Vous êtes sur la page 1sur 176

n vue de I'obtention du

UOC1OkA1 UL L'UH|vLkS|1L UL 1OULOUSL



DeIivre par :

DiscipIine ou speciaIite :




Presentee et soutenue par :



7itre :








coIe doctoraIe :
Unite de recherche :
Directeur(s) de 7hese :
Rapporteurs :
Ie :
Membre(s) du jury :
Institut National Polytechnique de Toulouse (INP Toulouse)
Mathmatiques Informatique Tlcommunications (MITT)
Forme d'onde multiporteuse pour de la diffusion par satellite haute capacit
vendredi 26 octobre 2012
Clment DUDAL
Rseaux, Tlcommunications, Systmes et Architecture (RTSA)
Emmanuel BOUTILLON
Jean-Pierre CANCES
Marie-Laure BOUCHERET
Nathalie THOMAS - Co-directrice de thse
IRIT
Ezio BIGLIERI - Prsident du jury
Guy LESTHIEVENT- Examinateur
Marco LOPS - Examinateur
Marie-Laure BOUCHERET - Directrice de thse
Nathalie THOMAS - Co-directrice de thse
Mathieu DERVIN - Encadrant industriel
Everything will be okay in the end. If its not okay its not the end.
J. Lennon
Une civilisation sans la science, cest aussi absurde quun poisson sans bicyclette.
P. Desproges
ii
iii
Remerciements
Mes premiers remerciements vont mes encadrants Nathalie Thomas, Marie-Laure
Boucheret et Mathieu Dervin pour leur investissement sans faille pendant ces trois
annes de labeur. Merci Marie-Laure pour ces explications techniques et sa grande
foi en mes travaux. Merci Nathalie pour son soutien, sa bonne humeur, son in-
vestissement notamment dans la vrication de mes rsultats et pour ses sugges-
tions qui mont permis de me relancer dans les instants de doute. Merci Mathieu
pour son suivi, ses corrections pointues, son humour, les sorties piscine et les nom-
breuses conversations techniques ou non que lon a pu avoir autour dun caf ou
dun breuvage plus houblonn.
Jexprime mes sincres remerciements Emmanuel Boutillon et Jean-Pierre Cances
pour avoir accept de rapporter ma thse et pour leur intrt manifest lors de la
soutenance.
Je remercie chaleureusement Marco Lops pour sa grande collaboration mes tra-
vaux de thse, ses encouragements, sa bonne humeur et pour sa prsence dans mon
jury de thse. Ho anche lo ringrazio per il suo incoraggiamento a mio italiano ap-
prendimento.
Jexprime ma gratitude Ezio Biglieri pour mavoir fait lhonneur de prsider ce
jury de thse ainsi qu Guy Lesthievent pour sa prsence dans le jury et son intrt
pour mes travaux.
Mais une thse cest aussi un environnement de travail et je ne peux manquer de re-
mercier lquipe des Top Gun de Thales : Mathieu D., Cdric B., Erwan C., Fabrice
A. et Zakariya F. sans oublier Fabienne R. et Marie D. qui ont largement contribu
la russite de cette thse par leur accueil, leurs conseils et leur chaleur humaine.
La pause caf revisite faon Top Gun fut une grande source dinspiration au quo-
tidien ! Top Gun ocieux mais non moins assimil comme tel, je remercie mon
ami Fabrice Hobaya, mon GG, mon collgue de thse, mon partenaire de course.
iv
Ses prcieux conseils emprunts de sagesse et son ternelle conance en moi mont
permis de traverser bien des temptes. Merci.
Je remercie bien videmment ma famille, mes parents, mes soeurs, mes grands-
mres pour leur indfectible soutien depuis de nombreuses annes, soutien qui ma
amen aujourdhui soutenir cette thse. Merci Laurence, Daniel et Raphale
pour leur accueil. Merci Brigitte, Yves, Thomas, Thrse, Aim et Sandrine pour
leur soutien et leur venue.
Un immense merci aux Gros, pour ces dernires annes mmorables et tous ces
bons moments, cette thse vous doit beaucoup ! Merci donc Anna, Ba, Sgo,
Laurie, Ptite Clem, Delphine, Tiany, Cindy, Angela, Renaud, Mika, Basile, Do,
Nichou, Mass Matt, Nico, Ferdi, PH, Canard, Ppite, Cyril, Alex, Got et Pierre.
Pour ces trois annes de colocation, riches du pire mais surtout du meilleur, je
remercie Mika pour sa patience et son fameux pastasciutto.
Je remercie mes chers amis et futurs docteurs Paulo et Romain pour tre prsents
depuis de trs nombreuses annes.
Merci mes partenaires de voyage et non moins amis Estelle et Arnaud qui voyagent
peut-tre un peu trop mon got !
Pour les nombreuses pauses caf, djeuners, soires et autres dbats philosophiques
sur les orignaux et les lans, je remercie sincrement les membres de lquipe IRT
Patou, Renaud, Mika, Julien, Andr-Luc, Manu, Nesrine et Guillaume. Je remercie
galement lquipe SC, Marie, Corinne, Martial, Benoit, Jean-Yves, Nicolas pour
son accueil et son soutien. Merci Charly pour son aide prcieuse sur les codes
LDPC.
Pour les kilomtres parcourus ensemble, les prpas physiques et hpatiques et tous
ces moments dquipe, merci Bibi, Yo, Tibo, Charles, Nico, Mamat et Bartlomiej,
jeunes Fenix en devenir.
Merci mes bordelaises prfres Julie et Lise.
Je remercie enn Pascaline pour sa patience ces dernires annes, son soutien si
prcieux et sa conance en moi. Merci davoir t et dtre l.
v
Rsum
Cette thse se concentre sur lamlioration conjointe de lecacit spectrale et de
lecacit en puissance de schmas de transmission par satellite. Lmergence de
nouveaux services et laugmentation du nombre dacteurs dans le domaine nces-
sitent de disposer de dbits de plus en plus importants avec des ressources de plus
en plus limites.
Les progrs raliss ces dernires annes sur la technologie embarque et dans le
domaine des communications numriques permettent de considrer des schmas
de transmission plus haute ecacit spectrale et en puissance. Cependant, lenjeu
majeur des schmas de transmission proposs actuellement reste de rentabiliser les
ressources disponibles.
Ltude dveloppe dans cette thse explore les possibilits damlioration conjointe
de lecacit spectrale et de lecacit en puissance en proposant la combinaison
de la modulation Cyclic Code-Shift-Keying (CCSK), dont lecacit en puissance
augmente avec llvation du degr de la modulation, avec une technique de mul-
tiplexage par codage de type Code-Division Multiplexing (CDM) pour pallier la
dgradation de lecacit spectrale lie ltalement du spectre induit par la mo-
dulation CCSK. Deux approches bases sur lutilisation de squences de Gold de
longueur N sont dnies :
une approche multi-ux avec un dcodeur sphrique optimal en rception. La
complexit lie loptimalit du dcodeur conduit des valeurs decacit spec-
trale limites mais ltude analytique des performances, vrie par des simu-
lations, montre une augmentation de lecacit en puissance avec lecacit
spectrale.
une approche mono-ux justie par lapparition de redondance dans les mo-
tifs rsultant du multiplexage des squences. Lapproche mono-ux propose des
valeurs decacit spectrale quivalente aux schmas retenus dans le standard
vi
DVB-S2 avec une amlioration de lecacit en puissance partir dun certain
seuil de rapport signal bruit par rapport ces schmas.
Par la suite, ltude porte sur la transposition de plusieurs symboles de modulation
sur les porteuses dun systme OFDM et sur les bnces et avantages dune telle
approche. Elle se conclut sur lapport dun codage canal bas sur des codes par bloc
non binaires Reed-Solomon et LDPC.
La forme donde propose ore des points de fonctionnement haute ecacit
spectrale et haute ecacit en puissance avec des perspectives intressantes. Dans
le contexte actuel, son application reste limite par ses uctuations damplitude
mais est envisageable dans un contexte de transmission multiporteuse, comme at-
tendu dans les annes venir.
vii
Abstract
This thesis focuses on jointly improving the spectral eciency and the power ef-
ciency of satellite transmission schemes. The emergence of new services and the
increasing number of actors in this eld involve higher transmission rates with in-
creasingly limited resources.
Recent progress in the embedded technologies and in digital communications of-
fered to consider transmission schemes with higher spectral and power eciency.
Nevertheless, the major current challenge consists in making ecient use of re-
sources.
The study developed in this thesis explores the possibilities of jointly improving
the spectral and power eciency by oering a combination of the Cyclic-Code-
Shift Keying modulation (CCSK), which power eciency increases with the degree
of modulation, with a multiplexing technique such as Code-Division Multiplexing
(CDM) to oset the deterioration on the spectral eciency due to the spread spec-
trum induced by CCSK. Two approaches based on the use of Gold sequences of
length N are dened :
a multi-stream approach with an optimal receiver implemented through sphere
decoding. The complexity due to the receiver optimality leads to limited spectral
eciencies but the study of performance, conrmed by simulations, shows an
increase in power eciency with spectral eciency.
a single-stream approach justied by the appearance of redundancy in the pat-
terns following the sequences multiplexing. The single-stream approach oers
spectral eciencies equivalent to the adopted schemes in the DVB-S2 standard,
with improved power eciency from a certain level of signal to noise ratio com-
pared to those schemes.
Subsequently, the study focuses on the implementation of several modulation sym-
bols on the subcarriers of an OFDM modulator and the benets and advantages of
viii
such an approach. It concludes with the contribution of channel coding based on
nonbinary block codes such as Reed-Solomon and LDPC codes.
The proposed waveform oers operating points with high spectral eciency and
high power eciency with attractive perspectives. In the current context, its ap-
plication is limited by its amplitude uctuations but is possible in a multicarrier
transmission context, as expected in the years to come.
ix
Table des matires
Table des matires x
Table des gures xiv
Liste des tableaux xx
Liste des abrviations xxii
Introduction 1
1 Contexte et technologies de la diusion par satellite 5
1.1 Contraintes et motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Normes de diusion par satellite . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Cyclic Code Shift Keying (CCSK) . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Code Division Multiplexing (CDM) . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Forme donde CDM-CCSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Orthogonal Frequency Division Multiplexing (OFDM) . . . . . . . . . . . . . 16
2 Etat de lart sur les squences dtalement 19
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Squences de longueur maximale . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Dnition et construction . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.3 Paires prfres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Squences de Gold . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1 Dnition et construction . . . . . . . . . . . . . . . . . . . . . . . . . 26
x
TABLE DES MATIRES
2.3.2 Proprits des squences de Gold . . . . . . . . . . . . . . . . . . . . 28
2.3.3 Squences Gold-like . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Squences de Kasami . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4.1 Ensemble petit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.2 Ensemble large . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5 Conclusion sur le choix des squences dtalement . . . . . . . . . . . . . . . 33
3 Forme donde CDM-CCSK 37
3.1 Prsentation du systme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.1 Rgle de dcision optimale . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Format de multiplexage . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Etude faible charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.1 Etude analytique des performances . . . . . . . . . . . . . . . . . . . 44
3.2.2 Rcepteur optimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2.1 Dcodage sphrique . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2.2 Dcodage sphrique gnralis . . . . . . . . . . . . . . . . 52
3.2.3 Rsultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2.4 Dcodeurs sous-optimaux . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.4.1 Least Absolute Shrinkage and Selection Operator (LASSO) . 62
3.2.4.2 Relaxation Semi-Dnie . . . . . . . . . . . . . . . . . . . 64
3.2.4.3 Conclusion sur les dtecteurs sous-optimaux . . . . . . . . . 69
3.3 Etude forte charge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3.1 Etude de cas pour une longueur de squence N=7 . . . . . . . . . . . . 71
3.3.2 Etude analytique des performances . . . . . . . . . . . . . . . . . . . 74
3.3.3 Rsultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.4 Conclusion sur la forme donde CDM-CCSK . . . . . . . . . . . . . . . . . . 81
4 Techniques multiporteuses 83
4.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2 Transmission multiporteuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.2.1 Etape de concatnation . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.2.2 Principe dune modulation multiporteuse . . . . . . . . . . . . . . . . 89
4.3 Peak-to-Average-Power Ratio (PAPR) . . . . . . . . . . . . . . . . . . . . . . 93
xi
TABLE DES MATIRES
4.3.1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.3.2 Approximation de la distribution . . . . . . . . . . . . . . . . . . . . . 94
4.4 Techniques de rduction du PAPR . . . . . . . . . . . . . . . . . . . . . . . . 95
4.5 Apport sur lecacit spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.6 Conclusion sur la modulation multiporteuse . . . . . . . . . . . . . . . . . . . 101
5 Codage canal 103
5.1 Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2 Codage Reed-Solomon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.2.1 Prsentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.2.2 Etudes et rsultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2.2.1 Systme MC-CSK pour M = 2
7
. . . . . . . . . . . . . . . . 109
5.2.2.2 Systme MC-CSK pour M = 2
14
. . . . . . . . . . . . . . . 114
5.3 Codage Low-Density Parity-Check (LDPC) . . . . . . . . . . . . . . . . . . . 119
5.3.1 Prsentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.3.2 Choix du code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.3 Dcodage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.3.1 Systme MC-CSK pour M = 2
6
. . . . . . . . . . . . . . . . 123
5.3.3.2 Systme MC-CSK pour M = 2
12
. . . . . . . . . . . . . . . 125
5.4 Conclusion sur le codage canal . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Conclusion 133
Conclusions gnrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
Perspectives de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Annexe A 136
Bibliographie 142
xii
TABLE DES MATIRES
xiii
Table des gures
1.1 Principe de fonctionnement du CCSK . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Probabilit derreur du CCSK, du MOS et dune 64-QAM. . . . . . . . . . . . 10
1.3 Diminution de la probabilit derreur du CCSK avec laugmentation de la lon-
gueur N des squences. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Techniques de multiplexage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Principe de ltalement de spectre par squence directe . . . . . . . . . . . . . 14
1.6 Multiplexage par CDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Dmultiplexage par CDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Spectre dun signal sur porteuses recouvres (a). Spectre dun signal sur por-
teuses juxtaposes (b) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Exemple de registre dcalage pour m = 5 . . . . . . . . . . . . . . . . . . . . 21
2.2 Autocorrlation et intercorrlation de deux M-squences de longueur N = 31 . 23
2.3 Autocorrlation et intercorrlation dune paire prfre de longueur N = 31 . . 25
2.4 Autocorrlation et intercorrlation de squences de Gold de longueur N = 31 . 29
2.5 Autocorrlation et intercorrlation de squences Gold-like de longueur N = 15 30
2.6 Autocorrlation et intercorrlation de squences de Kasami de lensemble large
de longueur N = 63 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1 Schma de construction de la forme donde propose . . . . . . . . . . . . . . 39
3.2 Evolution du spectre du signal lors de construction de la forme donde propose 40
3.3 Comparaison des taux derreur macrosymbole simuls en fonction de la m-
thode dattribution des squences . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4 Probabilits doccurrence du nombre de squences fausses en fonction du rap-
port signal bruit, N=31, K=4, L=8 . . . . . . . . . . . . . . . . . . . . . . . 56
xiv
TABLE DES FIGURES
3.5 Probabilits doccurrence du nombre de squences fausses en fonction du rap-
port signal bruit, N=31, K=4, L=32 . . . . . . . . . . . . . . . . . . . . . . 56
3.6 Probabilits doccurrence du nombre de squences fausses en fonction du rap-
port signal bruit, N=31, K=10, L=4 . . . . . . . . . . . . . . . . . . . . . . 57
3.7 Validation par simulation des approximations du TEM et du TEB, N=31, K=4,
L=8, algorithme SD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.8 Validation par simulation des approximations du TEM et du TEB, N=31, K=4,
L=32, algorithme GSD = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.9 Validation par simulation des approximations du TEMet du TEB, N=31, K=10,
L=4, algorithme GSD = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.10 Amlioration du taux derreur macrosymbole avec laugmentation du nombre
L de squences par ux, N=31, K=4 . . . . . . . . . . . . . . . . . . . . . . . 60
3.11 Amlioration du taux derreur bit avec laugmentation du nombre L de s-
quences par ux, N=31, K=4. Comparaison avec le TEB thorique de la BPSK
et de la QPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.12 Dgradation du taux derreur macrosymbole avec laugmentation du nombre K
de ux, N=31, L=4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.13 Comparaison des taux derreur binaire entre le Sphere Decoding et le LASSO,
N=31, K=4, L=32 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.14 Comparaison des taux derreur macrosymbole et binaire entre le dtecteur sous-
optimal SDR et lapproximation des performances optimales pour N=31, K=4,
L=32 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.15 Distribution des puissances des macrosymboles avant (a) et aprs slection des
motifs uniques (b) pour N=7, K=7, L=8 . . . . . . . . . . . . . . . . . . . . . 74
3.16 Gain sur lecacit en puissance en fonction dun TEB cible . . . . . . . . . . 78
3.17 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
14
avec des
modulations de mme ecacit spectrale . . . . . . . . . . . . . . . . . . . . 79
3.18 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
7
avec une
modulation de mme ecacit spectrale . . . . . . . . . . . . . . . . . . . . . 80
3.19 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
11
avec une
modulation de mme ecacit spectrale . . . . . . . . . . . . . . . . . . . . . 80
4.1 Courbe AM/AM typique compare une courbe AM/AM idale . . . . . . . . 85
xv
TABLE DES FIGURES
4.2 Distribution de la puissance instantane des chips et de la puissance moyenne
par macrosymbole en transmission monoporteuse . . . . . . . . . . . . . . . . 86
4.3 Taux derreur bit pour transmission CSM-CCSK monoporteuse avec HPA et
dirents IBO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.4 Distribution de la puissance moyenne des macrosymboles moduls en quadra-
ture sans (a) et avec concatnation (b) . . . . . . . . . . . . . . . . . . . . . . 88
4.5 Distribution de la puissance instantane pour des systmes monoporteuse (a) et
multiporteuse avec concatnation (b) . . . . . . . . . . . . . . . . . . . . . . . 89
4.6 Schma numrique de modulation OFDM . . . . . . . . . . . . . . . . . . . . 91
4.7 Construction de la forme donde MC-CSK . . . . . . . . . . . . . . . . . . . . 92
4.8 Comparaison des transmissions multiporteuse et monoporteuse avec HPA, IBO=4
dB et M = 2
14
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.9 Simulation et approximation de la fonction de rpartition complmentaire du
PAPR dun signal MC-CSK . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.10 Impact dune transforme non-linaire sur la densit de probabilit de la puis-
sance dun signal OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.11 CCDF du PAPR dun signal OFDM avec et sans transforme non linaire . . . 97
4.12 Impact de la rduction du PAPR par transforme non-linaire sur le TEB dun
signal OFDM sur 64 porteuses . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.13 Impact de la rduction du PAPR par transforme non-linaire et de lamplica-
tion sur le TEB dun signal OFDM sur 64 porteuses . . . . . . . . . . . . . . . 99
5.1 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
7
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.2 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
11
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.3 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
14
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.4 Illustration du principe de codage dun code RS (7, 5, 1) systmatique . . . . . . 107
5.5 Schma de la chaine de transmission avec un code Reed-Solomon avec dco-
dage dur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.6 Taux derreur Macrosymbole pour un systme MC-CSK M = 2
7
. . . . . . . . 110
xvi
TABLE DES FIGURES
5.7 Variation du
E
b
N
0
pour atteindre TEB
out
= 10
3
en fonction de t pour un systme
MC-CSK M = 2
7
avec N
RS
= 127 . . . . . . . . . . . . . . . . . . . . . . . . 111
5.8 Taux dErreur Bit pour un systme MC-CSK M = 2
7
avec codage Reed-Solomon
et dirents rendements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.9 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
7
et une modulation QPSK, codage RS (127, 31, 48) . . . . . . . . . . . . . . 113
5.10 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
7
et une modulation QPSK, codage RS (127, 115, 6) . . . . . . . . . . . . . . 113
5.11 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
7
et une modulation QPSK, codage RS (127, 89, 19) . . . . . . . . . . . . . . 114
5.12 Mthode de codage pour un systme MC-CSK M = 2
14
avec un code RS (127, K
RS
, t)115
5.13 Variation du
E
b
N
0
pour atteindre TEB
out
= 10
3
en fonction de t pour un systme
MC-CSK M = 2
14
avec N
RS
= 127 . . . . . . . . . . . . . . . . . . . . . . . . 115
5.14 Taux dErreur Bit pour un systme MC-CSK M = 2
14
avec codage Reed-
Solomon et dirents rendements . . . . . . . . . . . . . . . . . . . . . . . . 116
5.15 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 85, 21) . . . . . . . . . . . . 117
5.16 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 115, 6) . . . . . . . . . . . . 118
5.17 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 93, 17) . . . . . . . . . . . . 118
5.18 Schma de la chaine de transmission avec un code LDPC et un dcodage souple 123
5.19 Taux dErreur Bit pour un systme MC-CSK M = 2
6
avec deux codes LDPC
non binaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.20 Schma dentrelacement des symboles de codage sur GF(64) avant modulation
sur macrosymboles pour M = 2
12
. . . . . . . . . . . . . . . . . . . . . . . . . 126
5.21 Impact de lentrelacement et de deux codes LDPC non binaires sur le TEB dun
systme MC-CSK pour M = 2
12
. . . . . . . . . . . . . . . . . . . . . . . . . 128
5.22 Taux dErreur Bit pour un systme MC-CSK M = 2
12
et une modulation 8-PSK
avec deux codes LDPC non binaires . . . . . . . . . . . . . . . . . . . . . . . 129
5.23 Comparaison des performances codes entre un codage LDPC et un codage RS
pour un systme MC-CSK M = 2
6
. . . . . . . . . . . . . . . . . . . . . . . . 129
xvii
TABLE DES FIGURES
5.24 Comparaison des performances codes entre un codage LDPC et un codage RS
pour un systme MC-CSK M = 2
12
. . . . . . . . . . . . . . . . . . . . . . . 130
xviii
TABLE DES FIGURES
xix
Liste des tableaux
1.1 DVB-S2, Es/N0 requis pour un Taux dErreur Paquet (TEP) de 10
7
(canal
AWGN) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1 Exemples de polynmes gnrateurs pour direntes longueurs de M-squences 22
2.2 Caractristiques des M-squences . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Caractristiques des MCS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Rcapitulatif de certaines caractristiques des ensembles de squences tudis . 34
2.5 Distances minimales pour les ensembles Gold, Gold-like et Kasami . . . . . . 35
3.1 Ecacit spectrale de la forme donde pour direntes charges . . . . . . . . . 60
3.2 Rcapitulatif des performances des algorithmes optimaux et sous-optimaux pour
N = 32, L = 32 et K variable . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3 Disponibilit de macrosymboles uniques en fonction de la charge pour N=7 . . 72
3.4 Comparaison des ecacits en puissance et spectrale entre le CDM-CCSK et
des modulations classiques pour la diusion par satellite . . . . . . . . . . . . 78
4.1 Gain en bande passante dun systme multiporteuse par rapport au standard
DVB-S2 monoporteuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
xx
LISTE DES TABLEAUX
xxi
Liste des abrviations
APSK Amplitude Phase Shift Keying (modulation)
AWGN Additive White Gaussian Noise
BPSK Binary Phase Shift Keying (modulation)
CCSK Cyclic Code Shift Keying
CDM Code Division Multiplexing
DSP Densit Spectrale de Puissance
DVB-H Digital Video Broadcasting : Transmission System for Handheld Terminals
DVB-S Digital Video Broadcasting by Satellite - premire gnration
DVB-S2 Digital Video Broadcasting by Satellite - deuxime gnration
DVB-SH Digital Video Broadcasting for Satellite services to Handheld devices
FDM Frequency Division Multiplexing
FFT Fast Fourier Transform
FDM Frequency Shift Keying (modulation)
GSD Generalized Sphere Decoding
HPA High Power Amplier
IBO Input Back-O
iFFT Inverse Fast Fourier Transform
MCS Maximal Connected Set
MOS M-ary Orthogonal Signaling
OFDM Orthogonal Frequency Division Multiplexing
OBO Output Back-O
xxii
LISTE DES ABREVIATIONS
PAPR Peak to Average Power Ratio
PN Pseudo Noise
PSK Phase Shift Keying (modulation)
QAM Quadrature Amplitude Modulation
QEF Quasi Error Free
QPSK Quaternary Phase Shift Keying (modulation)
SD Sphere Decoding
TDM Time Division Multiplexing
TWTA Travelling Wave Tube Amplier
xxiii
Introduction
Depuis les premiers lancements de satellites ddis aux tlcommunications dans les annes
60, les besoins en termes de dbit ont connu une croissance soutenue. Lapparition de nouveaux
services ncessitant la transmission dimages ou de vidos en haute dnition implique une
adaptation continuelle des normes de diusion. Les systmes actuels sont rgis par le standard
DVB-S2, volution du standard DVB-S, destin aux transmissions par satellite et dvelopp par
le consortium europen DVB partir des annes 90. Les bandes de frquence les plus adaptes
aux communications spatiales, entre 1 et 40 GHz, sont naturellement limites en largeur et les
organismes de rgulation nen attribuent quune bande encore plus limite pour les besoins de la
diusion, de lordre de quelques centaines de MHz. On assiste une saturation dans les bandes
de plus basses frquences et une migration vers les frquences plus hautes (bande Ka), avec
la cl une largeur de bande attribue aux tlcommunications plus importante (suprieure
2 GHz) et des technologies dantenne plus performantes. Lamlioration des performances des
satellites et des techniques volues de traitement du signal favorisent lmergence de schmas
de transmission plus haute ecacit spectrale et en puissance permettant daugmenter la ca-
pacit globale des systmes. Cependant, la croissance continue des besoins et les limitations
en puissance et en bandes de frquences conduisent rentabiliser les ressources disponibles et
lamlioration conjointe de lecacit spectrale et de lecacit en puissance reste une nces-
sit.
Dans ce contexte, cette thse propose de travailler sur la modulation et dexplorer la combi-
naison de techniques haute ecacit spectrale et de techniques haute ecacit en puissance.
Cette approche est motive par lespoir damliorer le compromis global entre les deux eca-
cits par rapport aux solutions existantes.
1
Introduction
Organisation de la thse
Le premier chapitre replace, dans un premier temps, les motivations de cette thse dans le
contexte des contraintes inhrentes aux communications par satellite. Les techniques haute
ecacit spectrale et haute ecacit en puissance mises en oeuvre dans la dnition de la
forme donde sont ensuite prsentes. La modulation Cyclic Code-Shift-Keying (CCSK) pr-
sente dexcellentes performances en termes de taux derreur binaire et une amlioration de son
ecacit en puissance avec llvation du degr de la modulation, contrairement la majorit
des modulations classiques. Lamlioration de lecacit spectrale est tudie par la combinai-
son de cette modulation avec une technique de multiplexage par codage de type Code-Division
Multiplexing (CDM). Enn la prsentation dune technique de modulation sur porteuses or-
thogonales propice une amlioration conjointe de lecacit en puissance et spectrale clt le
chapitre.
Dans le second chapitre, un tat de lart est ralis sur les squences dtalement nces-
saires limplmentation des techniques dcrites dans le premier chapitre. Des critres de per-
formance sont dnis, tenant compte de la longueur des squences, du nombre de squences
disponibles et de leurs proprits dautocorrlation et dintercorrlation. Les conclusions du
chapitre renvoient lutilisation de squences de Gold avec un format de multiplexage spci-
que.
Le troisime chapitre prsente plus en dtail la modulation CDM-CCSK rsultant de la com-
binaison du CCSK et du CDM. Une tude analytique des performances est ralise proposant
une approximation des taux derreur symbole et bit pour direntes charges de multiplexage.
Les performances obtenues par simulation avec des rcepteurs optimaux et sous-optimaux sont
galement prsentes.
Le quatrime chapitre revient sur lapplication dune modulation multiporteuse sur la forme
donde CDM-CCSK. En eet cette dernire prsente de fortes variations de puissance qui, du
fait de la prsence damplicateurs introduisant des distorsions non-linaires dans la chaine de
transmission, pnalise son ecacit en puissance. Les bnces et les contraintes dune trans-
mission multiporteuse caractrise par un fort rapport entre la puissance crte et la puissance
moyenne (PAPR) sont analyss ainsi quune technique de rduction du PAPR.
Les performances de la modulation propose, tablies dans le troisime chapitre et dnies
par un taux derreur bit, prsentent une dcroissance en fonction du rapport signal bruit plus
forte, partir dun certain seuil de bruit, que les modulations classiques retenues dans les stan-
2
Introduction
dards actuels. Cette caractristique a motiv le contenu du cinquime chapitre autour de ltude
dun codage canal adapt la forme donde, avec pour objectif lamlioration de son ecacit
en puissance globale.
Enn dans un dernier chapitre, nous exposons nos conclusions et proposons certaines pers-
pectives de recherche dans la continuit du travail propos dans cette thse.
Publications
Clment Dudal, Marie-Laure Boucheret, Marco Lops, Nathalie Thomas, and Mathieu
Dervin. Spectral and power-ecient data multiplexing format based on code-shift-keying.
Communications Letters, IEEE, 15(7) : 695-697, July 2011.
Clment Dudal, Nathalie Thomas, Mathieu Dervin, Marie-Laure Boucheret, and Marco
Lops. Multi-Carrier-Code-Shift-Keying modulation. In Globecom 2012 - Symposium on
Selected Areas in Communications (GC12 SAC), Anaheim, CA, USA, December 2012.
3
Introduction
4
Chapitre 1
Contexte et technologies de la diusion par
satellite
Ce chapitre rappelle le contexte actuel des transmissions par satellite sur la voie aller en
mode diusion ainsi que certaines technologies appliques dans ce cadre et sur lesquelles repose
cette thse. Les lments justiant les hypothses de travail sont galement prsents. Dautre
part, un rappel des normes actuelles de diusion est eectu an de dnir des lments de
comparaison ultrieurs.
1.1 Contraintes et motivations
Lessor des systmes de communications et lmergence de nouveaux services comme la
diusion dimages ou de vidos haute dnition en temps rel conduisent les chercheurs
dvelopper et optimiser des systmes permettant le transfert de donnes haut dbit par satellite.
Le consortium europen DVB (Digital Video Broadcasting) a dni plusieurs normes autour de
la diusion par satellite depuis le dbut des annes 90 (DVB-S, DVB-S2, DVB-SH).
Dun point de vue frquentiel, les systmes de transmission actuels utilisent des bandes
comprises entre 1 et 40 GHz dont les applications (diusion tlvision, tlphonie) et les pro-
prits (attnuation atmosphrique, taille des rcepteurs) varient selon la frquence. Les bandes
de frquence les plus basses (L, S, C, X, Ku, K entre 1 et 26 GHz) sont actuellement les plus
utilises et sont proches de la saturation. De plus, les largeurs de bande alloues aux systmes
de tlcommunications par satellite sont limites (500 MHz pour la bande Ku et moins de 100
5
1. Contexte et technologies de la diusion par satellite
MHz pour les bandes infrieures). La tendance actuelle est de travailler sur la bande Ka qui
ore une grande largeur de bande (2.96 GHz en liaison descendante), plus adapte aux nou-
veaux besoins en termes de capacit oerte. A taille dantenne xe, les faisceaux gnrs dans
cette bande sont beaucoup plus directifs que dans les bandes de frquence infrieures, lnergie
est mieux concentre et le spectre peut tre rutilis de faon intensive (sur des zones spares
gographiquement). Grce ces caractristiques avantageuses, la bande Ka a t propose pour
les transmissions par satellite haut dbit, orant par exemple, des services dinternet desti-
nation des zones de territoire mal desservies par les infrastructures terrestres (zones blanches ou
grises). Dautre part, lutilisation actuelle des rseaux daccs multimdia par le grand public,
caractrise par un fort dsquilibre entre le trac descendant vers lusager (donnes, images,
son et vido) et le trac remontant de lusager, sinscrit dans ce contexte de diusion o le
satellite a un vritable rle jouer.
Conjointement cette volution, les progrs raliss ces dernires annes sur la technologie
embarque bord des satellites (amplicateurs, antennes, etc), sur la charge utile des lanceurs
(9.6 tonnes pour Ariane 5 ECA) et sur les terminaux en rception ont contribu lamlioration
des performances des systmes satellite, avec des bilans de liaison de plus en plus favorables.
Des schmas plus ecaces avec des modulations dordres levs et des codes de plus faibles
rendements peuvent donc tre envisags pour augmenter lecacit spectrale. Les progrs en
communications numriques ont galement permis daugmenter les ecacits en puissance,
autre ressource limite, notamment avec les codes itratifs turbo [9] ou LDPC [33]. Lvolution
de la forme donde de la norme DVB-S (1994) vers la norme DVB-S2 (2003) illustre bien cette
tendance avec ladoption de schmas de modulation dordres plus levs et un codage LDPC
(voir partie 1.2) pour un gain estim de 30% sur la capacit du systme.
Dans ce contexte-l et avec pour objectif lamlioration des ecacits en puissance et spec-
trale des systmes de diusion par satellite, nous allons chercher combiner des techniques
haute ecacit spectrale et des techniques haute ecacit en puissance. Cette approche est
motive par lespoir damliorer le compromis global entre ecacit spectrale et ecacit en
puissance par rapport aux solutions actuelles [29].
Les pistes de recherche se portent sur le Cyclic Code-Shift-Keying (CCSK) pour lecacit
en puissance [35] [90] [91] [50]. Cette modulation prsente dexcellentes performances de taux
derreur et une amlioration de son ecacit en puissance avec llvation du degr de la mo-
dulation contrairement la majorit des modulations classiques (voir partie 1.3). Concernant
lecacit spectrale, lapport potentiel du multiplexage par codage tel que le Code-Division
6
1. Contexte et technologies de la diusion par satellite
Multiplexing (CDM) (voir partie 1.4) et le dploiement toujours plus large de techniques multi-
porteuses de type OFDM (Orthogonal Frequency Division Multiplexing) [88] dans les systmes
de communication actuels et futurs (voir 1.6), nous ont incits explorer ces voies.
1.2 Normes de diusion par satellite
Les normes de diusion actuelles (DVB-S, DVB-S2, DVB-SH) nous serviront de point de
comparaison pour lamlioration des performances. La premire norme, dnie pour de la dif-
fusion par satellite vers des terminaux xes, est le DVB-S [27], dont la premire version fut
publie en 1994. Elle a permis la diusion de la tlvision numrique par satellite au grand
public. Elle utilise une modulation QPSK associe un code convolutif suivi dun entrelaceur
et dun code de Reed-Solomon. Sa popularit sest largement dveloppe dans le monde avec
plus de 100 millions de rcepteurs dploys. Aprs une dizaine dannes de fonctionnement,
le dveloppement de nouveaux services et besoins a conduit les instances de normalisation
proposer en 2004 une volution, le DVB-S2 [29]. Tenant compte des progrs technologiques
sur les performances des satellites, le DVB-S2 exploite les gains en puissance reue pour pro-
poser des schmas plus haute ecacit spectrale que son prdcesseur, le DVB-S. Combin
aux dernires technologies de compression vido, le DVB-S2 rend possible une large plage de
nouveaux services commerciaux comme la HDTV (Tlvision Haute Dnition). An de ga-
rantir la qualit de service requise par les direntes applications et dexploiter de faon plus
ecace les ressources spectrales, il adopte la fois un codage et une modulation adaptatifs. En
eet, contrairement au DVB-S qui ne proposait quun schma de modulation de type QPSK, le
DVB-S2 propose une palette plus large de modulations (QPSK, 8-PSK, 16-APSK, 32-APSK)
permettant daugmenter lecacit spectrale du systme. Il inclut galement un schma de co-
dage canal de type LDPC (Low Density Parity Check) avec plusieurs rendements possibles
concatn un code BCH (Bose Chaudhuri Hocquenghem) de rendement proche de 1, beau-
coup plus puissant que celui propos dans la norme DVB-S. Ainsi, un gain denviron 30% est
observ sur les performances pour de la diusion par rapport au DVB-S et la forme donde peut
voluer de manire dynamique en fonction des conditions de propagation. Cette adaptativit
se combine bien des transmissions en bande Ka, trs dpendantes des variations mtorolo-
giques.
Paralllement lvolution des normes de diusion vers des terminaux xes et avec le dve-
loppement exponentiel des terminaux mobiles partir des annes 2000, le besoin dune norme
7
1. Contexte et technologies de la diusion par satellite
de diusion adapte la mobilit sest fait ressentir. La norme DVB-SH [30] (Digital Video
Broadcasting for Satellite services to Handheld devices), dveloppe partir de 2007, est une
extension de la norme DVB-H [28] pour les systmes terrestres. Elle encadre les systmes de
radiodiusion hertzienne numrique par satellite destins une rception sur terminal mobile.
Elle tient compte notamment des contraintes lies la mobilit et lenvironnement multi-
trajet des rcepteurs et propose lutilisation de lOFDM pour le lien satellite an de permettre
son intgration dans des rseaux sans l hybrides terrestre/satellite.
Dans le cadre de cette thse, la diusion se fait vers des terminaux xes donc seule la
comparaison avec le DVB-S2 sera retenue.
Le tableau 1.1 regroupe des points de fonctionnement dnis dans la norme DVB-S2 pour
dirents schmas de modulation/codage. Les ecacits spectrales sont donnes pour une lon-
gueur de trame de 64800 bits et sans symboles pilotes.
Modulation et rendement du code Ecacit spectrale Es/N0 (dB) requis
QPSK 1/4 0.49 2.35
QPSK 1/2 0.99 1.00
QPSK 9/10 1.79 6.42
8PSK 3/5 1.78 5.50
8PSK 5/6 2.48 9.35
8PSK 9/10 2.65 10.98
16APSK 2/3 2.64 8.97
16APSK 5/6 3.30 11.61
16APSK 9/10 3.57 13.13
32APSK 3/4 3.70 12.73
32APSK 5/6 4.12 14.28
32APSK 9/10 4.45 16.05
Table 1.1 DVB-S2, Es/N0 requis pour un Taux dErreur Paquet (TEP) de 10
7
(canal AWGN)
1.3 Cyclic Code Shift Keying (CCSK)
Le Cyclic Code Shift Keying (CCSK) [35] [91] est une forme de modulation base sur lta-
lement de spectre par squence directe [70] dont les performances se rapprochent des modu-
lations orthogonales (MOS, M-ary Orthogonal Signaling) [50]. Ces modulations prsentent la
meilleure ecacit en puissance possible et sont asymptotiquement optimales dans ce sens (voir
8
1. Contexte et technologies de la diusion par satellite
[63], p. 125). Le CCSK utilise une fonction de base f (t) et ses permutations circulaires (shift)
pour moduler une frquence porteuse. La fonction de base considre est une squence binaire
de N lments, ou chips. An de coder log
2
N bits, le modulateur CCSK utilise la squence de
base et ses N 1 permutations circulaires. Pour permettre la dmodulation, la squence de base
doit possder une bonne autocorrlation cyclique, cest--dire, que la fonction dautocorrlation
doit possder un pic central distinct et de faibles lobes secondaires. En supposant une synchro-
nisation parfaite, le rcepteur va dmoduler en corrlant le signal bruit reu avec la squence
de base pour estimer la position du pic de corrlation. Cette position dnit quelle permutation
circulaire a t transmise et permet de dcoder la suite de bits associe. Lexemple propos sur
la gure 1.1 illustre ce point. La squence de base utilise est une squence de Gold [37] non
tendue s de longueur N = 7 chips, s = [1, +1, 1, 1, +1, +1, +1]. Le pic de corrlation
dtect dans les deux cas indique la squence transmise : 1
` ere
(pas de shift) et 5
` eme
(4 shifts).
Figure 1.1 Principe de fonctionnement du CCSK
Pour cette modulation, chaque squence, qui reprsente un symbole, est dnie sur plusieurs
chips, le dbit chip est donc plus lev que le dbit squence ou dbit symbole provoquant un
talement du spectre. On dnit le facteur dtalement comme tant le rapport entre le dbit
9
1. Contexte et technologies de la diusion par satellite
chip et le dbit symbole :
FE =
d ebit chip
d ebit symbole
= N. (1.1)
Aprs modulation, la bande du signal est largie dun facteur FE et son niveau de densit
spectrale de puissance (DSP) diminue du mme facteur. Pour cette raison, le CCSK a t
prsent comme une technique de transmission faible probabilit dinterception [35]. Ces
considrations sont illustres dans la partie 1.4 sur le multiplexage par codage, gures 1.6 et
1.7.
En termes de performances, partir dune longueur de squence N susante (N 32), les
taux derreurs du CCSK coincident avec ceux dune modulation orthogonale [50] comme la
modulation FSK (Frequency Shift Keying). La gure 1.2 compare les performances simules
pour un systme CCSK construit avec des squences de Gold tendues de longueur N = 64
avec les performances thoriques dune modulation MOS 64-aire et dune modulation 64-QAM
classique. On constate la similitude entre le CCSK et la modulation MOS avec des performances
nettement suprieures celles de la 64-QAM.
0 1 2 3 4 5
10
4
10
3
10
2
10
1
10
0
Eb/N0 [dB]
T
E
S
CCSK, N=64


