans le calcul de la probabilit derreur des systmes MIMO multiplexage spatial en canal
de Rayleigh et de Rice.
Canal de Rayleigh
On suppose un modle de corrlation exponentiel, cest--dire que la matrice de corr-
lation des n
t
capteurs dmission est de la forme :
nt
=
_
_
_
_
_
1 . . .
nt1
1 . . .
nt2
.
.
. . . .
.
.
.
.
.
.
(
)
nt1
(
)
nt2
. . . 1
_
_
_
_
_
, (A.8)
o est le coecient de corrlation du coecient complexe du canal au niveau des antennes
dmission. On cherche calculer le kime lment de la diagonale de la matrice inverse de
n
t
. Pour calculer linverse dune matrice, nous avons besoin de calculer son dterminant
ainsi que la matrice des co-facteurs associs :
1
nt
=
1
det (
n
t
)
C
T
n
t
, (A.9)
avec C
T
n
t
, la matrice transpose des co-facteurs de
nt
:
C
T
n
t
=
_
_
_
_
_
(1)
1+1
M
11
(1)
2+1
M
21
. . . (1)
nt+1
M
nt1
(1)
1+2
M
12
(1)
2+2
M
22
. . . (1)
nt+2
M
nt2
.
.
. . . .
.
.
.
.
.
.
(1)
1+nt
M
1nt
(1)
2+nt
M
2nt
. . . (1)
nt+nt
M
ntnt
_
_
_
_
_
, (A.10)
et M
nm
est le mineur de la matrice
nt
, cest--dire le dterminant de cette matrice prive
de la nime ligne et mime colonne. Le kime lment de la diagonale principale de
1
nt
se dduit donc de ce qui prcde par :
_
1
nt
kk
=
M
kk
det (
n
t
)
. (A.11)
On calcul tout dabord det (
nt
). On ne change pas le dterminant dune matrice en
appliquant des oprations linaires sur ses lignes et ses colonnes. On eectue la trans-
formation linaire suivante sur lensemble des lignes de (A.8) : L
k
L
k
L
k+1
pour
k = 1, ..., n
t
1 et on obtient la nouvelle matrice :
nt
=
_
_
_
_
_
1 ||
2
0 . . . 0
_
1 ||
2
_
1 ||
2
. . . 0
.
.
. . . .
.
.
.
.
.
.
(
)
nt1
(
)
nt2
. . . 1
_
_
_
_
_
, (A.12)
o dans ce cas, le dterminant est excessivement simple calculer puisquil vaut :
det (
nt
) =
_
1 ||
2
_
nt1
. (A.13)
157
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CALCUL DE
_
1
nt
kk
Il sagit maintenant de calculer M
kk
pour k = 1, ..., n
t
. Pour k valant 1 ou n
t
, on
"ampute" la matrice (A.8) de sa premire ligne et premire colonne ou sa dernire ligne
et dernire colonne selon le cas. Cela correspond donc un cas particulier, puisque pour
ces deux valeurs de k on se ramne la forme de (A.8) mais avec une ligne et une colonne
de moins. On peut donc appliquer la mme transformation sur les lignes que celle voque
ci-dessus, et on obtient donc : M
kk
=
_
1 ||
2
_
nt2
pour k = 1, n
t
.
Pour k = 1, n
t
, en supprimant la kime ligne et kime colonne de (A.8) on obtient
une nouvelle matrice de taille n
t
1 n
t
1 :
_
_
_
_
_
_
_
_
_
_
_
_
1 . . .
k1
k+1
. . .
nt1
1 . . .
k2
k
. . .
nt2
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
.
.
.
(
)
k1
(
)
k2
. . . 1
2
. . .
ntk+1
(
)
k+1
(
)
k
. . . (
)
2
1 . . .
ntk1
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
.
.
.
(
)
nt1
(
)
nt2
. . . (
)
ntk+1
(
)
ntk1
. . . 1
_
_
_
_
_
_
_
_
_
_
_
_
Pour calculer le dterminant de cette matrice, on peut appliquer des oprations linaires
sur ces lignes an de la rendre triangulaire infrieure. Pour n < k 1 et n k, on
eectue le pivot suivant sur la nime ligne : L
n
L
n
L
n+1
. Si n = k 1, alors
L
k1
L
k1
2
L
k
. On obtient la matrice triangulaire infrieure suivante :
_
_
_
_
_
_
_
_
_
_
_
_
1 ||
2
0 0 . . . . . . 0 0
_
1 ||
2
_
1 ||
2
0 0 . . . 0 0
.
.
.
.
.
.
.
.
. . . . . . . . . .
.
.
.
(
)
k1
_
1 ||
4
_
(
)
k2
_
1 ||
4
_
. . . 1 ||
4
0 . . . 0
(
)
k+1
_
1 ||
2
_
(
)
k
_
1 ||
2
_
. . . (
)
2
_
1 ||
2
_
1 ||
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
.
.
.
(
)
nt1
(
)
nt2
. . . (
)
ntk+1
(
)
ntk1
. . . 1
_
_
_
_
_
_
_
_
_
_
_
_
.
Son dterminant se calcul aisment : M
kk
=
_
1 ||
4
_ _
1 ||
2
_
nt3
. De l on dduit
facilement
_
1
nt
kk
:
_
1
nt
kk
=
_
_
_
1 ||
2
_
nt2
(1 ||
2
)
nt1
=
1
(1 ||
2
)
si k = 1, n
t
,
_
1 ||
4
_ _
1 ||
2
_
nt3
(1 ||
2
)
nt1
=
1 +||
2
1 ||
2
si k = 1, n
t
.
(A.14)
Ce rsultat claire la remarque faite lorsque lon a valu la probabilit derreur bloc
(ou par pair) dun systme MIMO multiplexage spatial en canal de Rayleigh dans la
section 3.3. Lapproximation de la probabilit derreur bloc en fonction de la probabilit
derreur par sous-canaux en (3.39), est plus ou moins grossire selon la taille du systme
considr et la valeur du coecient de corrlation . Par exemple, pour n
t
= 2, lexpression
en (A.14) est identique pour les deux valeurs de k possible, donc en moyenne la probabilit
derreur par sous-canaux est identique pour tous les sous-canaux. Ce nest clairement plus
le cas si n
t
= 3 comme on peut le constater avec (A.14).
158
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
PREUVE DU THEOREME DU SEO AVEC INTERFERENT
A.3 Preuve du thorme sur le SEO avec interfrent
On appelle
d
la variable alatoire SNR moyen et
i
la variable alatoire INR moyen.
Ces deux variables alatoires suivent une loi log-normale et p
d
(
d
) et p
i
(
i
) sont leur
densit de probabilit. Les deux variables alatoires sont indpendantes. Par consquent
la densit de probabilit conjointe de (
d
,
i
) est : p
d
,
i
(
d
,
i
) = p
d
(
d
) p
i
(
i
). On
dnit les variables alatoires X et Y telles que X = (
i
) et Y = (
d
,
i
). Avec les
deux fonctions et telles que :
:
_
R
+
2
]0, 1[
(
d
,
i
) y = P
s
(E |
d
,
i
)
_
(A.15)
avec k
mod
et g
mod
des constantes dpendants de la modulation (M-PSK ou M-QAM)
et :
:
_
R
+
R
+
i
x =
i
_
(A.16)
La variable alatoire Y a pour densit de probabilit p
Y
(y) et X la densit p
X
(x)
(qui est la densit de probabilit de
i
). On dnit galement la densit de probabilit
conjointe des variables alatoires X, Y : p
Y,X
(y, x). La variable alatoire Y reprsente
donc la probabilit derreur moyenne. Par consquent la probabilit de coupure symbole
est :
P (Y P
s
) =
_