CCSK N=64 simulation
MOS 64aire thorique
64QAM thorique
Figure 1.2 Probabilit derreur du CCSK, du MOS et dune 64-QAM.
A linstar des systmes MOS, le CCSK voit son ecacit en puissance augmenter avec la
longueur des squences utilises. Cette proprit constitue la raison principale de notre intrt
10
1. Contexte et technologies de la diusion par satellite
pour la modulation CCSK. Elle est illustre sur la gure 1.3. Dautre part, lavantage du CCSK
par rapport au MOS rside dans la simplicit de sa mise en oeuvre. Il a t montr [35] que le
traitement du CCSK ne ncessitait que quelques tapes bases sur la Transforme de Fourier et
son inverse dont il existe des algorithmes de calcul ecaces. Dans le cas gnral du MOS, la
dtection est base sur un banc de corrlateurs, plus lourd implmenter.
0 2 4 6 8 10
10
14
10
12
10
10
10
8
10
6
10
4
10
2
10
0
Eb/N0 [dB]
T
E
S
CCSK pour diffrentes valeurs de N


N = 32
N = 256
N = 2048
Figure 1.3 Diminution de la probabilit derreur du CCSK avec laugmentation de la longueur
N des squences.
Lecacit spectrale dun systme CCSK est dnie par

S
=
log
2
(N)
FE
=
log
2
(N)
N
bit/s/Hz. (1.2)
Comme pour tous les systmes bass sur ltalement de spectre, elle diminue avec laugmen-
tation du facteur dtalement, donc avec la longueur N des squences mais elle est suprieure
celle des techniques dtalement par squence directe comme le DS-CDMA (Direct Sequence
- Code Division Multiple Access) utilis par exemple en navigation (
S, CDMA
=
1
N
bit/s/Hz par
utilisateur). Cest pourquoi, le CCSK a t propos et implment depuis 2010, dans le systme
de golocalisation par satellite japonais QZS S [73] an daugmenter lecacit spectrale du
systme existant utilisant le DS-CDMA et ainsi dvelopper lore de service et la abilit de
linformation de positionnement.
11
1. Contexte et technologies de la diusion par satellite
1.4 Code Division Multiplexing (CDM)
Il existe direntes mthodes de multiplexage travaillant soit dans le domaine temporel
(Time Division Multiplexing ou TDM), soit dans le domaine frquentiel (Frequency Division
Multiplexing ou FDM), soit par codage (Code Division Multiplexing ou CDM) comme illustr
par la gure 1.4. Nous allons nous intresser dans ce paragraphe au CDM.
Figure 1.4 Techniques de multiplexage
Le multiplexage par codage permet des sources dinformation direntes de transmettre
simultanment et sur la mme bande de frquence. Ceci est rendu possible par lutilisation de
codes orthogonaux pour taler chaque signal sur une large bande de frquence commune
toutes les sources. En rception, le code orthogonal appropri est utilis pour retrouver chaque
signal. Lutilisation du CDM se justie en prenant la formule de capacit dnie par Shannon
[80] :
C = Blog
2
_
1 +
S
N
0
_
Ltalement implique une transmission de linformation avec un trs faible rapport signal bruit
_
S
N
0
_
mais une bande large B qui justie la capacit de transmission.
12
1. Contexte et technologies de la diusion par satellite
La cl de ce type de multiplexage rside donc dans la technique dtalement de spectre [70].
Elle se dnit par les points suivants :
chaque signal est transmis sur une largeur de bande plus grande que la bande minimum
ncessaire pour transmettre linformation.
la largeur de bande utilise est dnie par un code dtalement indpendant de linforma-
tion.
le rcepteur connait lavance les codes dtalement utiliss pour retrouver linformation
partir des signaux tals.
idalement, les codes dtalement sont orthogonaux an de permettre au rcepteur de
dcoder chaque signal, ce qui implique une intercorrlation nulle entre deux codes.
Elle permet de fournir des communications ables et scurises dans des environnements
multiutilisateurs. Elle est couramment utilis dans les systmes satellite (GPS) ou comme m-
thode daccs dans les rseaux sans l ou de tlphonie mobile.
Un exemple simple illustrant le principe de ltalement de spectre dun point de vue tempo-
rel et frquentiel pour un seul utilisateur, est prsent sur la gure 1.5.
Les gures 1.6 et 1.7 dtaillent les tapes de multiplexage et de dmultiplexage du CDM
synchrone. A noter que ltape de dstalement en rception ne change pas la nature du bruit
additif Gaussien.
Le CDM permet donc de parallliser des ux dinformation sur la bande passante et cela
se rpercute au niveau de la capacit globale de transmission du systme. Celle-ci dpend du
nombre de squences superposables facteur dtalement constant et donc de leurs proprits
et des algorithmes mis en oeuvre en rception.
13
1. Contexte et technologies de la diusion par satellite
Figure 1.5 Principe de ltalement de spectre par squence directe
Figure 1.6 Multiplexage par CDM
14
1. Contexte et technologies de la diusion par satellite
Figure 1.7 Dmultiplexage par CDM
1.5 Forme donde CDM-CCSK
La modulation CCSK et le multiplexage CDM prsentent une complmentarit qui nous
ont conduit les combiner pour proposer une forme donde CDM-CCSK base sur ltalement
de spectre. Lobjectif est de tirer prot de la bonne ecacit en puissance du CCSK tout en
cherchant compenser la diminution de lecacit spectrale avec laugmentation de la longueur
des squences par lapport du multiplexage. Dans un contexte de diusion, linformation
transmettre provient dune seule source. Elle est paralllise en ux qui sont moduls par du
CCSK. En sortie du modulateur, linformation se trouve sous la forme de squences dtalement
composes de chips qui se somment de faon synchrone pour former le signal transmettre,
constituant ltape de multiplexage par codage. Le choix des squences dtalement utilises est
crucial pour le fonctionnement du systme. En eet, elles doivent tre conjointement adaptes
aux besoins du CCSK (bonne autocorrlation) et du CDM (bonne intercorrlation). Ce point
est dtaill dans le chapitre 2 et les dtails de la forme donde dans le chapitre 3. Lecacit
spectrale de la forme donde correspond la somme des ecacits spectrales
s,i
de chaque ux,
15
1. Contexte et technologies de la diusion par satellite
dnie par lquation (1.2). En prenant pour hypothse que tous les ux ont la mme ecacit
spectrale (degr de la modulation CCSK identique), on a :

s,tot
=
K

i=1

s,i
= K
log
2
N
N
. (1.3)
o K reprsente le nombre de ux multiplexs. Le choix de sa valeur, condition dtre capable
de dmoduler, permet de compenser le facteur dtalement N. En imaginant que lon puisse
trouver une famille de squences orant susamment dlments dmodulables pour avoir K =
N, lecacit spectrale serait proportionnelle au nombre de permutations circulaires de chaque
squence reprsent par le terme log
2
N et comparable des schmas classiques utiliss dans
les normes actuelles [29].
1.6 Orthogonal Frequency Division Multiplexing (OFDM)
Les techniques de multiplexage sur porteuses orthogonales, appeles aussi techniques mul-
tiporteuses orthogonales, dveloppes partir des annes 60 consistent transmettre de lin-
formation en la modulant sur plusieurs porteuses en mme temps. Elles sont particulirement
adaptes aux systmes comportant un canal slectif en frquence (e.g. canaux radiomobiles
terrestres) et ont depuis t incorpores dans plusieurs normes (IEEE 802.11 a, g, n, DVB-T,
DVB-T2, DVB-H, DVB-SH).
En OFDM, les porteuses sont dimensionnes de telle manire que le canal slectif en fr-
quence originel ne soit plus slectif sur chaque porteuse. Le choix des fonctions de base d-
nissant ces porteuses assure quelles soient orthogonales entre elles, impliquant une limination
des interfrences entre les canaux de transmission correspondant aux direntes porteuses tout
en autorisant leur recouvrement (gure 1.8-a). Cela permet une diminution de la bande occupe
et donc une augmentation de lecacit spectrale par rapport lutilisation de canaux juxtapo-
ss (gure 1.8-b). Dautre part, lutilisation des algorithmes rapides de Transforme de Fourier
et de Transforme de Fourier inverse (FFT/iFFT) favorise la simplication de la conception des
metteurs et des rcepteurs conventionnels (pas de ltre et de modulateur spars pour chaque
canal).
Le dbit de transmission en OFDM reste inchang par rapport un systme monoporteuse
16
1. Contexte et technologies de la diusion par satellite
bande et ecacit spectrale quivalentes. Plutt que de transmettre sur une seule frquence
un dbit Rs, les donnes sont transmises de manire simultane sur les N
c
porteuses un dbit
Rs/N
c
.
Frquence
D
S
P