P
s
p
Y
(y) dy, (A.17)
de plus p
Y
(y) est la densit de probabilit marginale du couple (X, Y ), donc p
Y
(y) =
_
0
p
Y,X
(y, x) dx. Par consquent le SEO est :
P (Y P
s
) =
_

P
s
_

0
p
Y,X
(y, x) dxdy. (A.18)
De plus, avec les fonctions et que lon a dni plus haut, on a le changement
de variable x = (
i
) =
i
et y = (
d
,
i
). Le changement de variable inverse est
i
=
1
(x) = x et
d
=
1
d
(x, y), o
1
et
1
d
sont les fonctions rciproques de et
d
respectivement. Cette dernire est la fonction en considrant
d
comme variable et
i
x, donc bijective sur R
+
. Ce changement de variable laide de et est de classe
C
1
. On considre lapplication suivante :
:
_
_
[0, [ [P
s
, [ [0, [ ]0,
th
(P
s
,
i
)]
(x, y) (x, y) = (
i
,
d
)
i
=
1
(x),
d
=
1
d
(x, y)
_
_
(A.19)
Avec cette application on peut appliquer le thorme du changement de variable dans
les intgrales multiples et (A.18) devient :
P (Y P
s
) =
_
p
Y,X
_
1
(
i
,
d
)
_
J
_
1
(
i
,
d
)
_
d
i
d
d
,
=
_

0
_

th
(P
s
,
i
)
0
p
Y,X
( (
i
,
d
) , (
i
))
J
_
1
(
i
,
d
)
_
d
i
d
d
,
(A.20)
159
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
PREUVE DU THEOREME DU SEO AVEC INTERFERENT
avec le nouveau domaine dintgration par lapplication ,
th
la valeur seuil du SNR
correspondant P
s
, pour un
i
donn. Et J est le jacobien de
1
:
J
_
1
(
i
,
d
)
_
=
(
i
)
d
(
i
)
i
(
i
,
d
)
d
(
i
,
d
)
0 1
(
i
,
d
)
d
(
i
,
d
)
=
(
i
,
d
)
d
.
Plutt que de calculer explicitement la densit de probabilit conjointe de (X, Y ), il
serait souhaitable dexprimer la probabilit de coupure en fonction des densits de pro-
babilits conjointe des variables alatoires
d
et
i
reprsentant le shadowing. Avec le
changement de variable dni plus haut, les densits de probabilits p
Y,X
et p
d
,
i
sont
lies par :
p
Y,X
(y, x) = p
d
,
i
_
d
(x, y) ,
1
(x)
_
|J ((x, y))| , (A.21)
avec J () le jacobien de la matrice jacobienne de lapplication :
J ((x, y)) =
d
(x,y)
x
d
(x,y)
y
1
(x)
x
1
(x)
y
d
(x,y)
x
d
(x,y)
y
1 0
d
(x, y)
y
.
En utilisant (A.21) ainsi que les expressions des jacobiens des applications et
1
dans lexpression de la probabilit de coupure en (A.20), on obtient :
P (Y P
s
) =
_

0
_

th
(P
s
,
i
)
0
p
d
,
i
_
d
((
i
) , (
i
,
d
)) ,
1
((
i
))
_
|J ((x, y))|
J
_
1
(
i
,
d
)
_
d
i
d
d
, (A.22)
P (Y P
s
) =
_

0
_

th
(P
s
,
i
)
0
p
d
,
i
(
d
,
i
) d
d
d
i
. (A.23)
Or les deux variables alatoires
d
et
i
sont indpendantes, donc :
P (Y P
s
) =
_

0
p
i
(
i
)
_
_

th
(P
s
,
i
)
0
p
d
(
d
) d
d
_
d
i
, (A.24)
lexpression dune densit log-normale est donne dans le tableau 1.1. Si on sintresse
lintgrale intrieure, et si on considre la variable alatoire
d
en dB, cest--dire
d
dB
,
alors avec le changement de variable
d
dB
= 10 log
10
d
cette intgrale scrit (on omet P
s
et
i
dans la borne de lintgrale) :
_

th
0
10/ ln 10
2
d
e
(10 log
10

d
d
)
2
2
2
d
d
d
=
_

th
dB
2
e
d
dB
d)
2
2
2
d
d
d
dB
. (A.25)
Cette nouvelle intgrale correspond la fonction de rpartition dune variable alatoire
gaussienne value en
th
dB
. Do nalement lexpression nale du thorme 1 :
P (Y P
s
) =
_