(
a
)
Recouvrement des porteuses
Frquence
D
S
P


(
b
)
Porteuses juxtaposes
Figure 1.8 Spectre dun signal sur porteuses recouvres (a). Spectre dun signal sur porteuses
juxtaposes (b)
Les avantages de lOFDM sont principalement exploitables dans le cadre de canaux mo-
biles sujets des interfrences et des vanouissements lis aux multitrajets. Le regain dintrt
actuel pour son utilisation dans un contexte satellite, est li au dveloppement potentiel de
rseaux hybrides satellite/terrestre pour des communications mobiles tel que le LTE [45] [2]
[5]. Pour des communications vers des terminaux xes, il y a un intrt si lOFDM permet
un meilleur compromis bande/puissance que les modulations monoporteuses utilises actuelle-
ment. Il a t montr dans [88] quun gain potentiel en ecacit spectrale tait possible dans
un canal AWGN, en rduisant la taille du prxe cyclique par rapport une forme donde
DVB-S2 monoporteuse. Cependant, lOFDM prsente un rapport puissance crte puissance
moyenne (Peak-to-Average-Power Ratio ou PAPR) qui peut tre important et impose doprer
17
1. Contexte et technologies de la diusion par satellite
lamplicateur bord du satellite en de de son point de saturation, (du moins en labsence
de techniques de rduction), ce qui se traduit par une diminution potentielle de lecacit en
puissance. Par ailleurs, lOFDM est trs sensible aux erreurs de synchronisation en frquence
et en temps. Les erreurs rsiduelles tolres sont plus faibles quen monoporteuse.
Dans le cadre de cette thse, et pour des raisons qui seront exposes en dtail par la suite,
nous explorons lapplication de lOFDM la forme donde CDM-CCSK prsente partie 1.5 de
ce chapitre. Concrtement, P sommes de squences en sortie du CDM composes de N chips
chacune sont modules sur N
c
= N P sous-porteuses. Limpact sur la distribution de la puis-
sance du signal module en CDM-CCSK ainsi que la rduction de la complexit lmission et
la rception grce lutilisation des algorithmes FFT/iFFT sont des lments justiant cette
voie de recherche. Nous dveloppons plus en dtails ces points ainsi que les contraintes lies
lutilisation de lOFDM dans les chapitres 3 et 4.
18
Chapitre 2
Etat de lart sur les squences dtalement
Ce chapitre propose un tat de lart sur les squences adaptes ltalement de spectre. Des
dtails sur leur construction, leurs proprits de corrlation et leur disponibilit sont galement
donns [62] [79] [40] [32]. Un bilan sur les choix opportuns de squences dans notre contexte
conclut le chapitre.
2.1 Introduction
An dtre exploitables dans un contexte CDM-CCSK (voir chapitre 3), les squences
doivent remplir certains critres dont deux proprits essentielles :
chaque squence de lensemble doit tre facilement distinguable dune version temporel-
lement dcale delle-mme.
chaque squence de lensemble doit tre facilement distinguable des autres squences de
lensemble et de leurs versions temporellement dcales.
La premire proprit est prpondrante pour lapplication de la modulation CCSK. Ida-
lement, lautocorrlation devrait prsenter un pic de corrlation valant N correspondant au d-
calage temporel de la squence et tre nulle partout ailleurs. En pratique, comme dcrit dans la
suite de ce chapitre, lautocorrlation aura des valeurs secondaires non nulles et ce qui importe
alors, est que ces valeurs soient bornes et que le rapport entre cette borne et le pic de corrlation
soit le plus faible possible.
La deuxime proprit est ncessaire pour la combinaison du CCSK avec du CDM. Lin-
tercorrlation dune squence avec une autre squence ntant pas une version temporellement
19
2. Etat de lart sur les squences dtalement
dcale delle-mme devrait idalement tre constante et nulle. Ceci est possible pour des s-
quences parfaitement orthogonales comme celles de Walsh-Hadamard [12] [63] (p.112) mais
impose une condition restrictive sur le nombre de squences possibles. En eet, il nexiste au
plus que N squences orthogonales de longueur N. De plus, les permutations circulaires de
ces squences orthogonales conduisent dautres squences de lensemble et il nest donc pas
possible de les discerner. Nous allgeons donc la condition dorthogonalit et considrons des
ensembles dont les fonctions dintercorrlation de squences pourront prendre des valeurs non
nulles, pourvu quelles soient bornes et, comme pour lautocorrlation, faibles devant la lon-
gueur des squences.
A ces proprits, doit tre ajoute une contrainte sur le nombre M de squences disponibles
hors permutations circulaires. En eet, comme prsent dans le chapitre 1, partie 1.5, lide
sous-jacente de la forme donde est de compenser le facteur dtalement N par du multiplexage
(voir quation 1.3) puis de proter des permutations circulaires de chaque squence pour carac-
triser lecacit spectrale. En consquence, an dvaluer le nombre de squences disponibles
pour le multiplexage, dans le sens sommables en mission puis discernables en rception, nous
comparerons la taille de lensemble M la longueur des squences N. Nous dterminons ainsi
lecacit spectrale de chaque famille sachant quensuite chaque squence parmi les M, fournit
N 1 permutations circulaires.
Il existe plusieurs familles de squences a priori bien adaptes la forme donde CDM-
CCSK que nous allons dtailler. Mais auparavant, il est ncessaire de dnir les fonctions
dautocorrlation et dintercorrlation qui permettent dvaluer les proprits des direntes
squences.
La corrlation est une mesure de la dpendance dun signal avec un autre ou de la dpen-
dance dun signal avec lui-mme. Pour des squences numriques {a
n
} et {b
n
}, de priode N, la
fonction dintercorrlation discrte non normalise est dnie par :
R
ic
() =
N1

n=0
a
n
b
n
, N
et la fonction dautocorrlation discrte non normalise par :
R
ac
() =
N1

n=0
a
n
a
n
, N.
20
2. Etat de lart sur les squences dtalement
Les squences tant priodiques les fonctions de corrlations peuvent tre calcules sur une
seule priode. Dans ce cas, si lindice n + > N, il est rduit modulo N.
2.2 Squences de longueur maximale
2.2.1 Dnition et construction
Les squences de longueur maximale, aussi appeles M-squences, sont des squences bi-
naires priodiques pseudo-alatoires obtenues partir dun registre dcalage boucl linaire,
ou LFSR (Linear Feedback Shift Register) [79] [32], p.81. Chaque sortie du registre correspond
un lment, ou chip, de la M-squence. La valeur du chip rsulte dune combinaison des va-
leurs du registre dnie par un polynme primitif, nomm polynme gnrateur. La longueur N
de la M-squence est donne par le degr m du polynme gnrateur : N = 2
m
1. Le registre est
initialis avec une squence alatoire qui doit tre dirente de la squence nulle correspondant
tous les chips 0. Un exemple de construction pour m = 5 et p(x) = x
5
+ x
2
+ 1 est prsent
sur la gure 2.1.
r5 r4 r3 r2 r1
{a }
x
5
x
4
x
3
x
2
x 1
n
Figure 2.1 Exemple de registre dcalage pour m = 5
En prenant une initialisation du registre tout 1, la squence suivante est obtenue aprs
31 mises jour conscutives du registre :
{a
n
} = [0011010010000101011101100011111]
Il est prouv quil existe des polynmes gnrateurs pour tout m. Des exemples issus de [32]
(p.416) sont donns dans le tableau 2.1.
21
2. Etat de lart sur les squences dtalement
Degr du polynme (m) Longueur de squence (N) polynme gnrateur
2 3 x
2
+ x + 1
3 7 x
3
+ x + 1
4 15 x
4
+ x + 1
5 31 x
5
+ x
2
+ 1
6 63 x
6
+ x + 1
7 127 x
7
+ x + 1
8 255 x
8
+ x
4
+ x
3
+ x
2
+ 1
9 511 x
9
+ x
4
+ 1
10 1023 x
10
+ x
3
+ 1
11 2047 x
11
+ x
2
+ 1
12 4095 x
12
+ x
6
+ x
4
+ x + 1
Table 2.1 Exemples de polynmes gnrateurs pour direntes longueurs de M-squences
2.2.2 Proprits
Les squences de longueur maximale, ou M-squences, ont les proprits suivantes [32] :
Une permutation circulaire dune M-squence est aussi une M-squence.
La somme modulo 2 dune M-squence avec une permutation circulaire delle-mme
donne une autre permutation de cette M-squence.
Une M-squence possde toujours un 1 de plus que de 0.
Une M-squence est de longueur (ou priode) N = 2
m
1.
Une M-squence de priode N chantillonne tous les l chips, l un entier compris entre
1 et N, donne une squence de priode N

= N/pgcd(N, l), pgcd signiant plus grand


commun diviseur.
La fonction dautocorrlation dune M-squence {a
n
} est dnie par
R
ac
() =
_

_
N pour 0 (mod N)
1 pour 0 (mod N)
.
Lintercorrlation R
ic
() de deux M-squences distinctes peut prendre des valeurs leves
par rapport au maximum de lautocorrlation de chacune (jusqu 70% du pic) ce qui est
prjudiciable pour la dtection si lon souhaite les superposer dans un schma CDM.
La gure 2.2 montre lautocorrlation et lintercorrlation pour deux M-squences de longueur
22
2. Etat de lart sur les squences dtalement
N = 31. On voit sur cet exemple particulier, limportance des pics dintercorrlation par rapport
celui de lautocorrlation.
0 5 10 15 20 25 30 35
10
5
0
5
10
15
20
25
30
35


X: 10
Y: 11
Msquences, longueur N=31
X: 1
Y: 31
Intercorrlation
Autocorrlation
Figure 2.2 Autocorrlation et intercorrlation de deux M-squences de longueur N = 31
Le tableau 2.2 regroupe des caractristiques de M-squences en fonction du degr du po-
lynme gnrateur. Chaque polynme donne une M-squence dont on peut prendre ensuite les
N1 permutations circulaires pour former un ensemble de N M-squences. Le nombre de poly-
nmes dirents disponibles va donc dnir la capacit de multiplexage et donc de compensa-
tion du facteur dtalement (voir partie 1.5, quation (1.3)). On dnit la pnalit sur lecacit
spectrale
S
(dernire colonne du tableau) comme le rapport entre le nombre de polynmes
disponibles et la longueur des squences N. Si lon prend lexemple de m = 3, on voit quil
nexiste que 2 polynmes pour un facteur dtalement de 7. La pnalit sur lecacit spectrale
vaut 2/7 = 28.6%. La compensation du facteur dtalement nest pas complte au dtriment de
lecacit spectrale nale qui vaudra
s
=
2log
2
7
7
= 0.286 log
2
7.
On constate que les squences de longueur maximales prsentent deux inconvnients ma-
jeurs pour lapplication qui doit en tre faite. Le nombre de polynmes et donc de M-squences
est faible par rapport au facteur dtalement et comme expliqu dans lexemple prcdent il
ne permet pas de compenser totalement ltalement. Dautre part, les valeurs dintercorrlation
sont leves par rapport la longueur des squences et sont incompatibles avec les besoins du
23
2. Etat de lart sur les squences dtalement
m N
Nombre
polynmes
Intercorrlation
max
% Pic autocor-
rlation
Pnalit sur
S
3 7 2 5 71% 28.6 %
4 15 2 9 60% 13.3 %
5 31 6 11 35% 19.4 %
6 63 6 23 37% 9.5 %
7 127 18 41 32% 14.2 %
8 255 16 95 37% 6.3 %
9 511 48 113 22% 9.4 %
10 1023 60 383 37% 5.9 %
11 2047 176 284 14% 8.6 %
12 4095 144 1407 34% 3.5 %
Table 2.2 Caractristiques des M-squences
multiplexage.
2.2.3 Paires prfres
Au sein dune famille de M-squences de longueur N, il est possible de trouver des couples
de squences qui ont une faible intercorrlation [38] [32]. Ces couples sont appels paires
prfres et vrient les conditions suivantes :
soit {a
n
} une M-squence gnre par le polynme irrductible f (x) de degr m avec m
non divisible par 4 et une racine de f (x).
soit {b
n
} une M-squence gnre par le polynme irrductible g(x) de degr m avec m
non divisible par 4 et tel que

2
[(m1)/2]
+1
est une racine de g(x) si m impair

2
[(m2)/2]
+1
est une racine de g(x) si m pair
alors {a
n
} et {b
n
} forment une paire prfre dont lintercorrlation R
ic
() a la proprit sui-
vante :
|R
ic
()| 2
(m+1)/2
+ 1 si m impair
|R
ic
()| 2
(m+2)/2
+ 1 si m pair et non divisible par 4
Un exemple de lintercorrlation des deux squences dune paire prfre pour m = 5 est
visible sur le gure 2.3, comparer celle de M-squences classiques. Les polynmes utiliss
24
2. Etat de lart sur les squences dtalement
sont f (x) = x
5
+ x
2
+ x + 1 et g(x) = x
5
+ x
2
+ 1. La valeur absolue de lintercorrlation est
borne par 9.
0 5 10 15 20 25 30 35
10
5
0
5
10
15
20
25
30
35


X: 16
Y: 9
Msquences, longueur N=31
X: 10
Y: 11
X: 1
Y: 31
Autocorrlation
Intercorrlation paire prfre
Intercorrlation Msquences
Figure 2.3 Autocorrlation et intercorrlation dune paire prfre de longueur N = 31
Construction des paires prfres Il existe des tables comportant des polynmes gnrateurs
de paires prfres mais une mthode existe pour les gnrer partir dune M-squence donne
[38] [39]. Dans le cas o m nest pas un multiple de 4, si {a
n
} est une M-squence alors la
squence {b
n
} chantillonne partir de {a
n
} avec une priode de l = 2
(m+1)/2
+ 1 si m impair,
l = 2
(m+2)/2
+ 1 si m pair, est aussi une M-squence et forme une paire prfre avec {a
n
}.
Exemple : m = 5, M-squence gnre avec f (x) = x
5
+ x
2
+ 1, l = 9
Ensemble connect maximal Un ensemble de M-squences dont chaque paire de squences
forme une paire prfre est appel ensemble connect maximal ou Maximal Connected Set
25
2. Etat de lart sur les squences dtalement
(MCS) [36]. Ils ne constituent pas une famille directement exploitable vu la taille des MCS,
comme le montre le tableau 2.3. Cependant ils servent de base la construction des squences
de Gold.
m N taille du MCS
3 7 2
4 15 0
5 31 3
6 63 2
7 127 6
8 255 0
9 511 2
10 1023 3
Table 2.3 Caractristiques des MCS
2.3 Squences de Gold
Il est intressant, voire ncessaire, davoir disposition de larges ensembles de squences
possdant les mmes proprits de faible intercorrlation tels que les paires prfres (cf par-
tie 2.2.3). Les squences de Gold, proposs par R. Gold en 1967 [37], regroupent de bonnes
proprits dintercorrlation et un grand nombre de squences pour une longueur donne.
2.3.1 Dnition et construction
Un ensemble de squences de Gold peut tre gnr partir de nimporte quelle paire pr-
fre de M-squences. Celle-ci est obtenue partir dune M-squence et dune version chan-
tillonne de cette M-squence (voir paragraphe construction des paires prfres, partie 2.2.3).
Dnition Soient {a
n
} et {b
n
} deux M-squences formant une paire prfre de priode N =
2
m
1 gnres en utilisant la mthode dcrite prcdemment. Lensemble
G(a, b) =
_
a, b, a b, a Tb, a T
2
b, . . . , a T
N1
b
_
(2.1)
26
2. Etat de lart sur les squences dtalement
est un ensemble de Gold contenant M = N+2 = 2
m
+1 squences de priode N. T est loprateur
de permutation circulaire qui dcale la squence dun chip vers la gauche et est loprateur
XOR.
Construction Il existe deux mthodes pour construire des squences de Gold de priode
N = 2
m
1, les deux bases sur lutilisation dune paire prfre et dun registre dcalage bou-
cl. La premire gnre les squences en utilisant directement le polynme f (x) = f
1
(x) f
2
(x),
produit des deux polynmes gnrateurs de la paire prfre. Avec la seconde mthode, plus
couramment utilise, les squences sont gnres partir de la paire prfre en dcalant et
additionnant les chips comme dans la dnition donne dans (2.1).
On remarque que si le degr des polynmes de la paire prfre est m alors le degr du
polynme gnrateur des squences de Gold f (x) est 2m mais la priode des squences sera
N = 2
m
1. Les squences de Gold ne sont donc pas des squences de longueur maximale
(degr de f (x) dirent de log
2
(N + 1)).
La gure 2.3.1 illustre les deux types de gnrateurs possibles pour des squences de lon-
gueur N = 31 (m = 5). Les polynmes formant la paire prfre sont : f
1
(x) = x
5
+ x
2
+ 1 et
f
2
(x) = x
5
+ x
4
+ x
3
+ x
2
+ 1 pour donner f (x) = x
10
+ x
9
+ x
8
+ x
6
+ x
5
+ x
3
+ 1. Le premier
montage utilise directement f (x) tandis que le deuxime utilise f
1
(x) et f
2
(x).
27
2. Etat de lart sur les squences dtalement
2.3.2 Proprits des squences de Gold
En adoptant le mapping (0 1, 1 +1) pour les chips des squences, Gold a montr
[37] que
lintercorrlation R
ic
() et lautocorrlation hors pic maximal R
ac
() ( 0) prenaient
seulement trois valeurs pour nimporte quelles squences prises dans G(a, b) :
R =
_

_
1, 1 2
m+2
2
, 1 + 2
m+2
2
, pour m 2 mod(4)
1, 1 2
m+1
2
, 1 + 2
m+1
2
, pour m 1 mod(2)
Le maximum de corrlation R
max
vaut 1 + 2
(m+2)/2
.
Une permutation circulaire dune squence de Gold est une squence de Gold. Ainsi,
chacune des N+2 squences de G(a, b) donne N1 permutations pour former un ensemble
nal de taille (N + 2) N.
La dirence entre le nombre de 1 et le nombre de 1 vaut au maximum 2

m+2
2

1.
Considrons maintenant G

(a, b) =
_
a, a b, a Tb, a T
2
b, . . . , a T
N1
b
_
. On peut mon-
trer (voir annexe 5.4) que le produit scalaire de deux squences direntes prises dans G

(a, b)
dnies dans {1, 1}
N
vaut toujours 1. Ainsi G

(a, b) comporte N + 1 squences quidistantes


(d =

2(N + 1)). Cette proprit sera importante pour le choix des squences utiliser et pour
la construction de la forme donde (cf partie 3.1).
Exemple de squences de Gold : Pour m = 5, Lensemble G(a, b) comporte 33 squences
de longueur N = 31. Chacune donne 30 autres squences. Lensemble nal comporte donc
33 31 = 1023 squences. Les valeurs de corrlation, visibles sur la gure 2.4, sont 9, 1, 7.
Les squences de Gold regroupent les proprits ncessaires leur utilisation pour la forme
donde CDM-CCSK : des valeurs de corrlation limites et une taille M densemble lgrement
suprieure N.
2.3.3 Squences Gold-like
Quand m 0 mod(4), il nexiste pas de paire prfre et donc pas de squence de Gold
pour cette longueur. Nanmoins, il est possible de trouver des M-squences qui permettent la
construction de squences avec faible intercorrlation.
28
2. Etat de lart sur les squences dtalement
0 10 20 30
10
0
10
20
30
40
Autocorrlation a
0 10 20 30
10
0
10
20
30
40
Autocorrlation a b
0 10 20 30
10
0
10
20
30
40
Interocorrlation (a,a b)
0 10 20 30
10
0
10
20
30
40
Interocorrlation (a T
2
b,a b)
Figure 2.4 Autocorrlation et intercorrlation de squences de Gold de longueur N = 31
Construction Posons m 0 mod(4) et l = 1+2
m+2
2
. Soit {a
n
} une M-squence de priode N =
2
m
1 gnre par f
1
(x) et
_
b
(k)
n
_
, k = 0, 1, 2, le rsultat de la dcimation de T
k
a par l. Daprs les
proprits des M-squences, les
_
b
(k)
n
_
sont des squences de priode N

= N/pgcd(N, l) = N/3.
Lensemble
GL(a, b) = {a , a b
(0)
, a Tb
(0)
, a T
2
b
(0)
, . . . , a T
N