0
p
i
(
i
) Q
_
d
10 log
10
th
(P
s
,
i
)
d
_
d
i
, (A.26)
160
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
CALCUL DE LA PROBABILITE DE REALISATION DE LEVENEMENT
3
A.4 Calcul de la probabilit de ralisation de lvnement
3
Nous donnons les dtails de calcul permettant dobtenir la probabilit de ralisation du
sous-vnement
3
(5.21).
Expression de lvnement
3
On rappelle que la probabilit que le sous-vnement
3
soit ralis correspond la
probabilit que (5.18) soit ralis. En utilisant (5.9) dans (5.18), on peut crire :
k,n
2Re {d
k
(n)
k
(n)}
k,l,n,m
d
k
(n)e
j2f
kl
mTs
s
kl
(n m)d
l
(m)
<
k,n
2Re {(d
k
(n) +e
k
(n))
k
(n)}
k,l,n,m
(d
k
(n) +e
k
(n)) e
j2f
kl
mTs
s
kl
(n m) (d
l
(m) +e
l
(m)) . (A.27)
En dveloppant le terme de droite de lingalit on obtient :
k,n
2Re {e
k
(n)
k
(n)}
k,l,n,m
_
e
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m)+
d
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m) +e
k
(n)e
j2f
kl
mTs
s
kl
(n m)d
l
(m)
_
> 0.
(A.28)
On rappelle de plus que :
k
(n) =
_
y(t)e
j2f
ik
t
g
k
(t nT
s
) dt,
=
_
_
m
e
j2f
il
t
d
l
(m)g
l
(t mT
s
) +n(t)
_
e
j2f
ik
t
g
k
(t nT
s
) dt,
=
m
d
l
(m)e
j2f
kl
mTs
s
kl
(n m) +v
k
(n), (A.29)
avec :
v
k
(n) =
_
n(t)e
j2f
ik
t
g
k
(t nT
s
) dt. (A.30)
En remplaant (A.29) dans (A.28) et en exprimant le terme 2Re{} comme la somme
de deux complexes conjugus, on obtient la forme simplie suivante :
k,l,n,m
2Re {e
k
(n)v
k
(n)} +e
k
(n)e
j2f
kl
mTs
s
kl
(n m)d
l
(m) (A.31)
k,l,n,m
_
e
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m) +d
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m)
_
> 0.
161
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3
Dans cette expression, en dveloppant les quadruples sommes, et en remarquant que :
s
kl
(n m) = e
j2f
kl
(nm)Ts
s
lk
(mn), (A.32)
le deuxime terme de la premire quadruple somme se simplie avec le deuxime terme de
la deuxime quadruple somme. Ainsi on retrouve lingalit donne en (5.19) :
d
2
()
k,l,n,m
e
k
(n)e
j2(lk)mTs
s
kl
(n m)e
l
(m) <
n
2Re {e
k
(n)v
k
(n)} . (A.33)
Le deuxime terme de cette ingalit est une variable alatoire gaussienne complexe
centre, que lon note et dont nous nous proposons de calculer la variance.
Variance de la variable alatoire
La variable alatoire est moyenne nulle. En eet, son esprance mathmatique est :
E
_
n
2Re {e
k
(n)v
k
(n)}
_
=
n
2Re {e
k
(n)E (v
k
(n))} ,
= 0, (A.34)
car le bruit blanc gaussien n(t) est moyenne nulle. Par consquent la variance de la
variable alatoire est gale son moment dordre 2 :
var() = E
_
_
n
2Re {e
k
(n)v
k
(n)}
2
_
_
, (A.35)
= E
_
_
n
e
k
(n)v
k
(n) +e
k
(n)v
k
(n)
2
_
_
, (A.36)
=
k,l,n,m
E((e
k
(n)v
k
(n) +e
k
(n)v
k
(n)) (e
l
(m)v
l
(m) +e
l
(m)v
l
(m))) ,(A.37)
=
k,l,n,m
e
k
(n)E (v
k
(n)v
l
(m)) e
l
(m) +e
k
(n)E(v
k
(n)v
l
(m)) e
l
(m)
+e
k
(n)E (v
k
(n)v
l
(m)) e
l
(m) +e
k
(n)E (v
k
(n)v
l
(m)) e
l
(m). (A.38)
Or, en utilisant lexpression du bruit v
k
(n) en (A.30), et toujours cause du fait que
n(t) est moyenne nulle, on a :
E (v
k
(n)v
l
(m)) = E(v
k
(n)v
l
(m)) = 0. (A.39)
Par contre on a :
162
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
3
E (v
k
(n)v
l
(m)) = E
__
n(t)e
j2f
ik
t
g
k
(t nT
s
) dt
_
n
()e
j2f
il
g
l
( mT
s
) d
_
, (A.40)
= E
__ _
n(t)n
()g
l
( mT
s
) e
j2(f
il
f
ik
t)
g
k
(t nT
s
) dtd) ,(A.41)
=
2
_ _
( t) g
l
( mT
s
) e
j2(f
il
f
ik
t)
g
k
(t nT
s
) dtd, (A.42)
avec ( t), la distribution de dirac o ( t) = 1, si = t et 0 sinon. Par consquent,
on a :
E (v
k
(n)v
l
(m)) =
2
_
g
l
(t mT
s
) e
j2f
kl
t
g
k
(t nT
s
) dt, (A.43)
=
2
e
j2f
kl
mTs
s
kl
(n m). (A.44)
De l, en utilisant ce rsultat dans (A.38), on obtient :
E
_
_
k,n
2Re {e
k
(n)v
k
(n)}
2
_
_
=
k,l,n,m
2Re
_
e
k
(n)
2
e
j2f
kl
mTs
s
kl
(n m)e
l
(m)
_
,
= 2
2
Re
_
_
_
k,l,n,m
e
k
(n)e
j2f
kl
mTs
s
kl
(n m)e
l
(m)
_
_
_
,
= 2
2
d
2
() , (A.45)
la dernire galit est obtenue de par le fait que le terme lintrieur de la partie relle est
rel.
163
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
Bibliographie
[1] R. Vaughan and J. Andersen, Channels, Propagation and Antennas for Mobile Com-
munications. United Kingdom : IEE Electromagnetic Waves Series 50, 2003.
[2] P. Guguen, Techniques multi-antennes mssion-rception. Applications aux rseaux
domestiques sans l, Ph.D. dissertation, Institut National des Sciences Appliques
de Rennes, 2003.
[3] T. Rappaport, Wireless Communications : Principles and Practice. Piscataway, NJ,
USA : IEEE Press, 1996.
[4] W. Jakes, Microwave Mobile Communications. Massachussets, USA : Wiley-IEEE
Press, 1994.
[5] J. Proakis, Digital Communications, 3rd ed. New York : McGraw-Hill, 1995.
[6] M. Simon and M.-S. Alouini, Digital Communication over Fading Channels, 2nd ed.
New Jersey, USA : Wiley-IEEE Press, 2005.
[7] S. Rice, Statistical Properties of a Sine Wave plus Random Noise, Bell System
Technical Journal, vol. 27, pp. 109157, Jan. 1948.
[8] M. Nakagami, The m-distribution- a General Formula of Intensity Distribution of
Rapid Fading, Statistical Methods in Radio Wave Propagation, pp. 336, 1960.
[9] M. Abramowitz and I. Stegun, Handbook of Mathematical Functions. New york,
USA : Dover Publications, 1970.
[10] K. A. Stewart, G. P. Labedz, and K. Sohrabi, Wideband Channel Measurements at
900 MHz, in Vehicular Technology Conference, 1995 IEEE 45th, vol. 1, Chicago, IL,
July 1995, pp. 236240.
[11] R. J. C. Bultitude, S. A. Mahmoud, and W. A. Sullivan, A Comparison of Indoor
Radio Propagation Characteristics at 910 MHz and 1.75 GHz, IEEE Journal on
Selected Areas in Communications, vol. 7, no. 1, pp. 2030, Jan. 1989.
[12] T. S. Rappaport and C. D. McGillem, UHF Fading in Factories, IEEE Journal on
Selected Areas in Communications, vol. 7, no. 1, pp. 4048, Jan. 1989.
[13] H. Suzuki, A Statistical Model for Urban Radio Propogation, Communications,
IEEE Transactions on [legacy, pre - 1988], vol. 25, no. 7, pp. 673680, July 1977.
[14] T. Aulin, Characteristics of a Digital Mobile Radio Channel, IEEE Transactions
on Vehicular Technology, vol. 30, no. 2, pp. 4553, May 1981.
[15] W. R. Braun and U. Dersch, A Physical Mobile Radio Channel Model, IEEE Tran-
sactions on Vehicular Technology, vol. 40, no. 2, pp. 472482, May 1991.