1
b
(0)
;
a b
(1)
, a Tb
(1)
, a T
2
b
(1)
, . . . , a T
N

1
b
(1)
;
a b
(2)
, a Tb
(2)
, a T
2
b
(2)
, . . . , a T
N

1
b
(2)
_
(2.2)
forme un ensemble de M = N + 1 squences Gold-like de longueur N. Pour le calcul des a
T
j
b
(k)
, les squences
_
b
(k)
n
_
sont prises de longueur N en rptant 3 fois le motif. Lintercorrla-
tion R
ic
() de deux squences de GL(a, b) prend ses valeurs dans lensemble
_
1, 1 2
m+2
2
, 1 + 2
m+2
2
, 1 2
et son maximum R
max
vaut 1 + 2
m+2
2
comme pour les squences de Gold, do lappellation.
29
2. Etat de lart sur les squences dtalement
Exemple : Pour m = 4, Lensemble GL(a, b) comporte M = 16 squences de longueur N =
15. Chacune donne 14 autres squences par permutations circulaires. Lensemble nal comporte
donc 16 15 = 240 squences. Les valeurs dintercorrlation et dautocorrlation hors pic
maximal sont visible sur la gure 2.5 et valent {1, 9, 7, 5, 3}.
0 5 10 15
10
0
10
Autocorrlation a b
(0)
0 5 10 15
10
0
10
Autocorrlation a b
(1)
0 5 10 15
10
0
10
Intercorrlation (a,a b
(1)
)
0 5 10 15
10
0
10
Intercorrlation (a T
2
b
(2)
,a b
(0)
)
Figure 2.5 Autocorrlation et intercorrlation de squences Gold-like de longueur N = 15
2.4 Squences de Kasami
La famille des squences de Kasami est un autre ensemble de squences binaires possdant
de bonnes proprits de corrlations. Elle se compose de deux sous-familles : lensemble petit
(Small Set) [51] et lensemble large (Large Set) [78] [79].
30
2. Etat de lart sur les squences dtalement
2.4.1 Ensemble petit
Construction La construction de lensemble petit de Kasami sapparente celle des s-
quences Gold-like en prenant une M-squence {a
n
} de degr pair (m 0 mod(2)), de longueur
N = 2
m
1 et une priode dchantillonnage l = 1 + 2
m
2
. On dnit {b
n
} comme tant le rsultat
de lchantillonnage de {a
n
} par l. Daprs les proprits des M-squences, {b
n
} est de priode
N

=
N
pgcd(N,l)
=
(2
m/2
1)(2
m/2
+1)
2
m/2
+1
= 2
m/2
1. Lensemble
K
S
(a, b) =
_
a, a b, a Tb, a T
2
b, . . . , a T
2
m/2
2
b
_
(2.3)
est lensemble petit de Kasami. Il contient M = 2
m/2
squences dont lintercorrlation R
ic
()
et lautocorrlation hors pic central R
ac
() ( 0), prennent leurs valeurs parmi les trois de
lensemble
_
1, 1 2
m/2
, 1 + 2
m/2
_
. Le maximum de lintercorrlation R
max
vaut 1 + 2
m/2
,
ce qui reprsente grossirement la moiti du maximum pour les squences de Gold. Si les
proprits de corrlation semblent intressantes, la valeur de M est petite devant N et comme
pour les paires prfres, il sagit dun critre limitant pour la slection de cet ensemble. Une
tude plus approfondie des proprits nest donc pas ncessaire.
2.4.2 Ensemble large
En tendant la logique de construction des squences Gold-like et de lensemble petit de Ka-
sami, on peut construire lensemble large de Kasami. Pour cela, on considre une M-squence
{a
n
} et deux priodes dchantillonnage l et l

: l = 1 + 2
(m+2)/2
et l

= 1 + 2
m/2
. On obtient la
squences {b
n
} (resp. {c
n
}) en chantillonnant {a
n
} avec l (resp. l

).
Si m 2 mod(4), lensemble large de Kasami est donn par :
K
L
(a, b, c) =
_
G(a, b), G(a, b) c, G(a, b) Tc, G(a, b) T
2
c, . . . , G(a, b) T
2
m/2
2
c
_
(2.4)
31
2. Etat de lart sur les squences dtalement
Si m 0 mod(4), lensemble large de Kasami est donn par :
K
L
(a, b, c) = { GL(a, b), GL(a, b) c, . . . , GL(a, b) T
2
m/2
2
c;
b
(0)
c, b
(0)
Tc, . . . , b
(0)
T
(2
m/2
1)/31
c;
b
(1)
c, b
(1)
Tc, . . . , b
(1)
T
(2
m/2
1)/31
c;
b
(2)
c, b
(2)
Tc, . . . , b
(2)
T
(2
m/2
1)/31
c }
(2.5)
o G(a, b) et GL(a, b) sont les ensembles dnis dans les quations 2.1 et 2.2. Concernant
la taille des ensembles, pour m 2 mod(4), K
L
(a, b, c) contient M = 2
m/2
(2
m
+ 1) squences
et pour m 2 mod(4), K
L
(a, b, c) contient M = 2
m/2
(2
m
+ 1) 1 squences. Dans les deux
cas, lintercorrlation R
ic
() et lautocorrlation hors pic central R
ac
() ( 0) prennent leurs
valeurs parmi les cinq de lensemble
_
1, 1 2
(m+2)/2
, 1 + 2
(m+2)/2
, 1 2
m/2
, 1 + 2
m/2
_
et le maximum dintercorrlation R
max
vaut 1 + 2
(m+2)/2
. On voit que cet ensemble prsente la
fois une limitation des valeurs des lobes secondaires de la corrlation et une taille densemble
suprieure N et est donc potentiellement propice pour la forme donde CDM-CCSK, comme
les squences de Gold.
Exemple : Pour m = 6, Lensemble K
L
(a, b, c) comporte M = 520 squences de longueur
N = 63. Chacune donne 62 autres squences par permutations circulaires. Lensemble nal
comporte donc 520 63 = 32760 squences. Les valeurs dintercorrlation et dautocorrlation
hors pic maximal sont {1, 17, 9, 7, 15} visible sur la gure 2.6.
32
2. Etat de lart sur les squences dtalement
0 20 40 60
20
0
20
40
60
Autocorrlation a b
(0)
0 20 40 60
20
0
20
40
60
Autocorrlation a b
(0)
0 20 40 60
20
0
20
40
60
Intercorrlation (a,a b
(1)
)
0 20 40 60
20
0
20
40
60
Intercorrlation (a T
2
b
(2)
,a b)
Figure 2.6 Autocorrlation et intercorrlation de squences de Kasami de lensemble large de
longueur N = 63
2.5 Conclusion sur le choix des squences dtalement
Nous avons vu quil existait plusieurs familles de squences dtalement dont les proprits
varient. Nous pouvons maintenant faire un choix en fonction des contraintes dnies au dbut
de ce chapitre, savoir une autocorrlation et une intercorrlation limites et un nombre de
squences disponibles M susamment grand an doptimiser lecacit spectrale du systme
en compensant le facteur dtalement (quation 1.3).
Le tableau 2.4 rcapitule les proprits des ensembles tudis et sert de comparateur.
Les premiers critres permettant daner le choix des squences sont le maximum dinter-
corrlation R
max
et la taille M de lensemble des squences disponibles. Le critre sur la borne
permet dliminer les M-squences comme cela a t montr partie 2.2 de ce chapitre, tandis
que celui portant sur M limine lensemble petit de Kasami.
Les ensembles restants (Gold, Gold-like, Kasami ensemble large) rpondent tous au critre
de taille densemble. Les ensembles de Gold et Gold-like sont complmentaires au sens math-
matique de la thorie des ensembles au niveau du degr des polynmes gnrateurs. Ils ne sont
33
2. Etat de lart sur les squences dtalement
Ensemble Degr du
polynme
gnrateur
m
Longueur
N
Taille de lensemble
de squences dispo-
nibles M
Maximum
intercorrlation
R
max
M-
squence
entier 3 2
m
1 << N > 1 + 2
(m+1)/2
Gold
G(a, b)
1 mod(2) 2
m
1 2
m
+ 1 1 + 2
(m+1)/2
Gold
G(a, b)
2 mod(4) 2
m
1 2
m
+ 1 1 + 2
(m+2)/2
Gold
G

(a, b)
1 mod(2) 2
m
1 2
m
1 + 2
(m+1)/2
Gold
G

(a, b)
2 mod(4) 2
m
1 2
m
1 + 2
(m+2)/2
Gold-like
GL(a, b)
0 mod(4) 2
m
1 2
m
1 + 2
(m+2)/2
Kasami
small set
K
S
(a, b)
0 mod(2) 2
m
1 2
m/2
1 + 2
m/2
Kasami
large set
K
L
(a, b, c)
2 mod(4) 2
m
1 2
m/2
(2
m
+ 1) 1 + 2
(m+2)/2
Kasami
large set
K
L
(a, b, c)
0 mod(4) 2
m
1 2
m/2
(2
m
+ 1) 1 1 + 2
(m+2)/2
Table 2.4 Rcapitulatif de certaines caractristiques des ensembles de squences tudis
donc pas comparables directement car ne possdent pas de polynmes de mme degr.
Il faut dterminer un critre qui permette daner le choix en saidant dune analogie avec
les modulations classiquement utilises en transmission. Ces dernires modulent les donnes bi-
naires grce des constellations composes de symboles complexes ou non (exemple : BPSK,
16-QAM, 32-APSK). La distance entre les symboles de la constellation va directement inuen-
cer les performances de la chaine et il est donc intressant de maximiser la distance minimale.
Elle se dnit pour une constellation E, par la plus petite distance euclidienne entre deux
symboles e
i
et e
j
de E :
34
2. Etat de lart sur les squences dtalement
d
min
= arg min
e
i
,e
j
e
i
e
j

2
, i j. (2.6)
Dans le chapitre 3, nous reviendrons plus en dtail sur cette notion. Le critre de distance
minimale est dj utilis pour hirarchiser les performances des modulations conventionnelles
de mme ordre. Nous allons galement nous en servir pour le choix de lensemble de squences.
Lide est de trouver un ensemble susamment grand pour permettre la compensation de lta-
lement et dont la distance minimale est la plus grande possible an de maximiser les perfor-
mances.
Le tableau 2.5 regroupe les rsultats en fonction de ce critre pour les ensembles slection-
ns. Ils dirent selon le degr de polynme considr mais il en ressort que lensemble G

(a, b)
prsente la plus grande distance minimale. Les autres ensembles ont tous la mme distance mi-
nimale, infrieure celle de G

(a, b). En consquence, nous nous baserons essentiellement sur


cet ensemble et ses permutations circulaires dans la suite de cette thse.
Ensemble d
2
min
M
m 0 mod(4)
GL(a, b) 2
m+1
2
m+2
2
2
m
K
L
(a, b, c) 2
m+1
2
m+2
2
2
m/2
(2
m
+ 1) 1
m 1 mod(2)
G(a, b) 2
m+1
2
m+3
2
2
m
+ 1
G

(a, b) 2
m+1
2
m
m 2 mod(4)
G(a, b) 2
m+1
2
m+2
2
2
m
+ 1
G

(a, b) 2
m+1
2
m
K
L
(a, b, c) 2
m+1
2
m+2
2
2
m/2
(2
m
+ 1)
Table 2.5 Distances minimales pour les ensembles Gold, Gold-like et Kasami
35
2. Etat de lart sur les squences dtalement
36
Chapitre 3
Forme donde CDM-CCSK
Ce chapitre prsente dans le dtail la forme donde propose dans le cadre de cette thse.
Comme expliqu dans le chapitre 1, elle est destine lamlioration des performances de
la diusion par satellite actuelle et est base sur la combinaison de CSK et de CDM. Nous
verrons les deux congurations dutilisation (sous-charge, surcharge) ainsi que les rcepteurs
associs. Une tude analytique des performances est ralise dans les deux cas.
3.1 Prsentation du systme
Formalisme
Nous introduisons ici les notations et le formalisme utiliss par la suite :
On considre une source dinformation paralllise en K ux dinformation.
Chaque ux a disposition L squences pseudo-alatoires de longueur N chips, chaque
squence codant log
2
(L) bits.
Chaque squence binaire dans {0, 1} est module sur deux niveaux (0 1, 1 +1) et
son nergie est note .
Les L squences de chaque ux sont regroupes selon les colonnes dune matrice C
i
,
1 i K. Chaque matrice C
i
est de taille NxL.
La colonne j de la matrice C
i
est note c
i j
, chaque colonne correspond une squence
possible.
Le facteur dtalement vaut FE = N.
Lecacit spectrale scrit
s
.
37
3. Forme donde CDM-CCSK
Lecacit en puissance scrit
p
.
En sortie du multiplexage, la somme temporelle des K squences associes aux suites de
log
2
(L) bits transmettre par ux est appele macrosymbole.
Expression dun macrosymbole
Elle est donne par
y =
_

N
c
1, j
1
+
_

N
c
2, j
2
+ . . . +
_

N
c
K, j
K
. (3.1)
Les squences utilises tant toutes composes de 1 et 1, leur nergie est constante et
gale N, do :
y = C
1
g
1
+ C
2
g
2
+ . . . + C
K
g
K
=
K

i=1
C
i
g
i
. (3.2)
o les g
i
, 1 i K sont des vecteurs colonne de taille Lx1 ne comportant que des 0 except
un 1 la position dsignant la squence transmise dans la matrice C
i
.
Les matrices C
i
peuvent tre concatnes en une seule matrice C de taille NxLK telle que
C = [C
1
C
2
. . . C
K
] ,
et on dnit le vecteur g de dimension LKx1 tel que
g =
_
g
T
1
, . . . , g
T
K
_
T
=
_
g
1
, g
2
, . . . , g
LK
_
T
remplissant la condition :
L

l=1
g
(i1)L+l
= 1, i {1, . . . , K} . (3.3)
Le macrosymbole mettre, de longeur N chips et prenant ses valeurs dans
{K, K + 2, K + 4, . . . , K 4, K 2, K} ,
38
3. Forme donde CDM-CCSK
peut donc scrire simplement :
y = Cg. (3.4)
Un bruit additif Gaussien w de matrice de covariance E[ww
T
] =
N
0
2
I
N
est rajout pour donner
le signal en rception z :
z = Cg + w. (3.5)
Le schma de la gure 3.1 rsume la construction de la forme donde propose et met
en lumire lutilisation combine du CCSK et du CDM tandis que le schma de la gure 3.2
dtaille limpact de la modulation et du multiplexage au niveau du spectre du signal.
Figure 3.1 Schma de construction de la forme donde propose
3.1.1 Rgle de dcision optimale
Lecacit de la forme donde repose sur la capacit du rcepteur dtecter correctement
les direntes squences mises. La dtection mono-utilisateur a montr ses limites dans un
contexte multiutilisateur dans [91] et [90]. Lorsque lenvironnement multiutilisateur devient
39
3. Forme donde CDM-CCSK
Figure 3.2 Evolution du spectre du signal lors de construction de la forme donde propose
charg, les interfrences dgradent signicativement les performances du systme. Nous pro-
posons de dpasser les limitations inhrentes ce genre de dmodulation en proposant un d-
tecteur multiutilisateur [24] dont les performances sont uniquement limites par le bruit tant
que le nombre de ux multiplexs K reste infrieur ou gal au facteur dtalement N.
A partir des observations z, le rcepteur doit estimer lensemble des squences transmises.
La rgle de dcision optimale est donne par
y = arg min
y
z y
2
, (3.6)
o lestimation est faite directement sur le macrosymbole transmis et qui peut tre dcompose
sous la forme
g =arg min
g
z C g
2
,
=arg min
g
C(g g) + w
2
,
avec g {0, 1}
LK
L

l=1
g
(i1)L+l
= 1, i {1, . . . , K} . (3.7)
40
3. Forme donde CDM-CCSK
Lestimation portera sur les vecteurs g
1
, . . . , g
K
formant le vecteur g, et plus prcisment,
sur la position de lunique lment non-nul dans chacun deux. Il apparait ncessaire de pr-
ciser ici que lors de la dtection, pour un ux donn, le dtecteur ne peut se tromper quavec
une squence appartenant la matrice C
i
attribue ce ux. Les proprits dintercorrlation
des squences et la distance minimale de chaque matrice C
i
inuencent les performances du
systmes comme cela est montr plus en dtail partie 3.2.3.
Selon la charge du systme, nous choisirons lune des deux dnitions de la rgle de dcision
qui seront respectivement exposes dans les parties 3.2 et 3.3.
3.1.2 Format de multiplexage
Ltude ralise au chapitre 2 a permis dvoquer limpact sur les performances de dtection,
du choix des squences et conclut lutilisation de lensemble G

(a, b) et de ses permutations


circulaires. Pour rappel,
G

(a, b) =
_
a, a b, a Tb, a T
2
b, . . . , a T
N1
b
_
.
Cet ensemble est compos de N+1 squences de longueur N = 2
m
1. Les squences sont qui-
distantes avec d =

2(N + 1). Lensemble des squences disponibles se compose de G

(a, b) et
de ses permutations circulaires comme suit :
TG

(a, b) =
_
Ta, T(a b), T(a Tb), . . . , T(a T
N1
b)
_
T
2
G

(a, b) =
_
T
2
a, T
2
(a b), T
2
(a Tb), . . . , T
2
(a T
N1
b)
_
.
.
.
T
N1
G

(a, b) =
_
T
N1
a, T
N1
(a b), T
N1
(a Tb), . . . , T
N1
(a T
N1
b)
_
.
Par conservation des proprits des distances de loprateur de permutation circulaire T, la
distance minimale dans ces ensembles vaut toujours d. Le nombre total de squences dispo-
nibles se porte N(N + 1).
Nous allons voir maintenant comment rpartir les squences dans chaque matrice C
i
.
Mthode 1
41
3. Forme donde CDM-CCSK
On attribue la premire matrice C
1
, la premire squence de G

(a, b) et L 1 de ses
permutations circulaires (L N + 1) avec L une puissance de 2 pour faciliter le mapping
bits/squences. Il est prfrable en termes de performances, de choisir des permutations rgu-
lirement espaces (pas de
N+1
L
entre les dcalages) plutt que de prendre les L 1 premires.
On agit ainsi pour chaque matrice des K ux multiplexs de la forme donde (K N). Cela
donne :
C
1
reoit
_
a, Ta, . . . , T
L1
a
_
C
2
reoit
_
a b, T(a b), . . . , T
L1
(a b)
_
.
.
.
C
K
reoit
_
a T
K2
b, T(a T
K2
b), . . . , T
L1
(a T
K2
b)
_
.
Dans le cas limite o la charge implique L = N + 1 et vu quil nexiste que N 1 permuta-
tions circulaires pour une squence donne, on ne peut complter les matrices C
i
de manire
obtenir L une puissance de 2. Il faut donc rajouter une autre squence de G

(a, b) ou une de ces


permutations, par exemple avec a T
N1
b, ce qui conduit :
C
1
reoit
_
a, Ta, . . . , T
L1
a, a T
N1
b
_
C
2
reoit
_
a b, T(a b), . . . , T
L1
(a b), T(a T
N1
b)
_
.
.
.
C
K
reoit
_
a T
K2
b, T(a T
K2
b), . . . , T
L1
(a T
K2
b), T
K1
(a T
N1
b)
_
.
La distance entre deux squences c
k j
et c
k j
quelconques dune matrice C
k
sexprime par
d
2
(i, j)
=
_
_
_c
k j
c
ki
_
_
_
2
=
_
_
_c
k j
_
_
_
2
+ c
ki

2
2 < c
k j
, c
ki
>
= 2N 2 < c
k j
, c
ki
> (3.8)
o < c
k j
, c
ki
> dsigne le produit scalaire entre les deux squences. Daprs les proprits
des squences de Gold (2.3.2), lintercorrlation R
ic
() entre deux squences ne prend que trois
valeurs. Le produit scalaire correspond lintercorrlation prise en 0 et ce titre, ne prend aussi
que trois valeurs. Avec la mthode dattribution utilise, la distance minimale des matrices C
i
42
3. Forme donde CDM-CCSK
correspond la distance d
(i, j)
calcule avec la plus grande valeur du produit scalaire i.e. 1+2
m+1
2
.
La distance minimale vaut donc d
2
min,m1
= 2(N + 1) avec =

2
m+3
. Cette distance est
infrieure la distance minimale que lon peut esprer avec lensemble de squences utilis,
comme cela a t expliqu dans la conclusion sur le choix des squences du chapitre 2 (voir
tableau 2.5).
Mthode 2
Avec cette mthode, on cherche utiliser les bonnes proprits de G

(a, b) en termes de dis-


tance minimale. On attribue la premire matrice C
1
, L squences parmi les N+1 squences de
G

(a, b) (L N + 1). On attribue ensuite C


2
, L squences prises dans TG

(a, b) et correspon-
dant aux permutations circulaires dun chip des squences attribues C
1
. Pour chaque matrice
C
i
suivante, on incrmente le dcalage appliqu aux squences. On obtient :
C
1
reoit
_
a, a b, a Tb, . . . , a T
L2
b
_
C
2
reoit
_
Ta, T(a b), T(a Tb), . . . , T(a T
L2
b)
_
.
.
.
C
K
reoit
_
T
K1
a, T
K1
(a b), T
K1
(a Tb), . . . , T
K1
(a T
L2
b)
_
.
On constate deux avantages cette mthode. Le premier est quil ny a pas de problme
dattribution dans le cas de charge limite (L = N +1 et K = N) puisque G

(a, b) comporte N +1
squences et quil est possible de permuter G

(a, b) N1 fois. Le deuxime est que dans le calcul


de la distance minimale (voir quation (3.8)), le produit scalaire vaut toujours 1, daprs les
proprits de lensemble G

(a, b). La distance minimale vaut donc d


2
min,m2
= 2
m+1
= 2(N + 1)
pour toutes les matrices C
i
.
Par la suite, nous retiendrons la deuxime mthode dattribution et la comparerons la
premire lors de ltude analytique des performances pour illustrer la motivation de ce choix
(voir gure 3.3).
43
3. Forme donde CDM-CCSK
3.2 Etude faible charge
Dans un premier temps, nous considrons un systme CDM-CCSK faiblement charg, pour
valider les rsultats thoriques obtenus. Ceci implique que si K N alors L << N et si L N+1
alors K << N en gardant toujours les conditions limites : L N + 1 et K N. Dans ce
contexte-l, nous adoptons le formalisme prsent en dbut de chapitre pour lexpression des
macrosymboles, quations (3.4) et (3.5) et pour la rgle de dcision optimale, quation (3.7).
3.2.1 Etude analytique des performances
Le but de cette section est de montrer quasymptotiquement, la forme donde CDM-CCSK
ore une amlioration simultane de lecacit spectrale et de lecacit en puissance. Nous
revenons galement sur ces deux notions.
Ecacit spectrale
Une dnition de lecacit spectrale a t donne dans le chapitre 1, quation (1.3). Elle tra-
duit la capacit transmettre un dbit dinformation pour une largeur de bande donne. Avec
la forme donde CDM-CCSK, linformation est regroupe sous forme de macrosymboles com-
poss de valeurs relles comme prsent prcdemment. An daugmenter lecacit spectrale
et proter de lorthogonalit de signaux moduls en quadrature (composantes en phase I et en
quadrature Q), la forme donde CDM-CCSK transmet un macrosymbole sur la composante I
et un sur la composante Q. Cela a pour eet de doubler la puissance du symbole mais aussi
de doubler la quantit dinformation transmise donc lnergie dpense par bit ne change pas.
En considrant un systme CDM-CCSK exploitant deux voies modules en quadrature avec K
ux multiplexs, chacun utilisant L squences de longueur N et une dmodulation cohrente en
rception, lecacit spectrale globale devient :

s
= 2K
log
2
L
N
. (3.9)
La charge limite est atteinte pour L = N + 1 et K = N ce qui borne lecacit spectrale par

s,lim
= 2 log
2
(N + 1). Cette borne permet de constater que lecacit spectrale augmente avec
la longueur N des squences utilises.
Ltude analytique exacte des performances est complexe mais une approximation able du
comportement asymptotique du systme peut tre obtenue en posant les hypothses appropries.
44
3. Forme donde CDM-CCSK
En se basant sur la structure particulire du vecteur g dterminer en rception, on voit quil
est constitu de K sous-vecteurs de L valeurs, chaque sous-vecteur contenant un seul 1 puis
que des 0.
Probabilit derreur sur les macrosymboles
Une erreur E sur un macrosymbole survient chaque fois que lestimation g dire de g dau
moins une valeur. La probabilit derreur peut scrire comme la somme des probabilits :
P(E|g) =
K

m=1
P[E(m)|g] (3.10)
o E(m) reprsente le cas derreur pour lequel g dire de g dexactement m valeurs.
Pour de grandes valeurs de rapport signal bruit, on met lhypothse que lvnement avec
une seule erreur domine les vnements avec plus dune erreur donc que la somme est domine
par le terme P[E(1)|g]. Cette hypothse est vrie par simulation dont les rsultats sont visibles
sur les gures 3.4, 3.5 et 3.6. La probabilit derreur conditionnelle peut tre vue comme une
union dvnements correspondants tous les cas derreur pour m = 1 :
P[E(1)|g] = P
_

_
_
_

_
g
.,,.
m=1
g
_

_
|g
_

_
(3.11)
La probabilit dune union dvnements est majore par la somme des probabilits de ces
vnements (Union Bound). On a :
P[E(1)|g]

ij
P
_
g
i
g
j
|g
i
_
, (3.12)
o P
_
g
i
g
j
|g
i
_
est la probabilit de choisir g
j
au lieu de g
i
sachant g
i
mis et g
j
dirant de
g
i
dune seule entre. En considrant la rgle de dcision optimale donne par (3.7), elle est
45
3. Forme donde CDM-CCSK
quivalente
P
_
Cg
i
+ w Cg
i

2
>
_
_
_Cg
i
+ w Cg
j
_
_
_
2
_
=P
_
w
2
>
_
_
_C(g
i
g
j
) + w
_
_
_
2
_
=P
_
w
T
C(g
i
g
j
) >
1
2
_
_
_C(g
i
g
j
)
_
_
_
2
_
=Q
_
1

2N
0
_
_
_C(g
i
g
j
)
_
_
_
_
(3.13)
avec Q(x) =
1

2
_

x
exp
_

t
2
2
_
, la fonction de rpartition complmentaire dune variable ala-
toire suivant une loi normale (voir [63], p.77).
En posant
_
_
_C(g
i
g
j
)
_
_
_ = d
(i, j)
, lUnion Bound peut sexprimer simplement sous la forme
P[E(1)|g]

ij
Q
_
d
(i, j)

2N
0
_
. (3.14)
Lapplication de la forme intelligente de lUnion Bound (Intelligent Union Bound) encore
appele approximation des plus proches voisins (Nearest Neighbors Approximation) consiste
considrer dans la somme ci-dessus, les termes les plus proches i.e. ceux dont la distance d
(i, j)
vaut d
min
. Grce aux choix judicieux des squences et leur mthode dattribution (voir partie
3.1.2), on sait que
d
2
(i, j)
= 2N 2 < c
k j
, c
ki
>
= 2(N + 1)
= d
min
. (3.15)
Il existe (L 1) cas derreur par ux et K ux actifs. On en dduit le nombre de termes de la
somme prcdente et
P(E) (L 1)KQ
_
d
min

2N
0
_
,
LKQ
_
d
min

2N
0
_
, (3.16)
46
3. Forme donde CDM-CCSK
En introduisant la notation
2
=
N
0
2
dans (3.16), ltude analytique des performances conduit
lapproximation suivante pour la probabilit derreur macrosymbole ou taux derreur macro-
symbole (TEM) :
P(E)
macro
= LKQ
_
d
min
2
_
. (3.17)
Elle dcrit un comportement asymptotique donc sera approche pour de forts SNR. Nous v-
rierons sa validit par des simulations dont les rsultats sont prsents partie 3.2.3. A noter
que si nous avions privilgi la premire mthode dattribution des squences, la distance mi-
nimale en argument de la fonction Q aurait t plus petite et la fonction tant dcroissante, la
probabilit derreur niveau de bruit constant aurait t suprieure (voir gure 3.3).
Ecacit en puissance
On introduit ici le critre dit decacit en puissance
p
dnit dans [63] par :

P
=
d
2
min

b
(3.18)
o
b
est lnergie moyenne par bit dduite dans notre cas partir de lnergie moyenne par
squence
seq
. Une squence est compose de N chips prenant leurs valeurs dans {1, +1}.
Chaque ux disposant de L squences, une squence code log
2
L bits. On en dduit que
seq
=
N = log
2
L
b
. d
min
est la distance minimale entre les symboles mis, dans notre cas des ma-
crosymboles, qui, par les hypothses mises prcdemment, est ramene la distance minimale
entre les squences attribues un ux i.e. d
2
min
= 2(N + 1). On obtient alors :

P
=
2(N + 1) log
2
L
N
,
= 2
_
1 +
1
N
_
log
2
L. (3.19)
Ce critre permet de comparer des schmas de modulation en termes de robustesse au canal
(i.e. de performance thorique de dtection) nergie moyenne constante. Pour un nombre de
ux K constant, on constate que lecacit en puissance va augmenter avec L, cest--dire avec
lecacit spectrale.
47
3. Forme donde CDM-CCSK
En reprenant lexpression de
p
donne dans (3.18) et en linjectant dans (3.16), on a
P(E) = LKQ
_ _

b
N
0
_
. (3.20)
Pour de fortes valeurs de largument, la fonction Q peut tre approxime daprs [16] par Q(x)
1
2
exp
_
x
2
2
_
. Appliqu (3.20), on trouve
LKQ
_ _

b
N
0
_
LKexp
_

b
N
0
_
, (3.21)
duquel on dduit quil existe une condition sur le rapport signal bruit par bit minimal pour que
la probabilit derreur ne soit pas borne par un seuil plancher.

b
N
0

ln2
2(1 + 1/N)
_
1 +
lnK
lnL
_
. (3.22)
On constate que cette valeur minimale dcroit avec laugmentation de L ce qui conrme quasymp-
totiquement, une amlioration simultane de lecacit spectrale et de lecacit en puissance
est possible. Cette dernire est maximale pour K = 1 et L = N + 1 et minimale pour K = N et
L = 2.
A partir du taux derreur macrosymbole TEM
re f
de la paire (K = 1, L = N + 1), on peut
estimer le TEM de nimporte quelle paire (K, L), par la formule 10 log
_
1 +
lnK
lnL
_
donnant la
dgradation en dB ou le dcalage vers la droite appliquer au TEM
re f
pour obtenir la courbe
souhaite.
Probabilit derreur sur les bits
A partir de lexpression de lapproximation du taux derreur macrosymbole donne par (3.17),
une relation peut-tre tablie avec le taux derreur bit pour fournir une approximation de ce
dernier. Nous conservons lhypothse qu fort SNR, la probabilit dune seule squence fausse
domine. Nous savons de plus, que les squences dun ux sont quidistantes donc les erreurs
entre deux squences de ce ux sont quiprobables et la faon de faire le mapping bits/squence
importe peu. Nous pouvons dduire le nombre moyen thorique de bits faux n
b,th
en cas derreur
partir du nombre L, connu, de squences attribues par ux. En eet, en cas derreur, il sut
de dterminer les probabilits davoir soit un bit faux, soit deux jusquau cas o tous les bits
48
3. Forme donde CDM-CCSK
sont faux. Il sagit dun problme de dnombrement. On a donc
n
b,th
= 1 Prob(1 bit faux) + . . . + log
2
L Prob(log
2
L bits faux)
=
log
2
L

i=1
i Prob(i bits faux)
=
log
2
L

i=1
i
_
log
2
L
i
_
L 1
=
log
2
L 2
log
2
L1
L 1
=
L log
2
L
2(L 1)
. (3.23)
Lapproximation du taux derreur bit peut donc scrire
P(E)
bit
=
P(E)
macro
K n
b,th
=
2(L 1)
log
2
L
Q
_
d
min
2
_
(3.24)
3.2.2 Rcepteur optimal
Lecacit en puissance de la forme donde est lie la capacit de dtection des squences
en rception. Lestimateur du Maximumde Vraisemblance ou MaximumLikelihood (ML) maxi-
mise la vraisemblance des squences et fournit la meilleure dtection au sens de la norme eu-
clidienne mais sa complexit peut tre une contrainte rdhibitoire. Dans (3.7), lestimateur ML
du vecteur g transmis ncessite le calcul exhaustif des L
K
distances correspondant toutes les
congurations possibles du vecteur g. Pour de faibles valeurs de L et K, le calcul exhaustif est
envisageable mais la complexit explose ensuite ds que la charge augmente. Nous proposons
donc une implantation de cette estimateur grce au Dcodage Sphrique ou Sphere Decoding
(SD) [95] [24].
3.2.2.1 Dcodage sphrique
Il convient de direncier le cas o LK N et le cas o LK > N. Dans cette section, nous
tudierons le premier cas. La matrice C de taille N LK est transforme selon une dcomposi-
49
3. Forme donde CDM-CCSK
tion QR de la forme :
C = QR (3.25)
avec Q une matrice carre unitaire de taille N N et R une matrice triangulaire suprieure de
taille N LK. Pour rappel, une matrice A de taille N N est dite unitaire si

A
T
A = I
N
o

A
T
est la matrice transpose conjugue de A et I
N
la matrice identit de taille N.
La norme euclidienne est transparente pour les transformations unitaires donc, en introdui-
sant la notation z

=

Q
T
z, lestimateur optimal donn par (3.7), peut scrire :
g = arg min
g
z

R g
2
, (3.26)
avec R de la forme :
R =
_

_
r
11
r
12
r
13
r
14
r
1,LK
0 r
22
r
23
r
24
r
2,LK
0 0 r
33
r
34
r
3,LK

0 0 0 r
LK1,LK1
r
LK1,LK
0 0 0 0 r
LK,LK
0 0 0 0 0

0 0 0 0 0
_

_
(3.27)
Lexpression de la norme euclidienne peut se reformuler de la manire suivante
z

R g
2
=

y
LK
r
LK,LK
g
LK

2
+

y
LK1
r
LK1,LK
g
LK
r
LK1,LK1
g
LK1

2
+

y
LK2
r
LK2,LK
g
LK
r
LK2,LK1
g
LK1
r
LK2,LK2
g
LK2

2
+ . . .
=
LK1

i=0
f (g
LK
, g
LK1
, . . . , g
LKi
) (3.28)
o tous les termes de la somme sont positifs ou nuls. Ils peuvent tre regroups sous la forme
dune somme de fonctions positives ou nulles avec un nombre croissant darguments et la dis-
tance peut scrire :
z

R g
2
= h(g
K
) + h(g
K
, g
K1
) + . . . + h(g
K
, g
K1
, . . . , g
1
) (3.29)
50
3. Forme donde CDM-CCSK
avec les vecteurs g
i
sont ceux que lon cherche dterminer. Cette expression rend lapplication
du Sphere Decoding plus intuitive.
Lide sous-jacente de cet algorithme est de chercher un chemin minimisant la mtrique
donne par lexpression (3.29) dans un treillis de profondeur K avec L tats. Le nombre de
chemins possibles vaut L
K
et lalgorithme va progressivement supprimer les chemins les moins
probables en comparant une mtrique initiale assimile au rayon dune hypersphre.
Lalgorithme du Sphere Decoding se droule en deux tapes : linitialisation et llagage.
Etape dinitialisation
Cette tape permet de dterminer un premier minimumlocal dans le treillis qui va servir de point
de comparaison initial. Son calcul se fait par Decision Feedback [93] partir de la structure
particulire donne par lquation (3.29). On calcule dans un premier temps
g
(0)
K
= arg min h(g
K
) (3.30)
qui requiert L calculs de mtrique tant donn quil ny a quune seule valeur non nulle dans le
vecteur g
K
. Puis, via la propagation inverse, on dtermine
g
(0)
K1
= arg min h(g
K1
,g
(0)
K
) (3.31)
qui requiert galement L calculs de mtrique et ainsi de suite jusqu obtenir

(0)
=
K1

i=0
h(g
(0)
K
, . . . ,g
(0)
Ki
) (3.32)
avec
(0)
, le premier minimum local du treillis. Sa dtermination ncessite LK calculs de m-
trique, ce qui ore une complexit polynomiale avec la charge du systme.
Etape dlagage
Une fois
(0)
dtermin, on procde ltape dlagage. Pour cela, on revient au dbut du treillis,
au niveau K et lestimation g
(0)
K
. On calcule les L 1 autres valeurs de la fonction h(g
K
) en
prenant g
K
g
(0)
K
et on limine les branches qui augmentent la mtrique calcule ltape
dinitialisation. Il est en eet vident que si h(g
K
) >
(0)
, tous les chemins contenant g
K
au lieu
de g
(0)
K
conduiront une plus grande mtrique nale. Chaque suppression ce niveau conduit
51
3. Forme donde CDM-CCSK
llimination de L
K1
chemins dans larbre. Cependant, moins davoir un fort rapport signal
bruit, il est peu vraisemblable de pouvoir supprimer beaucoup de chemins ds ce niveau. A
faible SNR, linuence du bruit lors de ltape dlagage conduit un premier minimum local
plus important qu fort SNR qui sera donc moins contraignant lors de ltape dlagage au
niveau K.
En considrant les branches survivantes du niveau K (comprenant lestimation initiale g
(0)
K
),
on passe au niveau K 1 o on reproduit la mme opration. Pour g
K1
g
(0)
K1
, on doit consi-
drer pour chaque vecteur g
K
restant, les mtriques
h(g
K
) + h(g
K
, g
K1
) (3.33)
et les comparer
(0)
puis supprimer toutes les branches qui conduiront une plus grande
mtrique nale. Ce processus itratif conduit, avec une complexit moins importante que les-
timateur ML brut, llimination de tous les chemins sauf un qui correspond lestimation
optimale voulue. Dans le cas o le processus conduit au dernier niveau du treillis sans suppri-
mer de chemin, cest--dire sil dtermine une mtrique nale plus petite que la mtrique de
comparaison
(0)
alors celle-ci est mise jour avec la nouvelle mtrique trouve.
Complexit du Sphere Decoding
La complexit du Sphere Decoding est dpendante du rapport signal bruit. Elle est de lordre
de L
K
, avec [0, 1[ une constante telle que << 1 quand le rapport signal bruit (SNR)
augmente [41]. Plus le SNR augmente, plus le premier minimum local
(0)
est petit au sens de
la mtrique adopte et plus llagage se fera dans les hauts niveaux de larbre conduisant une
limination plus ecace des branches sous-jacentes. La complexit varie donc de exponentielle
(trs faible SNR) algbrique (SNR moyen) ou linaire (fort SNR). La transition entre les
rgimes de complexit dpendra de la charge du systme (paramtres L et K).
Il existe dautres approches pour ltape dlagage conduisant des rsultats sous-optimaux
pour une complexit rduite [83] [84] [4].
3.2.2.2 Dcodage sphrique gnralis
Dans cette partie, nous tudions le cas LK > N. La matrice C est alors de rang plein sur
les lignes, une situation courante dans la littrature pour les systmes MIMO connue sous lap-
pellation systmes sous-dtermins [94] [96]. La dcomposition QR conduit une matrice
52
3. Forme donde CDM-CCSK
R qui nest plus triangulaire suprieure mais trapzodale. De nombreuses gnralisations du
Sphere Decoding (Generalized Sphere Decoding - GSD) ont t proposes pour remdier ce
problme notamment en rgularisant la matrice C soit pour pouvoir revenir une dcomposition
QR conduisant une matrice R triangulaire suprieure [14] soit pour appliquer une factorisation
de Cholesky [20]. Nous allons donner quelques dtails sur cette dernire technique.
Factorisation de Cholesky, dnition :
Soit A une matrice symtrique dnie positive. A se dcompose de faon unique sous la forme
A = L
T
L o L est une matrice triangulaire suprieure coecients diagonaux strictement
positifs [18].
Mthode de gnralisation base sur la factorisation de Cholesky
On considre la mtrique minimiser de la rgle de dcision optimale (3.7) dont le dveloppe-
ment donne
z C g
2
= (z C g)
T
(z C g)
= z
T
z z
T
C g g
T
C
T
z + g
T
C
T
C g (3.34)
Quand LK > N, C
T
C est semi-dnie positive i.e. pour tout vecteur x non nul, x
T
C
T
Cx 0. La
factorisation de Cholesky ncessite que la matrice soit dnie positive, i.e. que lingalit soit
stricte. Pour cela, les auteurs de [20] proposent de rajouter la mtrique prcdente un terme de
rgularisation g
T
g avec une constante positive dterminer. La complexit de lalgorithme
dpendra de la valeur choisie pour . Les auteurs de [20] ont choisi arbitrairement = 1, valeur
que lon retiendra pour les simulations. La mtrique (3.34) rgularise peut maintenant scrire
z C g
2
+ g
T
g
= z
T
z z
T
C g g
T
C
T
z + g
T
(C
T
C + I
LK
) g (3.35)
avec I
LK
, la matrice identit de taille LK. On pose G = C
T
C + I
LK
. G est dnie positive
et peut tre factorise : G = D
T
D o D est une matrice triangulaire suprieure. On dnit
= G
1
C
T
z et en ajoutant
T
D
T
D de part et dautre de (3.35), on peut rednir la rgle de
dcision optimale (3.7) par
g = arg min
g
D D g
2
(3.36)
53
3. Forme donde CDM-CCSK
pour laquelle lalgorithme du Sphere Decoding dcrit prcdemment peut tre appliqu.
3.2.3 Rsultats de simulation
Cette partie regroupe les dirents rsultats obtenus par simulation et leur analyse. On a
considr des squences de Gold de longueur N = 31 (degr du polynme m = 5). Leurs pro-
prits de corrlation sont visibles sur la gure 2.4. Lensemble G

(a, b) associ cette longueur


comprend 32 squences quidistantes et d
min
= 8.
Mthodes dattribution
Dans un premier temps, les performances associes aux deux mthodes dattribution des s-
quences prsentes en dbut de chapitre sont compares : la gure 3.3 prsente les taux derreur
macrosymbole simuls pour un systme CDM-CCSK avec K = 4 ux actifs disposant de L = 8
squences attribues selon ces deux mthodes. Les rsultats mettent en lumire lintrt de la
mthode que nous avons retenue, avec un cart constat entre les deux courbes en faveur de la
mthode 2 variant de 1.25 dB pour un TEM de 1 10
3
1 dB pour un TEM en-de.
54
3. Forme donde CDM-CCSK
0 1 2 3 4 5 6 7 8 9 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

m
a
c
r
o
s
y
m
b
o
l
e
CDMCCSK, N = 31, K = 4, L = 8


Simulation mthode 1
Simulation mthode 2
Figure 3.3 Comparaison des taux derreur macrosymbole simuls en fonction de la mthode
dattribution des squences
Approximations des taux derreur
Nous vrions ici la abilit des approximations sur lesquelles repose ltude analytique (partie
3.2.1). La premire tape consiste valider lhypothse selon laquelle la probabilit, en cas
derreur lors de la dtection, davoir une seule squence fausse domine fort SNR. Les gures
3.4 et 3.5 conrment cette hypothse pour direntes charges du systme.
55
3. Forme donde CDM-CCSK
Figure 3.4 Probabilits doccurrence du nombre de squences fausses en fonction du rapport
signal bruit, N=31, K=4, L=8
Figure 3.5 Probabilits doccurrence du nombre de squences fausses en fonction du rapport
signal bruit, N=31, K=4, L=32
56
3. Forme donde CDM-CCSK
Figure 3.6 Probabilits doccurrence du nombre de squences fausses en fonction du rapport
signal bruit, N=31, K=10, L=4
Les gures 3.7, 3.8 et 3.9 permettent de vrier que les approximations (3.20) et (3.24)
respectivement sur le taux derreur macrosymbole et le taux derreur bit sont valables pour un
SNR susamment grand. Selon la charge des systmes simuls, le choix de lalgorithme de
dtection sest port soit sur le Sphere Decoding soit sur le Generalized Sphere Decoding.
57
3. Forme donde CDM-CCSK
0 1 2 3 4 5 6 7 8 9 10
10
8
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
N = 31, K = 4, L = 8


Taux derreur macrosymbole (TEM) simul
Approximation TEM
Taux derreur bit (TEB) simul
Approximation TEB
Figure 3.7 Validation par simulation des approximations du TEM et du TEB, N=31, K=4,
L=8, algorithme SD
0 1 2 3 4 5 6 7 8 9
10
7
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
N = 31, K = 4, L = 32


Taux derreur macrosymbole (TEM) simul
Approximation TEM
Taux derreur bit (TEB) simul
Approximation TEB
Figure 3.8 Validation par simulation des approximations du TEM et du TEB, N=31, K=4,
L=32, algorithme GSD = 1
58
3. Forme donde CDM-CCSK
0 2 4 6 8 10
10
6
10
5
10
4
10
3
10
2
10
1
10
0
10
1
Eb/N0 (dB)
N = 31, K = 10, L = 4


Taux derreur macrosymbole simul
Approximation TEM
Taux derreur bit simul
Approximation TEB
Figure 3.9 Validation par simulation des approximations du TEM et du TEB, N=31, K=10,
L=4, algorithme GSD = 1
Evolution de lecacit spectrale et de lecacit en puissance
Il a t montr dans la partie 3.2.1 que pour un nombre de ux K donn, lecacit en puis-
sance
p
augmente avec le nombre L de squences attribues par ux et donc avec lecacit
spectrale. La gure 3.10 conrme cette proprit en montrant lvolution du taux derreur ma-
crosymbole pour K = 4 ux et L variant de 2 32. Le passage de 2 32 squences par ux
apporte un gain croissant avec la diminution du TEM: gain de 2.7 dB 10
1
, gain de 5 dB 10
3
et gain de 5.6 dB 10
5
. La gure 3.11 montre le mme comportement pour le taux derreur bit
et tablit la comparaison avec le taux derreur bit thorique dune modulation BPSK.
Laugmentation du nombre K de ux superposs dans le multiplex CDM-CCSK induit une
pnalit sur lecacit puissance visible sur la gure 3.12. Cependant cette pnalit diminue
avec le TEM et, titre dexemple, pour un TEM cible de 10
3
, elle slve 1.4 dB pour un
passage de 2 31 ux comparer au gain de 5 dB tabli prcdemment pour le mme TEM
cible.
En conclusion, laugmentation du nombre L de squences attribues par ux favorise laug-
mentation simultane des ecacits en puissance et spectrale de la forme donde tandis que
laugmentation du nombre K de ux superposs ne favorise que lecacit spectrale et diminue
59
3. Forme donde CDM-CCSK
lecacit en puissance. Cependant la dgradation sur lecacit en puissance est faible devant
le gain apport par laugmentation de L et lutilisation de la forme donde CDM-CCSK forte
charge conduira donc une amlioration globale des ecacits en puissance et spectrale.
0 2 4 6 8 10 12 14
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

m
a
c
r
o
s
y
m
b
o
l
e
CDMCCSK, K=4, N=31, simulations et approximations


L=2 simul
L=4 simul
L=8 simul
L=16 simul
L=32 simul
L=2 approx.
L=4 approx.
L=8 approx.
L=16 approx.
L=32 approx.
Figure 3.10 Amlioration du taux derreur macrosymbole avec laugmentation du nombre L
de squences par ux, N=31, K=4
Les ecacits spectrales associes aux direntes charges de la gure 3.11 sont regroupes
dans le tableau 3.1.
N = 31,K = 4 L = 2 L = 4 L = 8 L = 16 L = 32 BPS K QPS K