[16] A. U. Sheikh, M. Abdi, and M. Handforth, Indoor Mobile Radio Channel at 946
MHz : Measurements and Modeling, in Vehicular Technology Conference, 1993 IEEE
43rd, Secaucus, NJ, May 1993, pp. 7376.
164
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[17] G. L. Turin, F. D. Clapp, T. L. Johnston, S. B. Fine, and D. Lavry, A Statistical Mo-
del of Urban Multipath Propagation, IEEE Transactions on Vehicular Technology,
vol. 21, no. 1, pp. 19, Feb. 1972.
[18] H. Hashemi, Simulation of the Urban Radio Propagation Channel, IEEE Transac-
tions on Vehicular Technology, vol. 28, no. 3, pp. 213225, Aug. 1979.
[19] T. S. Rappaport, S. Y. Seidel, and K. Takamizawa, Statistical Channel Impulse
Response Models for Factory and Open Plan Building Radio Communicate System
Design, IEEE Transactions on Communications, vol. 39, no. 5, pp. 794807, May
1991.
[20] P. Yegani and C. D. McGillem, A Statistical Model for the Factory Radio Channel,
IEEE Transactions on Communications, vol. 39, no. 10, pp. 14451454, Oct. 1991.
[21] F. Hansen and F. I. Meno, Mobile Fading Rayleigh and Lognormal Superimposed,
IEEE Transactions on Vehicular Technology, vol. 26, no. 4, pp. 332335, Nov. 1977.
[22] M. J. Ho and G. L. Stuber, Co-Channel Interference of Microcellular Systems on
Shadowed Nakagami Fading Channels, in Vehicular Technology Conference, 1993
IEEE 43rd, Secaucus, NJ, May 1993, pp. 568571.
[23] A. Abdi, W. C. Lau, M. S. Alouini, and M. Kaveh, A New Simple Model for Land
Mobile Satellite Channels : First- and Second-Order Statistics, IEEE Transactions
on Wireless Communications, vol. 2, no. 3, pp. 519528, May 2003.
[24] A. Abdi and M. Kaveh, K Distribution : an Appropriate Substitute for Rayleigh-
Lognormal Distribution in Fading-Shadowing Wireless Channels, Electronics Let-
ters, vol. 34, pp. 851852, Apr. 1998.
[25] L. Ros, Rception multi-capteur pour un terminal radio-mobile dans un systme
daccs multiple rpartition par codes. Application au mode TDD de lUMTS,
Ph.D. dissertation, Institut National Polytechnique de Grenoble INPG, Dcembre
2001.
[26] H. Hashemi, Impulse Response Modeling of Indoor Radio Propagation Channels,
IEEE Journal on Selected Areas in Communications, vol. 11, no. 7, pp. 967978,
Sept. 1993.
[27] A. Conti, M. Z. Win, M. Chiani, and J. H. Winters, Bit Error Outage for Diversity
Reception in Shadowing Environment, IEEE Communications Letters, vol. 7, no. 1,
pp. 1517, Jan. 2003.
[28] A. Conti, M. Z. Win, and M. Chiani, On the Inverse Symbol-Error Probability for
Diversity Reception, IEEE Transactions on Communications, vol. 51, no. 5, pp.
753756, May 2003.
[29] Y.-C. Ko, M. S. Alouini, and M. K. Simon, Outage Probability of Diversity Systems
Over Generalized Fading Channels, IEEE Transactions on Communications, vol. 48,
no. 11, pp. 17831787, Nov. 2000.
[30] R. Butler and A. Wood, Laplace Approximations for Hypergeometric Functions
with Matrix Argument, Journal of Computational and Applied Mathematics, vol.
155, no. 2, pp. 359382, June 2003.
[31] I. Gradshteyn and I. Ryzhik, Table of Integrals, Series, and Products, 6th ed. Lon-
don, England; San Diego, USA : Academic Press, 2000.
[32] Z. Wang and G. B. Giannakis, A Simple and General Parameterization Quantifying
Performance in Fading Channels, IEEE Transactions on Communications, vol. 51,
no. 8, pp. 13891398, Aug. 2003.
165
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[33] A. Azevedo-Filho and R. Shachter, Laplaces Method Approximations for Probabi-
listic Inference in Belief Networks with Continuous Variables, in Proc. Uncertainty
in Articial Intelligence, 1994.
[34] N. D. Bruijn, Asymptotic Methods in Analysis. New York, USA : Dover Publications ;
Dover Ed edition, 1981.
[35] R. Wong, Asymptotic Approximations of Integrals. Boston, New York, USA; London,
England : Academic Press, 1989.
[36] O. Barndor-Nielsen and D. Cox, Asymptotic Techniques for Use in Statistics, 1st ed.
London, England : Chapman and Hall, 1989.
[37] M. Efstathiou, E. Gutierrez-Pena, and A. Smith, Laplace Approximations for Na-
tural Exponential Families with Cuts, Scandinavian Journal of Statistics, vol. 25,
no. 1, pp. 7792, 1998.
[38] J. Jensen, Saddlepoint Approximations. Oxford, England : Oxford University Press,
1995.
[39] O. Barndor-Nielsen and A. Wood, On Large Deviations and Choice of Ancillary
for p* and r*, Bernoulli Journal of Mathematical Statistics and Probability, March
1998.
[40] A. Gershman and N. Sidiropoulos, Space-Time Processing for MIMO Communica-
tions. London, England : Wiley, 2005.
[41] J.-M. Chaufray, Techniques de Communication sur Canal MIMO, France Telecom
R&D, Tech. Rep., Juillet 2004.
[42] D. Cichon and T. Kurner, Propagation Prediction Models, COST 231 Final Report,
Tech. Rep., 1995, available online at http ://www.lx.it.pt/cost231/.
[43] G. Foschini and M. Gans, On Limits of Wireless Communication in a Fading Envi-
ronment when using Multiple Antennas, Wireless Personal Communications, vol. 6,
pp. 311335, 1998.
[44] C. Oestges and B. Clerckx, MIMO Wireless Communications : From Real World
Propagation to Space-Time Code Design. Oxford, England : Academic Press, 2007.
[45] D.-S. Shiu, G. J. Foschini, M. J. Gans, and J. M. Kahn, Fading Correlation and Its
Eect on the Capacity of Multielement Antenna Systems, IEEE Transactions on
Communications, vol. 48, no. 3, pp. 502513, Mar. 2000.
[46] C. Oestges, Validity of the Kronecker Model for MIMO Correlated Channels, in
Vehicular Technology Conference, 2006. VTC 2006-Spring. IEEE 63rd, vol. 6, Mel-
bourne, Vic., May 2006, pp. 28182822.
[47] A. Maaref and S. Aissa, Performance Analysis of Orthogonal Space-Time Block
Codes in Spatially Correlated MIMO Nakagami Fading Channels, IEEE Transac-
tions on Wireless Communications, vol. 5, no. 4, pp. 807817, Apr. 2006.
[48] N. Bissias, G. P. Efthymoglou, and V. A. Aalo, Outage Capacity of OSTBCs Over
Nakagami-m Fading Channels, in Personal, Indoor and Mobile Radio Communica-
tions, 2007. PIMRC 2007. IEEE 18th International Symposium on, Athens, Greece,
Sept. 2007, pp. 15.
[49] B. Holter and G. E. Oien, On the Amount of Fading in MIMO Diversity Systems,
IEEE Transactions on Wireless Communications, vol. 4, no. 5, pp. 24982507, Sept.
2005.
166
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[50] D. Aszetly, On Antenna Arrays in Mobile Communication Systems : Fast Fading and
GSM Base Station Receiver Algorithm, Ph.D. dissertation, Royal Institute Techno-
logy, Stockholm, Sweden, 1996.
[51] J. Luo, J. R. Zeidler, and S. McLaughlin, Performance Analysis of Compact Antenna
Arrays With MRC in Correlated Nakagami Fading Channels, IEEE Transactions
on Vehicular Technology, vol. 50, no. 1, pp. 267277, Jan. 2001.
[52] J. Salz and J. H. Winters, Eect of Fading Correlation on Adaptive Arrays in Digital
Mobile Radio, IEEE Transactions on Vehicular Technology, vol. 43, no. 4, pp. 1049
1057, Nov. 1994.
[53] F. Adachi, M. Feeney, A. Williamson, and J. Parsons, Crosscorrelation Between the
Envelopes of 900 MHz Signals Received at a Mobile Radio Base Station Site, IEE
Proceedings F, 1986.
[54] D. Gesbert, H. Bolcskei, D. A. Gore, and A. J. Paulraj, Outdoor MIMO Wireless
Channels : Models and Performance Prediction, IEEE Transactions on Communi-
cations, vol. 50, no. 12, pp. 19261934, Dec. 2002.
[55] , Performance Evaluation for Scattering MIMO Channel Models, in Signals,
Systems and Computers, 2000. Conference Record of the Thirty-Fourth Asilomar
Conference on, vol. 1, Pacic Grove, CA, Oct./Nov. 2000, pp. 748752.
[56] J. Diouris, K. Mahdjoubi, J. Zeidler, and J. Saillard, The Eet of Coupling in a
Compact Handset Receiver, Annales des Tlcommunications, vol. 54, no. 1-2, pp.
8592, Jan./Feb. 1999.
[57] V. Tarokh, H. Jafarkhani, and A. R. Calderbank, Space-Time Block Codes From
Orthogonal Designs, IEEE Transactions on Information Theory, vol. 45, no. 5, pp.
14561467, July 1999.
[58] S. M. Alamouti, A Simple Transmit Diversity Technique for Wireless Communi-
cations, IEEE Journal on Selected Areas in Communications, vol. 16, no. 8, pp.
14511458, Oct. 1998.
[59] V. Le Nir, Etude et optimisation des systmes multi-antennes associs des modula-
tions multiporteuses, Ph.D. dissertation, Institut National des Sciences Appliques
de Rennes, Nov. 2004.
[60] M. O. Damen, A. Tewk, and J. C. Belore, A Construction of a Space-Time Code
Based on Number Theory, IEEE Transactions on Information Theory, vol. 48, no. 3,
pp. 753760, Mar. 2002.
[61] S. Galliou and J. C. Belore, A New Family of Full Rate, Fully Diverse Space-Time
Codes Based on Galois Theory, in Information Theory, 2002. Proceedings. 2002
IEEE International Symposium on, 2002.
[62] J. C. Belore, G. Rekaya, and E. Viterbo, The Golden Code : a 2 X 2 Full-Rate
Space-Time Code With Non-Vanishing Determinants, in Information Theory, 2004.
ISIT 2004. Proceedings. International Symposium on, 2004, pp. 310310.
[63] , The Golden Code : a 2 X 2 Full-Rate Space-Time Code With Nonvanishing
Determinants, IEEE Transactions on Information Theory, vol. 51, no. 4, pp. 1432
1436, Apr. 2005.
[64] V. Tarokh, H. Jafarkhani, and A. R. Calderbank, Space-Time Block Coding for
Wireless Communications : Performance Results, IEEE Journal on Selected Areas
in Communications, vol. 17, no. 3, pp. 451460, Mar. 1999.
167
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[65] X. Li, T. Luo, G. Yue, and C. Yin, A Squaring Method to Simplify the Decoding
of Orthogonal Space-Time Block Codes, IEEE Transactions on Communications,
vol. 49, no. 10, pp. 17001703, Oct. 2001.
[66] H. Shin and J. H. Lee, Performance Analysis of Space-Time Block Codes Over Key-
hole Nakagami-m Fading Channels, IEEE Transactions on Vehicular Technology,
vol. 53, no. 2, pp. 351362, Mar. 2004.
[67] I. Telatar, Capacity of Multiantenna Gaussian Channels, AT&T Bell Laboratories,
Tech. Rep., June 1995.
[68] G. Foschini, Layered Space-Time Architecture for Wireless Communication in a
Fading Environment When Using Multi-Element Antennas, Bell System Technical
Journal, vol. 1, no. 2, 1996.
[69] A. Paulraj, R. Nabar, and D. Gore, Introduction to Space-Time Wireless Communi-
cations. Cambridge, England : Cambridge University Press, 2003.
[70] D. Gore, J. Heath, R. W., and A. Paulraj, On Performance of the Zero Forcing Recei-
ver in Presence of Transmit Correlation, in Information Theory, 2002. Proceedings.
2002 IEEE International Symposium on, 2002.
[71] J. Hagenauer, Rate-Compatible Punctured Convolutional Codes (RCPC Codes) and
Their Applications, IEEE Transactions on Communications, vol. 36, no. 4, pp. 389
400, Apr. 1988.
[72] A. Viterbi, Convolutional Codes and Their Performance in Communication Sys-
tems, Communications, IEEE Transactions on [legacy, pre - 1988], vol. 19, pp.
751772, Oct. 1971.
[73] A. Conti, M. Z. Win, and M. Chiani, Invertible Bounds for M-QAM in Rayleigh
Fading, IEEE Transactions on Wireless Communications, vol. 4, no. 5, pp. 1994
2000, Sept. 2005.
[74] H. Shin and J. H. Lee, On the Error Probability of Binary and M-ary Signals in
Nakagami-m Fading Channels, IEEE Transactions on Communications, vol. 52,
no. 4, pp. 536539, Apr. 2004.
[75] J. W. Craig, A New, Simple and Exact Result for Calculating the Probability
of Error for Two-Dimensional Signal Constellations, in Military Communications
Conference, 1991. MILCOM 91, Conference Record, Military Communications in a
Changing World., IEEE, McLean, VA, Nov. 1991, pp. 571575.
[76] M. K. Simon and M. Alouini, A Unied Approach to the Performance Analysis
of Digital Communication Over Generalized Fading Channels, Proceedings of the
IEEE, vol. 86, no. 9, pp. 18601877, Sept. 1998.
[77] M. K. Simon and M. S. Alouini, A Unied Approach to the Probability of Error
for Noncoherent and Dierentially Coherent Modulations Over Generalized Fading
Channels, IEEE Transactions on Communications, vol. 46, no. 12, pp. 16251638,
Dec. 1998.
[78] M. S. Alouini and A. J. Goldsmith, A Unied Approach for Calculating Error Rates
of Linearly Modulated Signals Over Generalized Fading Channels, IEEE Transac-
tions on Communications, vol. 47, no. 9, pp. 13241334, Sept. 1999.
[79] T. Eng and L. B. Milstein, Coherent DS-CDMA Performance in Nakagami Multipath
Fading, IEEE Transactions on Communications, vol. 43, no. 234, pp. 11341143,
1995.
168