S
(bit/s/Hz) 0.26 0.52 0.77 1.03 1.29 1 2
Table 3.1 Ecacit spectrale de la forme donde pour direntes charges
A faible charge, on constate que la forme donde atteint des niveaux decacits en puis-
sance et spectrale trop modestes pour fournir une modulation haute capacit. Laugmentation
des paramtres de charge conduit une premire dicult, la complexit du dcodeur. Comme
expliqu en section 3.2.2.1 lors de la prsentation du Sphere Decoding, la complexit du d-
codeur est exponentielle et tend vers un rgime linaire avec laugmentation du SNR. A faible
SNR et forte charge, la complexit est un facteur limitant. A titre dexemple pour une longueur
60
3. Forme donde CDM-CCSK
0 2 4 6 8 10 12 14
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

b
i
t
CDMCCSK, K=4, N=31, Taux derreur bit simuls


L=2 simul
L=4 simul
L=8 simul
L=16 simul
L=32 simul
TEB thorique
BPSK/QPSK
Figure 3.11 Amlioration du taux derreur bit avec laugmentation du nombre L de squences
par ux, N=31, K=4. Comparaison avec le TEB thorique de la BPSK et de la QPSK
de squence N = 31, la complexit de la forme donde CDM-CCSK avec un rcepteur SD de-
vient contraignante partir de K = 5 ux avec L = 32 squences. Ce niveau de charge nest pas
susant pour atteindre de hautes ecacits spectrales (pour ces paramtres
s
= 1.6 bit/s/Hz).
Naturellement, on soriente vers la recherche de dcodeurs moins complexes et donc plus ra-
pides. Cependant, cela implique une concession sur loptimalit du dcodeur et il y aura un
compromis classique faire entre performance et complexit.
3.2.4 Dcodeurs sous-optimaux
La rsolution de g = arg min
g
z C g
2
avec g {0, 1}
KL
est un problme standard
doptimisation quadratique boolenne pour lequelle il existe de nombreuses rfrences dans
la littrature [34] [6] [1] [66] [10]. Deux approches ont t dveloppes, lune base sur la
structure particulire du vecteur g dterminer (algorithme LASSO partie 3.2.4.1), lautre sur
la relaxation de contrainte du problme (algorithme SDR partie 3.2.4.2).
61
3. Forme donde CDM-CCSK
0 2 4 6 8 10
10
5
10
4
10
3
10
2
10
1
10
0
10
1
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

m
a
c
r
o
s
y
m
b
o
l
e
L=4, N=31, Taux derreur macrosymbole: simulations et approximations


K=2 simul
K=4 simul
K=8 simul
K=2 approx.
K=4 approx.
K=8 approx.
K=31 approx.
Figure 3.12 Dgradation du taux derreur macrosymbole avec laugmentation du nombre K
de ux, N=31, L=4
3.2.4.1 Least Absolute Shrinkage and Selection Operator (LASSO)
Une forte charge du systme conduit un vecteur g creux ou parcimonieux (sparse), i.e.
contenant peu de valeurs non nulles. Cette proprit permet denvisager le contournement du
problme de la complexit en ayant recours des dcodeurs linaires adapts (sparse linear
regressor) tel que le Least Absolute Shrinkage and Selection Operator (LASSO) [89] [26].
Ce type dalgorithme est bien adapt aux problmes doptimisation avec des matrices trs
larges pour lesquels il faut extraire les donnes les plus signicatives. Pour cela, il utilise une
rgularisation du problme base sur la norme L
1
qui a lavantage de conduire des solu-
tions parcimonieuses. Pour rappel, la norme L
1
dun vecteur x = (x
1
, . . . , x
n
) correspond
x
L
1
= |x
1
| + . . . + |x
n
|.
Le problme devient
minimiser z C g
2
avec g {0, 1}
KL
et la contrainte g
L
1
s (3.37)
avec s est un paramtre ajustable positif . Quand s est grand, la contrainte na pas deet et la
solution nest autre que lestimateur classique des moindres carrs. Par contre, quand s diminue,
62
3. Forme donde CDM-CCSK
la solution est une version allge de lestimation des moindres carrs et certains de ses lments
sont nuls. Le choix de ce paramtre dpendra du nombre souhait de valeurs non nulles. Il existe
plusieurs approches pour choisir ce nombre, comme la technique de la validation croise (cross-
validation). La fonction de cot du problme minimiser peut scrire de manire quivalente
z C g
2
+ g
L
1
(3.38)
avec le paramtre de rgularisation dont la valeur est dtermine par rapport s. Limplan-
tation initiale pour la rsolution de ce problme repose sur des techniques de programmation
quadratique issues de loptimisation convexe mais [26] a depuis propos un algorithme ecace
appel Least Angle Regression (LAR).
Least Angle Regression A partir du vecteur z reu, lalgorithme cherche dterminer suc-
cessivement quelles squences de la matrice C ont t transmises. Il se droule de la faon
suivante :
1. Tous les coecients de g sont mis zro et le vecteur rsidu r est initialis avec z (r z)
2. Dterminer lindice j de la squence c
j
de C qui maximise la corrlation C
T
r
3. Mettre jour les variables
r r
j
c
j
g
j
g
j
+
j
avec
j
= signe(< r, c
j
>). Une autre faon de calculer
j
conduit dautres versions du
LASSO.
4. Continuer jusqu la condition limite. Cela peut tre g
L
1
> s ou bien un nombre maxi-
mum de coecients non nuls.
Une premire analyse de cet algorithme rvle quil est bas sur des corrlations successives
et quil ne ralise pas conjointement la dtection de toutes les squences. Ceci implique que
les performances seront limites par les interfrences entre les squences superposes [90].
En revanche, la complexit ne varie pas avec le rapport signal bruit, comme cest le cas
pour le Sphere Decoding, et est proportionnelle au nombre de ux superposs K. Elle permet
deectuer des simulations pour tous les niveaux de charge jusquau cas maximumpour N = 31,
i.e. L = 32 et K = 31. Ce gain par rapport au SD est nanmoins inutile car la concession faire
sur loptimalit est importante par rapport des modulations classiques comme le montre la
63
3. Forme donde CDM-CCSK
gure 3.13 pour un systme CDM-CCSK avec N = 31, K = 4 et L = 32 dcod avec le SD
et le LASSO compar une QPSK. Pour un TEB de 10
4
, la dgradation du
E
b
N
0
entre le SD et
le LASSO est denviron 6 dB. Lecacit en puissance du CDM-CCSK devient plus mauvaise
que celle de la QPSK qui par ailleurs possde une meilleure ecacit spectrale. De plus, plus
la charge du CDM-CCSK augmente, plus les interfrences impactent les performances de la
dtection jusqu la rendre impossible.
Dautre part, lalgorithme ne tient pas compte de la structure particulire du vecteur g don-
ne par la condition (3.3). Des versions du LASSO appeles Group LASSO [52] [98] [65]
tiennent compte dune structure groupe dans la recherche du vecteur solution. Cependant, ces
algorithmes convergent vers des solutions o la parcimonie sapplique aussi bien lintrieur
des groupes du vecteur solution quaux groupes eux-mmes. Ainsi certains groupes seront com-
poss entirement de valeurs nulles ce qui ne remplit pas la condition (3.3).
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
N = 31, K = 4, L = 32


CDMCCSK SD,
s
= 1.3 bit/s/Hz
CDMCCSK LASSO,
s
= 1.3 bit/s/Hz
TEB thorique QPSK,
s
= 2 bit/s/Hz
Figure 3.13 Comparaison des taux derreur binaire entre le Sphere Decoding et le LASSO,
N=31, K=4, L=32
3.2.4.2 Relaxation Semi-Dnie
La Relaxation Semi-dnie ou Semi Denite Relaxation (SDR) est une technique couram-
ment utilise pour les problmes doptimisation dans les systmes MIMO [72]. Elle se dcom-
pose en trois tapes :
64
3. Forme donde CDM-CCSK
Rednition du problme initial
Lide est de rsoudre, au moins approximativement, le problme doptimisation au sens du
maximum de vraisemblance :
g
ML
=arg min
g
z Cg
2
,
avec g {0, 1}
LK
L

l=1
g
(i1)L+l
= 1, i = {1, . . . , K} (3.39)
On introduit la notation f
i
= e
i
1
L
o e
i
est le vecteur de longueur K comportant un 1 en
i
` eme
position et des 0 ailleurs, 1
L
est le vecteur de longueur L compos uniquement de 1 et le
produit de Kronecker. Ainsi g
T
f
i
=
_
L
l=1
g
(i1)L+l
et en posant g
T
f
i
= 1, on impose que chaque
ux transmette exactement une squence parmi les L disposition. Le problme (3.39) scrit :
g
ML
=arg min
g
z Cg
2
,
avec g {0, 1}
LK
g
T
f
i
= 1, i = {1, . . . , K} (3.40)
Le problme (3.40) est symtris an deectuer une recherche de solution dans {1, 1} au
lieu de {0, 1}. En posant g = 2g 1
KL
, i.e. g =
1
2
( g + 1
KL
), la fonction de cot peut scrire :
z Cg
2
= z C
1
2
( g + 1
KL
)
2
= z

C g
2
, avec z = z
1
2
C1
KL
et

C =
1
2
C
et les contraintes sur la structure :
g
T
f
i
=
1
2
( g + 1
KL
)
T
f
i
=
1
2
_
g
T
f
i
+ L
_
= 1 g
T
f
i
= 2 L.
En posant g
ML
= 2g
ML
1
KL
, le problme (3.40) est quivalent :
65
3. Forme donde CDM-CCSK
g
ML
=arg min
g
z

C g
2
,
avec g {1, 1}
LK
g
T
f
i
= (L 2), i = {1, . . . , K} (3.41)
Le problme (3.41) nest pas homogne. Pour rappel, un problme est homogne si sa fonc-
tion de cot et les fonctions de contraintes sont homognes i.e. ne contiennent pas de termes
linaires. Une technique trs courante pour rendre le problme homogne consiste introduire
une variable vide t {1, 1}. La taille du problme et des contraintes augmente et en posant
g
ML
= t

on a :
(t

, g

) =arg min
g
t z

C g
2
,
avec t {1, 1}
g {1, 1}
LK
g
T
f
i
= (L 2), i = {1, . . . , K} . (3.42)
La fonction de cot peut maintenant tre crite sous la forme :
t z

C g
2
= x
T
Qx x =
_

_
g
t
_

_
et Q =
_

C
T

C

C
T
z
z

C z
2
_

_
Pour utiliser la Relaxation Semi-Dnie, la fonction de cot et les contraintes sont dabord
reformules comme des problmes linaires en fonction de la matrice de rang 1 : X = xx
T
. Pour
la fonction de cot cela conduit simplement :
x
T
Qx = tr
_
x
T
Qx
_
= tr
_
Qxx
T
_
= tr {QX} .
La contrainte boolenne x {1, 1}
LK+1
est quivalente diag {X} = 1
KL+1
. Les contraintes
dune squence mise parmi L ne peuvent pas tre exactement retranscrite avec la matrice X
66
3. Forme donde CDM-CCSK
mais on peut montrer que
g
T
f
i
= x
T
_

_
f
i
0
_

_
= (L 2)
_

_
x
T
_

_
f
i
0
_

_
_

_
2
= x
T
F
i
x = (L 2)
2
avec
F
i
=
_

_
f
i
0
_

_
_

_
f
i
0
_

_
T
et
x
T
F
i
x = tr
_
x
T
F
i
x
_
= tr
_
F
i
xx
T
_
= tr {F
i
X} = (L 2)
2
,
qui est aussi une contrainte linaire en X. On remarque quavec cette formulation, on a perdu
linformation sur le signe dans le sens o tr {F
i
X} = (L 2)
2
implique que g
T
f
i
= (L 2). Il
est possible quon obtienne alors des solutions correspondant des ux transmettant toutes les
squences sauf une, inversions aisment rsolubles.
En combinant ces direntes expressions, on obtient le problme quivalent au problme
(3.40) lexception de la perte du signe et la rednition donne :
X

=arg min
X
tr {QX}
avec X semi-dnie positive
rang {X} = 1
diag {X} = 1
KL+1
tr {F
i
X} = (L 2)
2
, i = {1, . . . , K} . (3.43)
Relaxation de la contrainte
La seule dicult dans la rsolution de ce problme est la contrainte sur le rang qui rend len-
semble non-convexe. Lapproche usuelle lorigine de la dnomination de la technique est de
relcher cette contrainte et de considrer le problme :
67
3. Forme donde CDM-CCSK
X

=arg min
X
tr {QX}
avec X semi-dnie positive
diag {X} = 1
KL+1
tr {F
i
X} = (L 2)
2
, i = {1, . . . , K} (3.44)
qui peut tre rsolu ecacement avec une complexit polynomiale grce des logiciels
standards doptimisation comme la CVX Matlab Toolbox ou CPLEX.
Randomisation
La solution obtenue X

nest pas directement exploitable cause de la rednition du problme.


Il faut en extraire une approximation de la solution au problme initial. Une mthode ecace
pour cela est la randomisation. Elle consiste voir la matrice X

comme une matrice de corr-


lation utilise pour gnrer un ensemble de S vecteurs candidats x
i
, i = {1, . . . , S } tels que :
x
i
= [X

]
1/2
u
i
avec u
i
N(0, I)
o les vecteurs u
i
suivent une loi normale de moyenne nulle et de matrice de covariance, la
matrice identit I
LK+1
Les x
i
peuvent tre interprts comme des combinaisons alatoires des vecteurs propres
de X

o les coecients pondrateurs dans la combinaison correspondent aux valeurs propres


associes ces vecteurs propres. Pour chaque tirage alatoire, on va dduire un vecteur solution
x
i
duquel on dduit un vecteur g
i
solution au problme (3.40) originel en posant g
i
= x
i
(1 :
LK) x
i
(LK + 1).
Finalement, le vecteur solution g

i
retenu parmi les S de lensemble sera celui qui minimisera
la fonction de cot originelle zCg
i

2
. Plus le nombre de tirages est important, plus la solution
dtermine est able mais plus le temps de rsolution sallonge et donc encore une fois il y a
un compromis faire entre complexit et performance.
Performances
Pour un systme CDM-CCSK avec N = 31, K = 4, L = 32, S = 10
5
tirages dans ltape
68
3. Forme donde CDM-CCSK
de randomisation et lutilisation de la CVX Matlab Toolbox pour la rsolution, les taux der-
reur macrosymbole et bit obtenus par simulation sont donns sur la gure 3.14. Le niveau de
charge choisi reste faible compar au maximum possible. On constate que les taux derreur
atteignent un plancher lorsque le SNR augmente ce qui ne laisse pas augurer de meilleures per-
formances avec laugmentation de la charge. Le gain obtenu sur la complexit rendent possibles
des simulations avec des niveaux de charge suprieurs. Cependant, ces derniers impliquent une
augmentation du nombre de variables et de contraintes grer par lalgorithme et donc in ne
une augmentation rdhibitoire de la complexit du problme (voir tableau rcapitulatif 3.2).
0 1 2 3 4 5 6 7 8 9 10
10
8
10
6
10
4
10
2
10
0
10
2
Eb/N0 (dB)
N = 31, K = 4, L = 32


TEM SDR + 10000 Rand
Approximation TEM optimal
TEB SDR + 10000 Rand
Approximation TEB optimal
Figure 3.14 Comparaison des taux derreur macrosymbole et binaire entre le dtecteur sous-
optimal SDR et lapproximation des performances optimales pour N=31, K=4, L=32
3.2.4.3 Conclusion sur les dtecteurs sous-optimaux
Les deux approches sous-optimales dcrites ci-dessus napportent pas de solutions satisfai-
santes au problme dimplmentation induit par le Sphere Decoding. Bien que la complexit
diminue, les temps de simulation pour de fortes charges restent consquents et les pnalits sur
les performances sont rdhibitoires pour considrer de tels dtecteurs. Le tableau 3.2 rcapitule
les performances des algorithmes optimaux et sous-optimaux en termes de complexit et de
performance.
69
3. Forme donde CDM-CCSK
Lecture du tableau
(+++) : Trs faible complexit / Performance optimale
(++) : Faible complexit / Performance non optimale, faible dgradation
(+) : Complexit moyenne / Performance non optimale, dgradation moyenne
(-) : Forte complexit / Performance non optimale, forte dgradation
(- -) : Trs forte complexit / Performance non optimale, trs forte dgradation
(- - -) : Irralisable / Indcodable
N = 31, L = 32
Complexit e Per f ormance
Nombre f luxK S D/GS D LAS S O S DR S D/GS D LAS S O S DR
2 ++ + + + ++ + + + ++ +
3 + + + + ++ + + + + +
4 + + + + + + +
5 + + + + + + +
6 + + + + + + +
8 + + + + + +
10 + + + + + +
20 + + + + + +
31 + + + + + +
Table 3.2 Rcapitulatif des performances des algorithmes optimaux et sous-optimaux pour
N = 32, L = 32 et K variable
3.3 Etude forte charge
Lecacit en puissance de la forme donde propose dpend de la capacit du rcepteur
dtecter les squences transmises partir des chantillons du macrosymbole bruit reu.
Pour cela, lunicit des macrosymboles est une condition ncessaire quelle que soit la charge.
Le nombre de motifs dirents ncessaire N
macro
est donn par les paramtres de charge soit
N
macro
= L
K
. Pour la longueur de squence considre dans les exemples prcdents (N = 31)
et de forts niveaux de charge (L = 32, K > 5), la vrication de lunicit des macrosymboles par
70
3. Forme donde CDM-CCSK
une revue exhaustive des squences devient impossible. Cependant en tudiant le cas asympto-
tique (K = N, L = N + 1), on peut dmontrer quil existe un niveau de charge partir duquel
lunicit des macrosymboles nest plus respecte.
Justication
A pleine charge (K = N, L = N + 1), le nombre de macrosymboles uniques ncessaire
vaut L
K
= (N + 1)
N
. Les N chips des macrosymboles prennent leurs valeurs dans lensemble
{K, K + 2, . . . , +K 2, +K} qui contient K + 1 lments. Si toutes les combinaisons de va-
leurs taient possibles, on aurait exactement (K + 1)
N
= (N + 1)
N
combinaisons. Or, elles ne
sont pas toutes possibles car construites partir de squences de Gold. Considrons un exemple
simple : la combinaison compose de N chips valant tous +K nexiste pas car elle serait le
rsultat de la somme de K = N squences identiques composes uniquement de 1. Or les ma-
crosymboles sont composs de squences binaires toutes direntes, ce cas de gure est donc
exclu.
Si cela prouve quun seuil de charge existe, il est dicile de le quantier car il varie en
fonction des paramtres N, K et L. Nous proposons dtudier plus en dtail un cas particulier
pour une faible longueur de squence (N = 7) rduisant ainsi la complexit et la dure des
simulations avec pour objectif de dterminer si un compromis intressant existe entre lecacit
en puissance et lecacit spectrale.
3.3.1 Etude de cas pour une longueur de squence N=7
Pour cette longueur de squence, nous pouvons dans un premier temps dterminer grce
une revue exhaustive des squences le niveau de charge pour lequel la redondance des macro-
symboles apparait. Le tableau 3.3 regroupe les rsultats obtenus. Le paramtre L tant dcisif
pour lecacit en puissance et spectrale, il est x sa plus haute valeur possible (L = N +1).
Plus K augmente, plus la redondance est forte et le nombre de macrosymboles disponibles
chute.
71
3. Forme donde CDM-CCSK
N = 7, L = 8
K 2 3 4 5 6 7
Nombre de macrosym-
boles uniques nces-
saires
64 512 4096 32768 262144 2097152
Nombre trouv par re-
vue exhaustive
58 344 1636 6024 18640 49752
Rapport (%) 90.6 67.2 39.9 18.38 7.11 2.37
Table 3.3 Disponibilit de macrosymboles uniques en fonction de la charge pour N=7
La redondance des macrosymboles implique que lapproche paralllisant des ux dinfor-
mation dveloppe prcdemment considrant K modulateurs indpendants nest plus appli-
cable. Pour contourner ce problme, nous proposons une nouvelle approche [25] base sur
la slection dun ensemble de macrosymboles pour former un alphabet compos dlments
uniques. En dnissant M la taille de lalphabet, cette nouvelle approche permet de moduler
log
2
M bits par macrosymbole. Le format multi-ux est remplac par un format avec un seul
ux dinformation modul par cet alphabet.
Construction du nouvel alphabet
Daprs le tableau 3.3, on voit que pour une charge maximale (L = 8, K = 7), bien que le
pourcentage dunicit soit faible, le nombre de macrosymboles disponibles est le plus grand. En
gardant en mmoire lobjectif de fournir un schma haute ecacit spectrale, ce cas prsente
la meilleure perspective. Lalphabet disponible est donc compos des 49752 macrosymboles
uniques issus des L
K
= 8
7
= 2097152 combinaisons du systme CDM-CCSK pour une charge
maximale. Pour N = 7, les chips des macrosymboles prennent leurs valeurs dans lensemble
{7, 5, 3, 1, 1, 3, 5, 7}.
Puissance moyenne des macrosymboles
Daprs lquation (3.1), un macrosymbole x[n] est la somme de K squences c
i
, i [1, . . . , K]
72
3. Forme donde CDM-CCSK
et peut scrire x[n] =
_
K
i=1
c
i
. La puissance moyenne dun macrosymbole se dnit par :
P
moy
= E
_
|x[n]|
2
_
= E
_

i=1
c
i

2
_

_
= E
_

_
K

i=1
|c
i
|
2
+ 2

ij
< c
i
, c
j
>
_

_
=
K

i=1
E
_
|c
i
|
2
_
+ 2

ij
E
_
< c
i
, c
j
>
_
(3.45)
Dans lapproche multiutilisateur, les squences sont indpendantes car toutes les combinaisons
de squences sont possibles. Ainsi le second terme dans (3.45) est nul et la puissance moyenne
scrit :
P
moy
=
K

i=1
E
_
|c
i
|
2
_
= K (3.46)
Ce rsultat se retrouve par simulation sur la gure 3.15-(a) donnant la distribution de la puis-
sance des L
K
macrosymboles issus de lapproche multiutilisateur pour N = 7, L = 8 et K = 7.
La puissance moyenne est trac en pointill et correspond bien la valeur de K.
Dans la nouvelle approche monoutilisateur, la slection des macrosymboles uniques et donc
des combinaisons de squences conduit une interdpendance des squences et les simpli-
cations dans lquation (3.45) ne sont plus possibles. Une tude par simulation conduit la
distribution de la gure 3.15-(b). La puissance moyenne trace en pointill est suprieure K.
Il faut tenir compte de ce rsultat dans le calcul du bruit lors des simulations. An de minimiser
cette augmentation lors de la slection densembles restreints (voir partie 3.3.3), les macrosym-
boles uniques seront choisis par puissance croissante.
A noter que la modulation en quadrature de deux macrosymboles propose pour amlio-
rer lecacit spectrale (partie 3.2) est toujours valable avec la nouvelle approche et implique
un doublement de la puissance moyenne par macrosymbole complexe (voir la distribution des
niveaux de puissance sur la gure 4.4-(a)).
73
3. Forme donde CDM-CCSK
0 5 10 15 20 25
0
0.05
0.1
0.15
Puissance par macrosymbole
P
r
o
b
a
b
i
l
i
t


(
a
)
N=7 K=7 L=8, distribution 2097152 motifs, P
moy
= 7 (en pointill)
0 5 10 15 20 25
0
0.05
0.1
Puissance par macrosymbole
P
r
o
b
a
b
i
l
i
t


(
b
)
N=7 K=7 L=8, distribution 49752 motifs uniques, P
moy
= 14.4169 (en pointill)
Figure 3.15 Distribution des puissances des macrosymboles avant (a) et aprs slection des
motifs uniques (b) pour N=7, K=7, L=8
Rcepteur
En rception, linformation est dcode en utilisant la rgle de dcision optimale donne par
(3.6) : y = arg min z y
2
. La solution peut tre, dans ce scnario de complexit limite,
directement cherche parmi les M macrosymboles composant lalphabet et ce, pour les deux
macrosymboles moduls en quadrature. La complexit du rcepteur est linaire en M.
3.3.2 Etude analytique des performances
Ecacit spectrale
Lecacit spectrale dpend de la taille M de lalphabet retenue. Lors de la transmission, les
composantes en phase (I) et quadrature (Q) sont considres et on suppose une dmodulation
74
3. Forme donde CDM-CCSK
cohrente. Chaque macrosymbole codant n = log
2
M, lecacit spectrale scrit :

s
= 2
log
2
M
N
. (3.47)
Probabilit derreur sur les bits
Comme pour ltude des systmes faible charge, lvaluation des performances de dtection
en termes de taux derreur binaire est dduite partir dune borne intelligente base sur lap-
proximation des plus proches voisins. Pour un macrosymbole z
i
(i [1, . . . , M]), ceux-ci sont
dnis comme les macrosymboles z
j
tels que z
i
z
j