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[80] S. Chennakeshu and J. B. Anderson, Error Rates for Rayleigh Fading Multichannel
Reception of MPSK Signals, IEEE Transactions on Communications, vol. 43, no.
234, pp. 338346, 1995.
[81] S. Jonqyin and I. S. Reed, Performance of MDPSK, MPSK, and Noncoherent
MFSK in Wireless Rician Fading Channels, IEEE Transactions on Communica-
tions, vol. 47, no. 6, pp. 813816, June 1999.
[82] J. Lu, K. B. Letaief, J. C. I. Chuang, and M. L. Liou, M-PSK and M-QAM BER
Computation Using Signal-Space Concepts, IEEE Transactions on Communica-
tions, vol. 47, no. 2, pp. 181184, Feb. 1999.
[83] C. Tellambura, Q. Wang, and V. K. Bhargava, A Performance Analysis of Trellis-
Coded Modulation Schemes Over Rician Fading Channels, IEEE Transactions on
Vehicular Technology, vol. 42, no. 4, pp. 491501, Nov. 1993.
[84] E. Biglieri, G. Caire, and G. Taricco, Approximating the Pairwise Error Probability
for Fading Channels, Electronics Letters, vol. 31, pp. 16251627, Sept. 1995.
[85] D. Miorandi and E. Altman, Coverage and Connectivity of Ad Hoc Networks Pre-
sence of Channel Randomness, in INFOCOM 2005. 24th Annual Joint Conference of
the IEEE Computer and Communications Societies. Proceedings IEEE, vol. 1, Mar.
2005, pp. 491502.
[86] C. Berrou, A. Glavieux, and P. Thitimajshima, Near Shannon Limit Error-
Correcting Coding and Decoding : Turbo-Codes. 1, in Communications, 1993. ICC
93. Geneva. Technical Program, Conference Record, IEEE International Conference
on, vol. 2, Geneva, May 1993, pp. 10641070.
[87] H. Karvonen, Z. Shelby, and C. Pomalaza-Raez, Coding for Energy Ecient Wireless
Embedded Networks, in Wireless Ad-Hoc Networks, 2004 International Workshop
on, May/June 2004, pp. 300304.
[88] S. Manji and N. Mandayam, Block Error Probability using List Viterbi Decoding
with Hard Decisions. [Online]. Available : citeseer.ist.psu.edu/317496.html
[89] D. Haccoun and G. Begin, High-Rate Punctured Convolutional Codes for Viterbi
and Sequential Decoding, IEEE Transactions on Communications, vol. 37, no. 11,
pp. 11131125, Nov. 1989.
[90] P. Frenger, P. Orten, and T. Ottosson, Convolutional Codes With Optimum Distance
Spectrum, IEEE Communications Letters, vol. 3, no. 11, pp. 317319, Nov. 1999.
[91] H. Shin and J. H. Lee, Exact Symbol Error Probability of Orthogonal Space-Time
Block Codes, in Global Telecommunications Conference, 2002. GLOBECOM 02.
IEEE, vol. 2, Nov. 2002, pp. 11971201.
[92] P. Lombardo, G. Fedele, and M. M. Rao, MRC Performance for Binary Signals in
Nakagami Fading With General Branch Correlation, IEEE Transactions on Com-
munications, vol. 47, no. 1, pp. 4452, Jan. 1999.
[93] R. Gozali and B. D. Woerner, On the Robustness of Space-Time Block Codes to
Spatial Correlation, in Vehicular Technology Conference, 2002. VTC Spring 2002.
IEEE 55th, vol. 2, May 2002, pp. 832836.
[94] G. Femenias, BER Performance of Linear STBC From Orthogonal Designs Over
MIMO Correlated Nakagami-m Fading Channels, IEEE Transactions on Vehicular
Technology, vol. 53, no. 2, pp. 307317, Mar. 2004.
[95] H. Zhang and T. A. Gulliver, On the Probability of Error for Orthogonal Space-
Time Block Codes Over Correlated Rayleigh and Nakagami-m Fading Channels,
169
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
2004. Proceedings of the IEEE 6th Circuits and Systems Symposium on Emerging
Technologies : Frontiers of Mobile and Wireless Communication, vol. 2, pp. 579582,
May/June 2004.
[96] R. Xu and F. C. M. Lau, Performance Analysis for MIMO Systems Using Zero
Forcing Detector Over Fading Channels, in Communications, IEE Proceedings-,
vol. 153, Feb. 2006, pp. 7480.
[97] M. Schwartz, W. Bennett, and S. Stein, Communication Systems and Techniques.
New York, USA : McGraw-Hill, 1966.
[98] Y. Ma and L. Zhao, Achievable Performance of Orthogonal STBC Over Spatially
Correlated Rician Channels, IEEE Transactions on Vehicular Technology, vol. 56,
no. 3, pp. 12511261, May 2007.
[99] T. Ratnarajah, Spatially Correlated Multiple-Antenna Channel Capacity Distribu-
tions, in Communications, IEE Proceedings-, vol. 153, Apr. 2006, pp. 263271.
[100] L. Garcia-Ordonez, D. P. Palomar, A. Pages-Zamora, and J. R. Fonollosa, Analytical
BER Performance in Spatial Multiplexing MIMO Systems, in Signal Processing
Advances in Wireless Communications, 2005 IEEE 6th Workshop on, June 2005, pp.
460464.
[101] M. Kiessling and J. Speidel, Analytical Performance of MIMO Zero-Forcing Recei-
vers in Correlated Rayleigh Fading Environments, in Signal Processing Advances in
Wireless Communications, 2003. SPAWC 2003. 4th IEEE Workshop on, June 2003,
pp. 383387.
[102] T. Ratnarajah and R. Vaillancourt, Quadratic Forms on Complex Random Matrices
and Multiple-Antenna Systems, IEEE Transactions on Information Theory, vol. 51,
no. 8, pp. 29762984, Aug. 2005.
[103] R. Butler and A. Wood, Laplace Approximations to Hypergeometric Functions of
Two Matrix Arguments, Journal of Multivariate Analysis, vol. 94, no. 1, pp. 118,
May 2005.
[104] W. Tan and R. Gupta, On Approximating the Non-Central Wishart Distribution
with Wishart Distribution, Commun. Stat. Theory and Method, vol. 12, no. 22, pp.
25892600, 1983.
[105] N. C. Beaulieu and A. A. Abu-Dayya, Bandwidth Ecient QPSK in Cochannel
Interference and Fading, IEEE Transactions on Communications, vol. 43, no. 9, pp.
24642474, Sept. 1995.
[106] Y. Ma, T. L. Lim, and S. Pasupathy, Error Probability for Coherent and Dierential
PSK Over Arbitrary Rician Fading Channels With Multiple Cochannel Interferers,
IEEE Transactions on Communications, vol. 50, no. 3, pp. 429441, Mar. 2002.
[107] N. C. Beaulieu and J. Cheng, Precise Error-Rate Analysis of Bandwidth-Ecient
BPSK in Nakagami Fading and Cochannel Interference, IEEE Transactions on Com-
munications, vol. 52, no. 1, pp. 149158, Jan. 2004.
[108] Z. Du, J. Cheng, and N. C. Beaulieu, BER Analysis of BPSK Signaling in Ricean-
faded Cochannel Interference, in Global Telecommunications Conference, 2005.
GLOBECOM 05. IEEE, vol. 3, Nov./Dec. 2005.
[109] D. G. Brennan, Linear Diversity Combining Techniques, in Proceedings of the IRE,
vol. 47, no. 6, June 1959, pp. 10751102.
[110] J. H. Winters, Optimum Combining in Digital Mobile Radio With Cochannel In-
terference, IEEE Transactions on Vehicular Technology, vol. 33, no. 3, pp. 144155,
Aug. 1984.
170
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[111] V. A. Aalo and J. Zhang, Performance of Antenna Array Systems With Opti-
mum Combining in a Rayleigh Fading Environment, IEEE Communications Letters,
vol. 4, no. 4, pp. 125127, Apr. 2000.
[112] A. Shah, A. M. Haimovich, M. K. Simon, and M. S. Alouini, Exact Bit-Error Pro-
bability for Optimum Combining With a Rayleigh Fading Gaussian Cochannel In-
terferer, IEEE Transactions on Communications, vol. 48, no. 6, pp. 908912, June
2000.
[113] M. Chiani, M. Win, A. Zanella, and J. H. Winters, Exact Symbol Error Probabi-
lity for Optimum Combining in the Presence of Multiple Co-channel Interferers and
Thermal Noise, in Global Telecommunications Conference, 2001. GLOBECOM 01.
IEEE, vol. 2, San Antonio, TX, Nov. 2001, pp. 11821186.
[114] A. Shah and A. M. Haimovich, Performance Analysis of Optimum Combining in
Wireless Communications With Rayleigh Fading and Cochannel Interference, IEEE
Transactions on Communications, vol. 46, no. 4, pp. 473479, Apr. 1998.
[115] E. Villier, Performance Analysis of Optimum Combining With Multiple Interferers
in Flat Rayleigh Fading, IEEE Transactions on Communications, vol. 47, no. 10,
pp. 15031510, Oct. 1999.
[116] A. Annamalai and C. Tellambura, Error Rates for Nakagami-m Fading Multichannel
Reception of Binary and M-ary Signals, IEEE Transactions on Communications,
vol. 49, no. 1, pp. 5868, Jan. 2001.
[117] J. S. Kwak and J. H. Lee, Closed-form Expressions of Approximate Error Rates
for Optimum Combining With Multiple Interferers in a Rayleigh Fading Channel,
IEEE Transactions on Vehicular Technology, vol. 55, no. 1, pp. 158166, Jan. 2006.
[118] M. Chiani, D. Dardari, and M. K. Simon, New Exponential Bounds and Approxi-
mations for the Computation of Error Probability in Fading Channels, IEEE Tran-
sactions on Wireless Communications, vol. 2, no. 4, pp. 840845, July 2003.
[119] V. Bogachev and I. Kiselev, Optimum Combining of Signals in Space-Diversity Re-
ception, Telecommunications and Radio Engineering, vol. 34/35, no. 10, pp. 8385,
1980.
[120] J. Cui, D. D. Falconer, and A. U. H. Sheikh, Analysis of BER for Optimum Com-
bining With Two Co-channel Interferers and Maximal Ratio Combining With Arbi-
trary Number of Interferers, in Personal, Indoor and Mobile Radio Communications,
1996. PIMRC96., Seventh IEEE International Symposium on, vol. 1, Taipei, Oct.
1996, pp. 5357.
[121] A. Shah and A. M. Haimovich, Performance Analysis of Maximal Ratio Combining
and Comparison With Optimum Combining for Mobile Radio Communications With
Cochannel Interference, IEEE Transactions on Vehicular Technology, vol. 49, no. 4,
pp. 14541463, July 2000.
[122] C. Chayawan and V. A. Aalo, On the Outage Probability of Optimum Combi-
ning and Maximal Ratio Combining Schemes in an Interference-Limited Rice Fading
Channel, IEEE Transactions on Communications, vol. 50, no. 4, pp. 532535, Apr.
2002.
[123] M. Kang, M. S. Alouini, and L. Yang, Outage Probability and Spectrum Eciency
of Cellular Mobile Radio Systems With Smart Antennas, IEEE Transactions on
Communications, vol. 50, no. 12, pp. 18711877, Dec. 2002.
171
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[124] D. Lao and A. M. Haimovich, Exact Average Symbol Error Probability of Opti-
mum Combining With Arbitrary Interference Power, IEEE Communications Let-
ters, vol. 8, no. 4, pp. 226228, Apr. 2004.
[125] R. Diestel, Graph Theory. New York, USA : Springer-Verlag, 2000.
[126] S. Verd, Optimum Multiuser Signal Detection, Ph.D. dissertation, University of
Ilinois, Urbana-Champaign, August 1984.
[127] S. Moshavi, Multi-User Detection for DS-CDMA Communications, IEEE Commu-
nications Magazine, vol. 34, no. 10, pp. 124136, Oct. 1996.
[128] J. G. Andrews, Interference Cancellation for Cellular Systems : a Contemporary
Overview, IEEE [see also IEEE Personal Communications] Wireless Communica-
tions, vol. 12, no. 2, pp. 1929, Apr. 2005.
[129] I. Oppermann, Extending the Scope of 802.11 WLAN Through LMMSE CDMA
Receiver Structures, in Personal, Indoor and Mobile Radio Communications, 2002.
The 13th IEEE International Symposium on, vol. 2, Sept. 2002, pp. 864868.
[130] H. R. Karimi and A. M. Kuzminskiy, The Impact of Interference Cancellation on
the Uplink Throughput of WLAN With CSMA/CA, in Global Telecommunications
Conference, 2005. GLOBECOM 05. IEEE, vol. 5, Nov./Dec. 2005.
[131] A. M. Kuzminskiy and Y. I. Abramovick, Adaptive Second-Order Asynchronous
CCI Cancellation : Maximum Likelihood Benchmark for Regularized Semi-Blind
Technique, in Acoustics, Speech, and Signal Processing, 2004. Proceedings. (ICASSP
04). IEEE International Conference on, vol. 4, May 2004, pp. 453456.
[132] A. M. Kuzminskiy and C. B. Papadias, Re-Congurable Semi-Blind Cancellation of
Asynchronous Interference With an Antenna Array, in Acoustics, Speech, and Signal
Processing, 2003. Proceedings. (ICASSP 03). 2003 IEEE International Conference
on, vol. 4, Apr. 2003, pp. 696699.
[133] M. Ahn, D. Kim, and J. S. Kenney, Throughput Improvement in Interference Limited
Multipath Environments Using a Smart Antenna for IEEE 802.11b WLAN, in Radio
and Wireless Conference, 2004 IEEE, Sept. 2004, pp. 411414.
[134] H. Arslan, S. C. Gupta, G. E. Bottomley, and S. Chennakeshu, New Approaches
to Adjacent Channel Interference Suppression in FDMA/TDMA Mobile Radio Sys-
tems, IEEE Transactions on Vehicular Technology, vol. 49, no. 4, pp. 11261139,
July 2000.
[135] R. Dinis, D. Falconer, and B. Ng, Iterative Frequency-Domain Equalizers for Adja-
cent Channel Interference Suppression, in Global Telecommunications Conference,
2005. GLOBECOM 05. IEEE, vol. 6, Nov./Dec. 2005.
[136] G. Ungerboeck, Adaptive Maximum-Likelihood Receiver for Carrier-Modulated
Data-Transmission Systems, Communications, IEEE Transactions on [legacy, pre -
1988], vol. 22, no. 5, pp. 624636, May 1974.
[137] J. Forney, G., Maximum-Likelihood Sequence Estimation of Digital Sequences in the
Presence of Intersymbol Interference, IEEE Transactions on Information Theory,