2
= d
2
min
avec d
min
la plus petite distance
entre deux macrosymboles de lalphabet. Cette distance minimale est la mme que celle dnie
dans la section 3.2.1. En eet, les macrosymboles les plus proches sont ceux qui ne dirent
que dune squence dans leur dcomposition en squences de Gold. Daprs la mthode dattri-
bution retenue du 3.1.2, cela conduit d
min
=

2(N + 1). Le taux derreur bit peut tre exprim


par :
P(e) = P(e|z z)P( z z), (3.48)
o z reprsente le macrosymbole mis, z le macrosymbole estim et e une erreur parmi les
n = log
2
M bits correspondant z. Tous les macrosymboles sont quiprobables et indpendants
mais nont pas la mme puissance, ni le mme nombre de plus proches voisins. En consquence,
P(e) peut se dcomposer en :
P(e) =
M

i=1
P(e| z z
i
)P( z z
i
)P(z = z
i
). (3.49)
Daprs lapproximation des plus proches voisins, valable pour de forts SNR, on a P( z
z
i
) N
NN
(i)Q
_
d
min
2
_
, o N
NN
(i) reprsente le nombre de plus proches voisins pour le macrosym-
bole i. Ce qui conduit
P(e)
1
M
_

_
M

i=1
n

j=1
P(e = j| z z
i
)P(e = j)N
NN
(i)
_

_
Q
_
d
min
2
_
(3.50)
o P(e = j) est la probabilit quune erreur ait lieu sur le bit j de z
i
, j [1, . . . , n]. Il vient
P(e)
1
M
1
n
_

_
M

i=1
n

j=1
N
NN
(i, j)
N
NN
(i)
N
NN
(i)
_

_
Q
_
d
min
2
_
(3.51)
75
3. Forme donde CDM-CCSK
o N
NN
(i, j) est le nombre de plus proches voisins pour le macrosymbole z
i
dont le i
` eme
bit
est dirent. Sa valeur dpend de la manire dont est fait le mapping bit/macrosymbole et de la
taille de lalphabet considr dans le systme. On dduit nalement :
P(e)
1
M
1
n
_

_
M

i=1
n

j=1
N
NN
(i, j)
_

_
Q
_
d
min
2
_
. (3.52)
Sous une forme plus compacte, en posant
N
NN
=
1
M
1
n
_

_
M

i=1
n

j=1
N
NN
(i, j)
_

_
et en utilisant lexpression de lecacit en puissance donne par (3.18), lapproximation du
taux derreur binaire pour le systme propos est donne par :
P(e) = TEB N
NN
Q
_
d
min
2
_
= N
NN
Q
_ _

p
2

b
N
0
_
. (3.53)
Ecacit en puissance
Lquation (3.53) peut tre compare aux expressions des taux derreur binaire thoriques des
modulations damplitude et de phase classiques qui peuvent tre exprimes sous la forme [63] :
TEB = Q
_ _

b
N
0
_
. (3.54)
Le calcul et lanalyse de permet de dterminer le comportement des courbes derreur avec
laugmentation du SNR. est un coecient de proportionnalit qui ne dpend pas de

b
N
0
.
Lorsque et sont connus, on peut dduire de (3.54) le
b
/N
0
requis pour atteindre un
TEB
0
cible

b
N
0
=
1

_
Q
1
_
1

TEB
0
__
2
(3.55)
et driver lexpression du gain apport sur lecacit en puissance par la forme donde CDM-
CCSK par rapport des modulations damplitude et de phase de rfrence :
G = 10 log
10
_

_
_

b
N
0
_
MOD
_

b
N
0
_
CDMCCS K
_

_
(3.56)
76
3. Forme donde CDM-CCSK
o
_

b
N
0
_
MOD
est le

b
N
0
requis pour garantir le TEB cible avec une modulation classique dordre
M

(M

-PSK and M

-QAM) et
_

b
N
0
_
CDMCCS K
celui pour le schma propos (voir tableau 3.4).
3.3.3 Rsultats de simulation
Dans cette tude, nous avons donc considr des codes de Gold de longueur N = 7 et
recherch les macrosymboles uniques avec des paramtres de charge K = 7 et L = 8 donnant
lecacit spectrale maximale. Lensemble E dtermin comporte 49752 lments uniques et
la distance minimale entre ces lments vaut d
min
=

2(N + 1) =

16 = 4. An de mettre
en lumire lintrt de ce format de modulation par rapport des modulations existantes, nous
dnissons des sous-ensembles de E contenant moins de macrosymboles :
M = 2
14
avec modulation en quadrature, donne la mme ecacit spectrale que la modu-
lations 16-QAM ou la modulation 16-APSK propose dans la norme DVB-S2 [29] :

s
= 2
log
2
(M)
N
= 2
14
7
= log
2
(16) = 4 bit/s/Hz
M = 2
11
avec modulation en quadrature, donne approximativement la mme ecacit
spectrale que la modulation 8-PSK, galement propose dans les spcications de la
norme DVB-S2 :

s
= 2
log
2
(M)
N
= 2
11
7
3.14 log
2
(8) = 3 bit/s/Hz
M = 2
7
avec modulation en quadrature, donne la mme ecacit spectrale que la modu-
lation QPSK, retenue dans les normes DVB-S et DVB-S2 :

s
= 2
log
2
(M)
N
= 2
7
7
= log
2
(4) = 2 bit/s/Hz
Le tableau 3.4 compare les ecacits en puissance et spectrale des schmas considrs. On
constate une amlioration de lecacit en puissance dans tous les cas par rapport aux modula-
tions classiques prsentant la mme ecacit spectrale. Et inversement, pour une ecacit en
puissance donne, lecacit spectrale est amliore.
77
3. Forme donde CDM-CCSK

P

s

QPSK/CDM-CCSK 2
7
4 6.06 2 2 2 3.03
8-PSK/CDM-CCSK 2
11
1.76 4.514 3 3.14 0.88 2.26
16-APSK/CDM-CCSK 2
14
1.05 3.18 4 4 < 0.8 1.59
16-QAM/CDM-CCSK 2
14
1.6 3.18 4 4 0.8 1.59
Table 3.4 Comparaison des ecacits en puissance et spectrale entre le CDM-CCSK et des
modulations classiques pour la diusion par satellite
La gure 3.16 montre le gain sur le rapport

b
N
0
requis selon le taux derreur binaire vis
pour plusieurs congurations daprs les quations (3.55) et (3.56) et compar aux modulations
QPSK, 8-PSK et 16-QAM.
10
6
10
5
10
4
10
3
10
2
10
1
3
2
1
0
1
2
3
4
5
TEB
0
G
a
i
n

(
d
B
)


QPSK/CDMCCSK M=2
7
8PSK/CDMCCSK M=2
11
16QAM/CDMCCSK M=2
14
Figure 3.16 Gain sur lecacit en puissance en fonction dun TEB cible
Pour un alphabet de M = 2
14
macrosymboles, la gure 3.17 compare le taux derreur bi-
naire valu par simulation du CDM-CCSK en fonction du rapport signal bruit et le compare
aux TEB de la 16-APSK et de la 16-QAM. Lecacit spectrale est la mme pour les trois
78
3. Forme donde CDM-CCSK
modulations (4 bit/s/Hz) et le schma propos prsente de meilleures performances en termes
de TEB pour un

b
N
0
> 8.78 dB compar la 16-APSK et pour un

b
N
0
> 9.14 dB compar
la 16-QAM. Ceci se retrouve dans lexpression du taux derreur donne par (3.54). En eet le
facteur multiplicatif en argument de la fonction Q est plus grand dans lexpression du CDM-
CCSK que pour les modulations classiques et ainsi implique de meilleures performances avec
laugmentation du SNR. On vrie galement la validit de lapproximation du TEB donne
par lquation (3.53).
0 2 4 6 8 10 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
10
1
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

b
i
n
a
i
r
e


TEB simul CDMCCSK M=2
14
Approximation du TEB thorique
TEB thorique 16APSK
TEB thorique 16QAM
Figure 3.17 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
14
avec des
modulations de mme ecacit spectrale
Remarque : Le paramtre peut facilement tre dtermin pour les modulations QPSK, 8-
PSK et 16-QAM. En revanche, pour la 16-APSK cela savre plus compliqu car il nexiste pas
dexpression du taux derreur thorique de la forme BER = Q
_
_

b
N
0
_
. Cependant, comme
illustr sur la gure 3.17, le taux derreur binaire en fonction du SNR dcroit plus rapidement
pour la modulation 16-QAM que pour la 16-APSK donc la comparaison est quand mme en
faveur du CDM-CCSK.
Les gures 3.18 et 3.19 prsentent les performances du systme propos et les approxima-
tions donnes par (3.53) pour les autres congurations considres : M = 2
7
compar la QPSK
et M = 2
11
compar la 8PSK.
79
3. Forme donde CDM-CCSK
0 2 4 6 8 10 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
10
1
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

b
i
n
a
i
r
e


TEB simul CDMCCSK 2
7
Approximation du TEB
TEB thorique QPSK
Figure 3.18 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
7
avec une
modulation de mme ecacit spectrale
0 2 4 6 8 10 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
10
1
Eb/N0 (dB)
T
a
u
x

d

e
r
r
e
u
r

b
i
n
a
i
r
e


TEB simul CDMCCSK 2
11
Approximation du TEB
TEB thorique 8PSK
Figure 3.19 Comparaison du taux derreur binaire du CDM-CCSK pour M = 2
11
avec une
modulation de mme ecacit spectrale
80
3. Forme donde CDM-CCSK
3.4 Conclusion sur la forme donde CDM-CCSK
Dans ce chapitre, nous avons propos une nouvelle forme donde base sur une combinai-
son de Cyclic Code Shift Keying avec du Code Division Multiplexing et lutilisation judicieuse
de squences de Gold. Pour de faibles charges, un dtecteur multi-ux optimal a t ecace-
ment implant grce lalgorithme du Sphere Decoding. Les rsultats obtenus montrent quune
amlioration simultane des ecacits en puissance et spectrale est envisageable avec laug-
mentation de la charge. Cependant, partir dun niveau de charge lev, lapparition de re-
dondance dans les macrosymboles est invitable comme justi en dbut de section 3.3. Une
nouvelle approche a t propose, base sur une slection pralable de macrosymboles uniques
et dun dtecteur monoutilisateur. Ltude dun cas complexit limite montre que lon peut
esprer des taux derreur binaires prsentant des perspectives intressantes par rapport aux mo-
dulations ecacit spectrale quivalente rencontres dans les standards actuels. Pour les deux
approches, un doublement de lecacit spectrale est obtenu en modulant les macrosymboles
en quadrature et grce une dmodulation cohrente en rception.
Les rsultats prsents ne prennent pas en compte le codage canal qui dtermine les points
de fonctionnement considrer pour une modulation donne. Dans le standard DVB-S2 [29],
le code LDPC permet datteindre des points de fonctionnement pour des transmissions trs
faible taux derreur ou Quasi Error Free (QEF) avec un

b
N
0
infrieur 3.9 dB pour la modu-
lation QPSK, 6.7 dB pour la modulation 8-PSK et 7.6 dB pour la modulation 16-APSK. Sur
les performances non codes prsentes dans les gures 3.17, 3.18 et 3.19, si lon rutilise le
codage canal spci dans le standard DVB-S2, la modulation propose nore pas de gain
potentiel pour les

b
N
0
noncs ci-dessus. Cependant, nous avons dj relev que le taux derreur
bit du CDM-CCSK navait pas la mme dcroissance en fonction du SNR que les modulations
proposes dans le standard. Cela suggre que lutilisation dun codage canal adapt exploitant
cette dcroissance et la structure particulire de la modulation pourrait orir de meilleures per-
formances quune simple association du CDM-CCSK avec le codeur LDPC du DVB-S2 (voir
chapitre 5).
81
3. Forme donde CDM-CCSK
82
Chapitre 4
Techniques multiporteuses
Ce chapitre explore lapplication de techniques multiporteuses de type OFDM (Orthogonal
Frequency Division Multiplexing) sur la forme donde CDM-CCSK dnie au chapitre prc-
dent. Ce format prsente plusieurs avantages par rapport la structure de la forme donde base
sur des macrosymboles dont la puissance varie dun macrosymbole lautre.
LOFDM prsente cependant un rapport puissance crte puissance moyenne (Peak-to-
Average-Power Ratio ou PAPR) qui peut tre pnalisant pour des applications satellite. Une
analyse de la distribution du PAPR est mene ainsi que ltude de limpact des non-linarits
via un modle thorique et de lapport des techniques de rduction du PAPR.
Dautre part, il a t montr dans [88] quun gain potentiel en ecacit spectrale tait pos-
sible dans un canal Gaussien, en rduisant la taille du prxe cyclique par rapport une forme
donde DVB-S2 monoporteuse.
4.1 Motivation
Les transmissions par satellite ncessitent lutilisation damplicateurs de puissance ou
High Power Amplier (HPA) bord des satellites. Ceux-ci introduisent des distorsions non-
linaires dans la chaine de transmission qui sont lorigine du bruit dit dintermodulation af-
fectant les signaux transmis et dinterfrences entre les composantes I et Q du signal. Les dis-
torsions aectent lamplitude (distorsions AM/AM) et la phase (distorsions AM/PM) du signal
en entre de lamplicateur dgradant signicativement la capacit de dtection du rcepteur.
Si lenveloppe complexe du signal en entre est de la forme x(t) = A(t)e
j(t)
, le signal ampli
83
4. Techniques multiporteuses
en sortie du HPA scrit :
y(t) = f [A(t)] e
j((t)+g[A(t)])
(4.1)
o f (t) est la rponse en amplitude de lamplicateur (caractristique AM/AM) et g(t) la r-
ponse en phase (caractristique AM/PM). La premire donne lamplitude du signal de sortie en
fonction de lamplitude du signal dentre et la seconde, lerreur sur la phase du signal de sortie
en fonction de lamplitude du signal dentre. Il existe plusieurs modles pour dcrire ces carac-
tristiques dpendant de la technologie de lamplicateur (Solid State Power Amplier (SSPA)
[13], Travelling Wave Tube Amplier (TWTA) [77]). Le contexte qui nous intresse est celui de
la diusion qui se fait par satellite gostationnaires et pour lesquels la technologie TWTA est la
plus utilise. Les courbes AM/AM et AM/PM de ce modle sont dnies par :
f (t) =
A
in
1 + A
2
in
(4.2)
g(t) =

A
2
in
1 +

A
2
in
avec A
in
, lamplitude du signal dentre et , ,

et

des paramtres dnis dans [77].


Une courbe AM/AM typique est donne sur la gure 4.1. La courbe est linaire pour de
faibles valeurs de lamplitude dentre et tend vers un comportement non-linaire mesure que
lamplitude se rapproche de la saturation.
Pour minimiser les distorsions et le bruit dintermodulation lis au comportement non-
linaire, le point de fonctionnement de lamplicateur est choisi avec un recul par rapport au
point de saturation. Ce recul en entre ou Input Back-O (IBO) est visible sur la gure 4.1. La
consquence aprs amplication est une diminution de la puissance du signal sortant, traduite
par un recul en sortie ou Output Back-O (OBO) par rapport la puissance de saturation du
HPA. On dnit lIBO et lOBO en dcibel par :
IBO = 10 log
10
_
P
in
P
sat
_
OBO = 10 log
10
_
P
out
P
sat
_
avec P
in
la puissance du signal dentre, P
out
la puissance du signal de sortie et P
sat
la puissance
au point de saturation (gnralement normalise 1).
La rduction des distorsions implique une utilisation sous-optimale des amplicateurs et
84
4. Techniques multiporteuses
0.2 0.4 0.6 0.8 1 1.2 1.4
0
0.2
0.4
0.6
0.8
1
Amplitude dentre
A
m
p
l
i
t
u
d
e

d
e

s
o
r
t
i
e


Saturation
Point de
fonctionnement
IBO
OBO
Courbe AM/AM relle Courbe AM/AM idale
Figure 4.1 Courbe AM/AM typique compare une courbe AM/AM idale
une perte de puissance dans le bilan de liaison car le rendement des amplicateurs est meilleur
saturation. Il existe donc un point de fonctionnement optimal orant le meilleur compromis
entre rduction des distorsions et ecacit de lamplication. La variation de la puissance du
signal dentre et notamment son maximum, vont directement impacter le choix de ce dernier.
La forme donde CDM-CCSK est base sur lmission de macrosymboles moduls en qua-
drature et composs de chips sujets de grandes uctuations damplitude. En considrant une
transmission monoporteuse, on observe les variations de la puissance instantane des chips don-
nes sur la gure 4.2-(a) et de la puissance moyenne par macrosymbole sur la gure 4.2-(b).
La puissance du signal va fortement varier en fonction du temps selon les macrosymboles
transmis, ce qui va impliquer une grande excursion autour du point de fonctionnement du HPA
et une perte decacit en puissance de la chaine de transmission soit par une faible amplica-
tion des chips de faible puissance soit par des distorsions sur les chips de forte puissance.
Les performances dune transmission CDM-CCSK monoporteuse avec le modle de HPA
dni par lquation (4.2) et dirents IBO sont donnes sur la gure 4.3.
Avec un IBO de 12 dB, on observe encore une dgradation par rapport une transmission
85
4. Techniques multiporteuses
0 20 40 60 80 100
0
0.1
0.2
Puissance instantane des chips moyenne en pointill
P
r
o
b
a
b
i
l
i
t


(
a
)
niveaux de puissance
0 10 20 30 40 50
0
0.02
0.04
0.06
0.08
0.1
Puissance moyenne par macrosymbole moyenne en pointill
P
r
o
b
a
b
i
l
i
t


(
b
)
niveaux de puissance
Figure 4.2 Distribution de la puissance instantane des chips et de la puissance moyenne par
macrosymbole en transmission monoporteuse
sans distorsion. Il parait maintenant vident quil est important davoir une variation de la puis-
sance moyenne et instantane du signal dentre la plus faible possible. Pour cela, nous tudions
une transmission multiporteuse qui apporte certains lments de rponse.
86
4. Techniques multiporteuses
0 2 4 6 8 10 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
Taux derreur bit CDMCCSK monoporteuse M=2
14


Sans distorsion (optimal)
Avec HPA IBO = 0 dB
Avec HPA IBO = 4 dB
Avec HPA IBO = 8 dB
Avec HPA IBO = 12 dB
Figure 4.3 Taux derreur bit pour transmission CSM-CCSK monoporteuse avec HPA et di-
rents IBO
4.2 Transmission multiporteuse
Nous cherchons rduire conjointement les variations des puissances moyenne et instanta-
ne. Pour cela, nous proposons de regrouper les macrosymboles par paquet puis de les transpo-
ser sur les porteuses dun modulateur OFDM.
4.2.1 Etape de concatnation
Ltape de concatnation des macrosymboles est ncessaire pour deux raisons.
Premirement, si on considre que chaque symbole OFDM contient linformation dun ma-
crosymbole, daprs le thorme de Parseval sur la conservation de lnergie [63], p.14, la puis-
sance moyenne dun symbole OFDM, donne par lquation (4.7), est gale la puissance
moyenne dun macrosymbole. Or, on a pu constater sur la gure 4.2-(b) une grande dispersion
de leur puissance autour de la valeur moyenne et les consquences sur lecacit en puissance
ont dj t exposes. Nous proposons donc la concatnation de P macrosymboles sur les por-
teuses dun symbole OFDM (N
c
= P N, P > 1). Elle permet de rduire la variance de la
puissance moyenne dun symbole OFDM dun facteur P (voir gure 4.4 pour N = 7, P = 9
87
4. Techniques multiporteuses
et N
c
= 64). Ainsi, lexcursion autour du point de fonctionnement du HPA sera dautant plus
faible que P sera grand.
0 10 20 30 40 50 60
0
0.02
0.04
0.06
0.08
Niveaux de puissance
P
r
o
b
a
b
i
l
i
t


(
a
)
OFDM avec 1 macrosymbole, moyenne en pointill
0 10 20 30 40 50 60
0
0.01
0.02
0.03
Niveaux de puissance
P
r
o
b
a
b
i
l
i
t


(
b
)
OFDM avec concatnation P=9 macrosymboles, moyenne en pointill
Figure 4.4 Distribution de la puissance moyenne des macrosymboles moduls en quadrature
sans (a) et avec concatnation (b)
La valeur dun chantillon OFDMdpend des valeurs de tous les chips issus de la concatna-
tion. Les niveaux de puissance instantane associs aux chips, dnis par lquation (4.6), sont
donc beaucoup plus varis et des valeurs plus importantes quen monoporteuse apparaissent
et augmentent avec le nombre de porteuses considres. Cependant, ces niveaux sont peu pro-
bables et peuvent tre ramens des valeurs plus faibles grce lexistence de techniques de
rduction (voir partie 4.4). Les niveaux de plus faible puissance sont plus probables comme on
peut le constater sur lexemple de la gure 4.5 pour une modulation OFDM de P = 9 macro-
symboles sur 64 porteuses.
La seconde raison pour laquelle nous avons considr la concatnation est lie au nombre
de porteuses du symbole OFDM. En eet, la concatnation des macrosymboles en amont de la
modulation OFDM implique une augmentation du nombre de porteuses et permet de remplir
la condition pour laquelle les signaux OFDM discrets en bande de base se comporte comme
un processus alatoire Gaussien. Il a t montr dans [49] que pour assurer ce comportement
alatoire Gaussien, le nombre de porteuses dun symbole OFDMdevait tre dau moins 64. Pour
88
4. Techniques multiporteuses
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
Niveaux de puissance
P
r
o
b
a
b
i
l
i
t


(
a
)
Puissance instantane en monoporteuse M=2
14
0 50 100 150 200 250 300 350
0
0.02
0.04
0.06
Niveaux de puissance
P
r
o
b
a
b
i
l
i
t