vol. 18, no. 3, pp. 363378, May 1972.
[138] G. E. Bottomley and S. Chennakeshu, Unication of MLSE Receivers and Extension
to Time-Varying Channels, IEEE Transactions on Communications, vol. 46, no. 4,
pp. 464472, Apr. 1998.
[139] H. Zamiri-Jafarian and S. Pasupathy, Complexity Reduction of the MLSD/MLSDE
Receiver Using the Adaptive State Allocation Algorithm, IEEE Transactions on
Wireless Communications, vol. 1, no. 1, pp. 101111, Jan. 2002.
172
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
BIBLIOGRAPHIE
[140] Z. Qin, K. C. Teh, and E. Gunawan, Iterative Reduced-State Multiuser Detection
for Asynchronous Coded CDMA, IEEE Transactions on Communications, vol. 50,
no. 12, pp. 18921894, Dec. 2002.
173
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9
FOLIO ADMINISTRATIF
THESE SOUTENUE DEVANT LINSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON
NOM : MARY DATE de SOUTENANCE : 11 Fvrier 2008
Prnoms : Philippe, Marcel
TITRE : Etude analytique des performances des systmes radio-mobiles en prsence dvanouissements et deet de masque.
NATURE : Doctorat Numro dordre : 2008-ISAL-0008
Ecole doctorale : Electronique Electrotechnique Automatique (EEA)
Spcialit : Images et Systmes
Cote B.I.U. - Lyon : T 50/210/19 / et bis CLASSE :
RESUME :
Cette thse a pour but lanalyse des performances dune communication radio en prsence dvanouissements et deet de masque. Le
masquage, du aux obstacles entre lmetteur et le rcepteur, fait varier la probabilit derreur moyenne ("Symbole Error Probability"
SEP). Ltude de la probabilit de coupure symbole (SEO "Symbol error Outage") dnie comme la probabilit que le SEP moyen ex-
cde une valeur seuil est donc plus pertinent. La dicult de son tude rside dans le fait quune inversion du SEP moyen par rapport
au SNR (Signal to Noise Ratio) est ncessaire. Par la mthode de Laplace nous donnons des approximations prcises tout SNR du
SEP dans un canal de Nakagami-m et Rice dans le cas mono-antenne. Nous montrons ensuite que ces approximations sont inversibles
par rapport au SNR et permettent dexprimer analytiquement le SEO en fonction du SEP cible. Nous intgrons ensuite le codage canal
et drivons des expressions analytiques de la probabilit de coupure paquet pour un codage bloc puis un codage convolutif entre dci-
de. Nous tendons ltude aux systmes MIMO codage bloc orthogonaux puis multiplexage spatial o des formes exactes du SEO
sont drives. Nous considrons le cas o des interfrents sont prsents. Nous drivons une approximation prcise et inversible de la pro-
babilit derreur lorsque les signaux se propagent travers un canal vanouissements rapides de Rayleigh. Enn parce que la prise en
compte de linterfrence est un moyen avr daugmenter la capacit des rseaux, nous tudions les performances de la dtection multi-
utilisateurs maximum de vraisemblance (MUD-MLSE), dans un contexte WLAN canaux recouvrant.
ABSTRACT :
This thesis focuses on analytical performance studies of radiocommunication systems in shadowing environments. The shadowing im-
plied by the presence of large scale obstacles between transmitter and receiver, induces a change in the average symbol error probabi-
lity (SEP). The symbol error outage (SEO), dened as the probability to observe a given average SEP over a fading channel in a sha-
dowing environment, is hence a more adequate metric. The most challenging issue in the SEO study is that an inversion of the SEP
with respect to the signal to noise (SNR) is needed. We have studied the single input single output (SISO) case rst. Thanks to the
Laplace method, we derive some new tight SEP approximations in Nakagami-m and Ricean fading channels. These new expressions
are tight for a large SNR range which improves results available in the open literature. We prove that our expressions are invertible
w.r.t. the SNR, facilitating the SEO to be expressed in closed form as a function of the target SEP. We also derive the packet error
outage (PEO) in closed form considering channel block and convolutional codes with hard decision decoding. We then extend this ap-
proach to multiple input multiple output (MIMO) systems. We derive closed form expressions for the SEO of MIMO space-time block
encoded as well as spatial multiplexing systems. Finally, interfering environments are considered. A SEP invertible expression is derived
when the signal of interest and the interfering one experience a Rayleigh fading channel. We also study the performance of an improved
multi-user maximum likelihood sequence estimation algorithm in an interfering WLAN context.
MOTS-CLES : Communications mobiles, probabilit derreur symbole, probabilit de coupure symbole, probabilit de coupure paquet,
shadowing, vanouissements, SEP, SEO, MIMO STBC, multiplexage spatial, MUD-MLSE.
Laboratoire de recherche : Centre dInnovation en Tlcommunication et Intgration de service (CITI)
Directeurs de thse : M. Jean-Marie GORCE, M. Christian GONTRAND
Prsident de jury : Pierre DUHAMEL
Composition du jury :
M. Pierre DUHAMEL, Directeur de Recherche CNRS (Prsident) M. Jean-Marie GORCE, MdC INSA de Lyon (Co-Directeur de thse)
M. Inbar FIJALKOW, Pr. ENSEA Cergy-Pontoise (Rapporteur) M. Mischa DOHLER, Dr France Telecom R&D (Co-Encadrant)
M. Jean-Claude BELFIORE, Pr. ENST Paris (Rapporteur) M. Jean-Marc BROSSIER, Pr. INP Grenoble (Examinateur)
M. Christian GONTRAND, Pr. INSA Lyon (Directeur de thse) M. Guillaume VILLEMAUD, MdC INSA Lyon (Examinateur)
t
e
l
-
0
0
4
0
6
3
1
0
,

v
e
r
s
i
o
n

1

-

2
1

J
u
l

2
0
0
9

2008 02 These Philippe Mary

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2008 02 These Philippe Mary

Transféré par

Droits d'auteur :

Formats disponibles

N dordre 2008-ISAL-0008

, o est la longueur donde, r la distance entre lmetteur et le rcepteur, k est

() dont la forme dpend

(t) = 0 sur [0, 1] si

z. Or lorsque lune des variables y

t qui conduit une bonne approximation de (2.30) :

t tend vers 1. Avec ces commentaires, une approximation

t qui tend vers 1.

= (z y)/(1y). De plus, lorsque

t = 1/2. En factorisant (4.43) par x

() une nouvelle fois, et

Vous aimerez peut-être aussi