(
b
)
Puissance instantane en multiporteuse: P=9, 64 porteuses, M=2
14
Figure 4.5 Distribution de la puissance instantane pour des systmes monoporteuse (a) et
multiporteuse avec concatnation (b)
une longueur N = 7, la condition est remplie en concatnant P = 9 macrosymboles complexes
donnant 63 chips transposs sur 64 porteuses en ajoutant du zero-padding pour la porteuse non
utilise. Bien entendu, de plus grands nombres de porteuses et de macrosymboles concatns
peuvent tre considrs. Laugmentation du nombre de porteuses a un autre avantage. Nous
avons abord dans la partie 1.6 du chapitre 1, le sujet du gain potentiel en ecacit spectrale
apport par le format OFDM. Ce gain, dcrit dans [88], augmente avec le nombre de porteuses,
renforant lintrt de la concatnation.
4.2.2 Principe dune modulation multiporteuse
En sortie du modulateur CDM-CCSK, les macrosymboles composs de N chips sont modu-
ls en quadrature comme expliqu prcdemment pour doubler lecacit spectrale. Ils sont en-
suite regroups par paquet de P units. Les NP chips complexes rsultant S
k
, {k = 0, 1, . . . , NP 1}
sont transposs sur les N
c
porteuses orthogonales f
k
, ( k [0, . . . , N
c
1]) du modulateur OFDM
pour donner la forme donde MC-CSK.
89
4. Techniques multiporteuses
Lenveloppe complexe du signal OFDM peut scrire :
s(t) =

l
s
l
(t)
=

l
N
c
1

k=0
S
l
(k)h(t lN
c
T)e
j2f
k
t
(4.3)
avec h(t) =

N
c
T
_
t
N
c
T
2
_
, le ltre de mise en forme et
s
l
(t) =
N
c
1

k=0
S
l
(k)e
j2f
k
t
, lN
c
T t (l + 1)N
c
T, (4.4)
le l
` eme
symbole OFDM.
Lorthogonalit requiert que chaque porteuse f
k
respecte f
k
= kf , avec f = 1/N
c
T, o
T est la dure du symbole et N
c
le nombre de porteuses. Ainsi, pour N
c
porteuses, la bande
passante totale est B = N
c
f (Hz).
Limplantation analogique de lOFDM est complexe mais lvolution des systmes de trans-
mission vers le numrique a permis dy remdier grce lutilisation dalgorithmes de Trans-
forme de Fourier rapides [19] [42]. En eet, la discrtisation de lquation (4.4) en prenant
t =
nT
L
0
et f
k
= k/N
c
T donne :
s
l
[n] =
N
c
1

k=0
S
l
(k)e
j2
kn
L
0
Nc
, lL
0
N
c
n (l + 1)L
0
N
c
1, (4.5)
et peut tre obtenue grce une Transforme de Fourier inverse discrte des symboles S
l
(k),
k [0, . . . , N
c
1] transmettre. L
0
est un facteur de surchantillonnage permettant daner la
prcision des variations du signal [87]. En choisissant L
0
N
c
= 2
m
, lalgorithme de calcul rapide
(iFFT) peut tre utilis. Le schma numrique dun modulateur OFDM est alors dcrit par la
gure 4.6. En rception, la dmodulation OFDM suit la mme logique en remplaant liFFT
par une FFT.
La puissance instantane pour les chantillons dun symbole OFDM est donne par :
P
inst
[n] = |s
l
[n]|
2
(4.6)
90
4. Techniques multiporteuses
Figure 4.6 Schma numrique de modulation OFDM
et la puissance moyenne pour un symbole OFDM par :
P
moy
= E
_
|s
l
[n]|
2
_
. (4.7)
La forme donde rsultant de la combinaison du CDM-CCSK avec lOFDM est appe-
le MC-CSK pour Multi-Carrier-Code-Shift-Keying. Un schma rsumant sa construction est
donn sur la gure 4.7.
91
4. Techniques multiporteuses
Figure 4.7 Construction de la forme donde MC-CSK
An de valider lapport de la modulation multiporteuse sur la distribution de la puissance
moyenne et en consquence sur les performances face aux distorsions non-linaires du HPA,
on compare sur la gure 4.8 les taux derreur bit pour des transmissions monoporteuse (CDM-
CCSK) et multiporteuse (MC-CCSK) sur un canal Gaussien avec un HPA dni par (4.2) avec
= 1.96, = 0.99,

= 2.53 et

= 2.82. On xe lIBO 4 dB pour chaque transmission. La


rduction de la variance de la puissance moyenne grce la concatnation et la modulation
multiporteuse a un impact bnque signicatif sur les performances.
On constate toutefois que pour un IBO 4 dB, la dgradation sur lecacit en puissance
lie aux distorsions non-linaires du HPA reste importante.
92
4. Techniques multiporteuses
0 2 4 6 8 10 12
10
6
10
5
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
M=2
14
, OFDM P=9, N
c
=64, L
0
=4, HPA TWTA


TEB sans HPA (performance idale)
TEB Multiporteuse IBO = 4 dB
TEB Monoporteuse IBO = 4 dB
Figure 4.8 Comparaison des transmissions multiporteuse et monoporteuse avec HPA, IBO=4
dB et M = 2
14
4.3 Peak-to-Average-Power Ratio (PAPR)
Comme expliqu dans les motivations, les amplicateurs sont trs sensibles aux variations
de lenveloppe complexe des signaux traits. Un des critres retenus pour quantier ces varia-
tions est le rapport entre la puissance crte du signal et sa puissance moyenne ou, en anglais,
Peak-to-Average-Power Ratio (PAPR). Si lajout dune modulation multiporteuse nous a per-
mis de stabiliser la puissance moyenne, elle est toutefois caractrise par un fort PAPR, ce qui
explique la dgradation rsiduelle pour un IBO 4 dB sur la gure 4.8.
Dans cette partie, nous donnons une dnition du PAPR du signal transmis avec la forme
donde CDM-CCSK module en OFDM et caractrisons sa distribution.
93
4. Techniques multiporteuses
4.3.1 Dnition
Pour chaque symbole OFDM s
l
[n] dont lexpression est donne par lquation (4.5), on
dnit le PAPR discret de la faon suivante :
PAPR{s
l
[n]} =
max
0nL
o
N
c
1
_
|s
l
[n]|
2
_
P
moy
, (4.8)
avec P
moy
= E
_
|s
l
[n]|
2
_
, la puissance moyenne de tous les symbole OFDM, calcule partir de
la puissance moyenne de tous les macrosymboles.
4.3.2 Approximation de la distribution
La distribution du PAPR apporte des informations probabilistes sur le systme OFDM. Elle
est trs souvent modlise par une fonction de rpartition complmentaire ou Complementary
Cumulative Distribution Function (CCDF). De nombreux travaux ont eu lieu sur le sujet [81]
[92] [97] [69] [23] [58] et proposent des approximations de la distribution du PAPR bases sur
direntes thories et hypothses.
Sa connaissance est essentielle pour lapplication de techniques de rduction en amont
des blocs non-linaires de la chaine de transmission. Sa modlisation grce une fonction
de rpartition complmentaire permet dvaluer les performances des techniques de rduction
du PAPR par lvaluation de la probabilit que le PAPR dpasse un seuil PAPR
0
donn :
Prob(PAPR > PAPR
0
). La littrature recense de nombreux travaux proposant des formules
approchant cette probabilit [81] [92] [69] [23] [58]. Nous retiendrons la formule dans [97]
base sur la thorie des valeurs extrmes [57] [56] et valide pour une large plage de nombre de
porteuses pour des systmes OFDM cods ou non. Elle scrit pour N
c
porteuses :
Prob(PAPR > ) 1 exp
_
N
c
e

3
ln N
c
_
. (4.9)
La validit de cette formule est vrie sur la gure 4.9 pour un signal MC-CSK base sur
des macrosymboles complexes de longueur N = 7 concatns par bloc de P = 9 sur N
c
= 64
porteuses. Le signal est surchantillonn dun facteur L
0
= 4 an daner les variations du
PAPR et donc sa distribution [87].
Si lon revient sur la distribution de la puissance instantane donne sur la gure 4.5, on
94
4. Techniques multiporteuses
4 5 6 7 8 9 10 11 12
10
4
10
3
10
2
10
1
10
0
PAPR
0
(dB)
C
C
D
F

P
r
o
b
(
P
A
P
R
>
P
A
P
R
0
)


Simulation signal OFDM
Approximation
Figure 4.9 Simulation et approximation de la fonction de rpartition complmentaire du PAPR
dun signal MC-CSK
y voit la justication de limportance du PAPR du MC-CSK. Elle est due laugmentation
de la plage des niveaux de puissance possibles par rapport au CDM-CCSK. Bien que moins
probables, les chantillons de forte puissance subiront des distorsions dans lamplicateur y
compris pour des valeurs dIBO dj pnalisantes tels que les 4 dB utiliss sur la gure 4.8.
4.4 Techniques de rduction du PAPR
Dans la littrature, le problme de la rduction du PAPR de signaux multiporteuses a t
longuement tudi et de nombreux travaux ce sujet sont disponibles exploitant des techniques
varies comme lcrtage [68], la rservation de porteuses [87], les transformes non-linaires
[49] ou le codage [82]. Dans cette partie, nous allons tudier lapport ventuel de techniques de
rduction du PAPR en termes de gain sur les taux derreur bit IBO x.
Parmi lensemble des techniques disponibles, le choix sest port sur une technique ne n-
cessitant pas dinformation complmentaire transmettre au rcepteur an de prserver le-
cacit spectrale de la forme donde : les transformes non-linaires, Non-linear Companding
Transform (NCT) [49].
95
4. Techniques multiporteuses
Daprs [48], cest un des schmas de rduction les plus attractifs car il prsente de nom-
breux avantages compar aux autres approches : pas daugmentation de la puissance du signal,
une complexit rduite, pas de diminution de lecacit spectrale et une faible dgradation du
taux derreur binaire. Lide sous-jacente est de traiter le signal en mission avant le passage
dans lamplicateur pour modier la distribution de son amplitude et donc de sa puissance an
de rduire le PAPR. La transforme inverse est applique en rception pour revenir au signal
dorigine.
Comme expliqu dans la section 4.2.1 sur la concatnation, les chantillons dun signal
OFDM pour un nombre susant de porteuses peuvent tre assimils un processus alatoire
Gaussien complexe de moyenne nulle et de variance
2
. En consquence, leur amplitude est
distribue selon une loi de Rayleigh de paramtre et leur puissance selon une loi exponentielle
de paramtre 2
2
. La distribution de celle-ci a t prsente sur la gure 4.5.
Lide dveloppe pour les transformations non-linaires est de changer la loi de distribution
de la puissance ou de lamplitude pour une distribution majore par un seuil x. La valeur de
ce seuil dimensionne le gain de rduction du PAPR.
Il existe plusieurs transformes et nous retenons celle propose dans [49]. Elle fait partie de
la famille des transformes exponentielles et scrit :
C(x) =

6
_
1 exp
_

x
2
2
2
__
(4.10)
La densit de probabilit de la puissance du signal avant transforme est donne sur la gure
4.10-(a). Limpact de la transforme sur la distribution est visible sur la gure 4.10-(b). On y voit
une diminution des niveaux maximum de puissance, ce qui, puissance moyenne constante, va
induire une rduction du PAPR visible sur la gure 4.11. Le gain sur le seuil de dpassement
1% est de 1.9 dB.
Le signal en entre du calcul de la transforme inverse est le signal reu bruit. Linversion
ne sera donc pas transparente car le terme de bruit est ampli et cela induit une dgradation
sur le taux derreur bit car la puissance du signal nest pas modie. Pour un systme MCCSK
M = 2
14
sur 64 porteuses, la dgradation sur le TEB donne sur la gure 4.12 est de lordre de
2 dB. Une telle dgradation rend lintrt de la technique discutable.
On tudie nanmoins limpact sur les performances avec amplicateur. La gure 4.13 donne
les courbes de TEB pour le mme systme MC-CSK en considrant le modle damplication
donn par lquation (4.2). On value les performances pour un mme IBO de 4 dB. Les courbes
96
4. Techniques multiporteuses
Figure 4.10 Impact dune transforme non-linaire sur la densit de probabilit de la puissance
dun signal OFDM
4 5 6 7 8 9 10 11 12 13
10
6
10
5
10
4
10
3
10
2
10
1
10
0
PAPR
0
(dB)
C
C
D
F

P
r
o
b
(
P
A
P
R
>
P
A
P
R
0
)
MCCSK M=2
14
, P=9, N
c
=64, L
0
=4


Avec transforme
nonlinaire
Sans transforme
nonlinaire
Figure 4.11 CCDF du PAPR dun signal OFDM avec et sans transforme non linaire
97
4. Techniques multiporteuses
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
14
, P=9, N
c
=64, L
0
=4


MCCSK sans transforme nonlinaire
MCCSK avec transforme nonlinaire
Figure 4.12 Impact de la rduction du PAPR par transforme non-linaire sur le TEB dun
signal OFDM sur 64 porteuses
sans HPA servent de rfrence pour dterminer le gain sur le TEB. Pour un TEB cible, on
constate que lcart entre la courbe amplie et celle non amplie pour lesquelles la technique
de rduction na pas t applique, est suprieur lcart entre les courbes avec technique de
rduction. Exemple : pour un TEB de 10
2
, lcart sans technique de rduction (courbes bleue
et noire) est denviron 1 dB. Avec la technique (courbes rouge et verte) il vaut 0.3 dB. Pour cette
exemple, le gain est donc de 0.7 dB sur le
Eb
N
0
. Cependant ce gain est mettre en opposition avec
la dgradation constate lie lapplication de la technique qui est de lordre de 2 dB. Celle-ci
nest pas compense par le gain sur le
Eb
N
0
et la conclusion qui en dcoule est que cette mthode
ne semble pas approprie pour la forme donde propose.
La technique teste avec la forme donde MC-CSK a t choisie pour sa simplicit dimpl-
mentation, labsence de besoin de transmission dinformations complmentaires au rcepteur et
la conservation de lecacit spectrale. Cependant, elle conduit des rsultats peu exploitables.
La dgradation sur lecacit en puissance due lapplication de la technique hors amplica-
tion nest pas compense par le gain sur le TEB avec amplication et application de la tehcnique
IBO quivalent.
Si ces rsultats napportent pas de solutions valables, dautres techniques existent, plus com-
98
4. Techniques multiporteuses
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
14
, P=9, N
c
=64, L
0
=4


MCCSK sans transforme
MCCSK sans transforme + SSPA, IBO 4 dB
MCCSK avec transforme
MCCSK avec transforme + SSPA, IBO 4 dB
Figure 4.13 Impact de la rduction du PAPR par transforme non-linaire et de lamplication
sur le TEB dun signal OFDM sur 64 porteuses
plexes ou ncessitant lajout dinformation supplmentaire au dtriment de lecacit spectrale
comme le Partial Transmit Sequence (PTS) [67], le Tone Reservation (TR) [86] retenu dans le
standard DVB-T2 [31] ou le Tone Injection (TI) [87] et pourraient tre considres.
Remarque : Dans le standard DVB-T2, une autre mthode de rduction est propose, lAc-
tive Constellation Extension (ACE) [54]. Lide est de modier la valeur des symboles ext-
rieurs de la constellation initiale an que lors du passage en OFDM, lamplitude du signal ne
dpasse pas un seuil donn. Le fait de modier les symboles extrieurs en conservant la dis-
tance minimale de la constellation prserve les zones de dcision utilises lors de la dtection
et le rcepteur na pas besoin dinformation complmentaire. Pour la modulation particulire
quest le CDM-CCSK, les valeurs des chips des macrosymboles ne sont pas quiprobables et le
nombre de macrosymboles comportant les valeurs extrmales K ou K est faible devant la taille
de lalphabet M. Seules ces valeurs seraient modies par lACE, ce qui rend son utilisation peu
prometteuse.
99
4. Techniques multiporteuses
4.5 Apport sur lecacit spectrale
Lutilisation du format multiporteuse a galement t motiv par le gain potentiel sur lef-
cacit spectrale [88]. Ce gain est obtenu en rduisant la taille du prxe cyclique. Pour des
transmissions dans des canaux multitrajets, le prxe cyclique permet dliminer les interf-
rences entre les symboles OFDM. Sa taille varie en fonction des systmes et peut reprsenter
jusqu 25% de la taille dun symbole OFDM, pourcentage diminuant dautant lecacit spec-
trale.
Dans le cas de la forme donde propose, le canal est Gaussien et le prxe cyclique naura
quune fonction daide la synchronisation. Dans [88], la taille du prxe optimise et le gain
qui en dcoule sont fonction du nombre de porteuses N
c
et de lerreur de frquence horloge.
Cette erreur vient de lcart qui existe entre la frquence dchantillonnage du signal OFDM
mis et la frquence de lhorloge dchantillonnage du rcepteur. Elle est dnie de manire
normalise par :
=
T
ech,r
T
ech,e
T
ech,e
(4.11)
o T
ech,e
et T
ech,r
sont, respectivement, la priode de lhorloge locale en mission et en rception.
Pour les transmissions par satellite, les horloges de rception sont gnralement beaucoup plus
stables que celles utilises dans les systmes terrestres. Par consquent, et galement pour des
raisons de complexit de simulation, seules deux valeurs derreur ont t retenues dans [88] :
= 1, 2.10
4
et = 6.10
5
. Le gain en bande passante entre les systmes multiporteuse et
monoporteuse est dni par :
G = 1
_
1 +
N
cp
N
c
_ _
1 +
5
N
c
_
1 +
(4.12)
avec N
cp
la taille du prxe cyclique en nombre dchantillons, N
c
le nombre de porteuses du
systme et le roll-o utilis pour les ltres du systme monoporteuse. Dans le standard DVB-
S2 [29], le roll-o minimal orant la meilleure bande passante vaut 0.2 et sera retenu pour le
calcul du gain. Les valeurs pour N
cp
ont t dtermines dans [88] et correspondent la longueur
ncessaire pour avoir lerreur de frquence horloge aux valeurs retenues.
Les rsultats sont regroups dans le tableau 4.1.
100
4. Techniques multiporteuses
= 1, 2.10
4
= 6.10
5
N
c
N
cp
G N
cp
G
16 2 23.1% 1 16.2%
32 2 2.4% 2 2.4%
64 3 5.9% 2 7.6%
128 3 11.4% 2 12.1%
256 4 13.7% 3 14%
512 5 15% 4 15.2%
1024 6 15.8% 5 15.9%
Table 4.1 Gain en bande passante dun systme multiporteuse par rapport au standard DVB-
S2 monoporteuse
Pour les deux erreurs dhorloge considres, le gain en bande passante est positif partir
de 64 porteuses, ce qui concide avec la justication de la concatnation (voir partie 4.2.1) et
renforce lintrt du format MC-CSK.
4.6 Conclusion sur la modulation multiporteuse
Nous avons vu dans ltude de la puissance de lOFDM (section 4.3) que ce format com-
bine une concatnation des macrosymboles de la modulation CDM-CCSK propose au cha-
pitre 3 permettait de rduire la dynamique de la distribution de la puissance des macrosymboles.
En contrepartie, il est bien connu que le PAPR de lOFDM est important et ncessite lap-
plication de techniques de rduction autorisant la diminution de lIBO caractrisant le point de
fonctionnement du HPA. Sans ces techniques, lIBO ncessaire pour saranchir des distorsions
non-linaires est de 8 dB pour la modulation MC-CSK et 3 dB pour la modulation 16-APSK
avec le modle de HPA utilis. Les techniques de rduction tudies dans ce chapitre nont
pas donn de rsultats probants mais il existe une littrature trs vaste ce sujet qui pourrait
apporter dautres lments de rponse.
Le format MC-CSK prsente des perspectives encourageantes par son ecacit en puis-
sance et son ecacit spectrale. Il est nanmoins restreint par son fort PAPR qui, cause des
non-linarits lies au HPA, diminue son ecacit en puissance. Cependant, la diminution de
101
4. Techniques multiporteuses
son PAPR reste envisageable grce la diversit des techniques existantes et le dynamisme de
la recherche sur ce sujet.
102
Chapitre 5
Codage canal
Ce chapitre est consacr ltude dun codage canal pour la forme donde MC-CSK dnie
dans les chapitres 3 et 4. Les rsultats obtenus dans ces chapitres sur lecacit en puissance du
MC-CSK prsentent un intrt travers la dpendance des taux derreur par rapport au SNR.
Ils orent des perspectives de performances que nous chercherons exploiter par lajout de
deux codeurs bloc et ltude de leurs performances. Dans un premier temps, ltude porte sur
un code bloc Reed-Solomon [74] pour sa simplicit dimplmentation et pour dterminer le
comportement du MC-CSK avec ce type de code. Par la suite, un code Low-Density Parity-
Check non binaire est appliqu [21] [7].
5.1 Analyse
Dans les deux approches proposes dans le chapitre 3 section 3.2 (multi-ux) et section 3.3
(mono-ux), linformation est module sur des macrosymboles codant selon lapproche, soit
K log
2
L bits par macrosymbole (approche multi-ux), soit log
2
M bits (approche mono-ux) et
rpartis sur N chips. Une dmarche avec des codes par bloc semble donc tre plus approprie
quavec des codes convolutifs.
Nous concentrons ltude du codage sur lapproche prsentant le meilleure compromis entre
lecacit spectrale et lecacit en puissance i.e. lapproche mono-ux dnie dans le cha-
pitre 3 section 3.3.
Pour orienter la poursuite de ltude, on dtermine les statistiques derreur au niveau bit
en cas derreur au niveau macrosymbole pour une longueur de squence N = 7 et les trois
103
5. Codage canal
congurations de charge retenues au chapitre 3 section 3.3.3, savoir M = 2
7
, M = 2
11
et
M = 2
14
. Elles sont donnes respectivement sur les gures 5.1, 5.2 et 5.3.
Figure 5.1 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
7
On constate clairement quune erreur au niveau macrosymbole induit le plus souvent plu-
sieurs erreurs sur les bits, la probabilit la plus leve tant davoir
log
2
M
2
bits faux. Avec cette
nouvelle information, on peut tablir quun code par bloc ecace pour la gestion de paquets
derreur est lapproche la plus prometteuse. Les codes Reed-Solomon [74] sont particulirement
adapts ce genre de situations.
104
5. Codage canal
Figure 5.2 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
11
Figure 5.3 Distribution du nombre de bits faux en cas derreur sur un macrosymbole pour
M = 2
14
105
5. Codage canal
5.2 Codage Reed-Solomon
Les codes Reed-Solomon sont des codes correcteurs derreur non binaires bass sur les
corps de Galois ou Galois Field (GF) et utiliss dans de nombreux systmes comme les com-
munications mobiles ou par satellite, la diusion TV ou lADSL.
5.2.1 Prsentation
Principe du codage
Les bits dinformation en entre du codeur sont regroups en symboles de codage. Le nombre
de bits par symbole de codage est x par le paramtre m qui sert galement dterminer la
taille, en symboles de codage, des mots de code N
RS
= 2
m
1. Le codeur travaille donc au niveau
symbole de codage et non pas directement au niveau bit comme cest le cas pour les codes en
bloc binaires comme les codes BCH [11] [43]. Cest cette caractristique de fonctionnement
qui lui permet de grer des paquets derreurs car en corrigeant un symbole de codage, il corrige
tous les bits faux associs ce symbole, quel que soit le nombre de bits faux.
Pour un code, on dnit sa capacit de correction t comme le nombre de symboles de codage
errons quil pourra corriger parmi les N
RS
dun mot de code. A partir de N
RS
et de t, on peut
dterminer la taille, en symboles de codage, des mots dinformation en entre du codeur K
RS
telle que K
RS
= N
RS
2t. Le rendement du code est donc dni par R =
K
RS
N
RS
. Pour dsigner un
code RS, on utilise la notation RS (N
RS
, K
RS
, t). Le nombre de bits dinformation ncessaires en
entre du codeur vaut K
RS
m et le nombre de bits cods en sortie N
RS
m.
Un code RS (N
RS
, K
RS
, t) est dni dans GF(q = 2
m
) et caractris par son polynme
gnrateur g(x) de degr 2t dont les coecients sont dnis dans GF(q) :g(x) = g
0
+
g
1
x + . . . + g
2t
x
2t
.
Les racines de g(x) sont les ,
2
, . . . ,
2t
o est la racine primitive de GF(q). g(x) peut
donc scrire aussi sous la forme : g(x) = (x )(x
2
) . . . (x
2t
).
Un mot dinformation est dni par u = [u
0
, u
1
, . . . , u
K
RS
1
] avec u
i
GF(q). On lui
associe le polynme u(x) de degr K
RS
1 tel que u(x) = u
0
+ u
1
x + . . . + u
K
RS
1
x
K
RS
1
.
Un mot de code est dni par c = [c
0
, c
1
, . . . , c
N
RS
1
] avec c
i
GF(q). On lui associe le
polynme c(x) de degr N
RS
1 tel que c(x) = c
0
+ c
1
x + . . . + c
N
RS
1
x
N
RS
1
.
Le codage consiste calculer c(x) partir du mot dinformation u(x) et du polynme g-
nrateur g(x). Si on adopte un codage systmatique, le mot de code est donn par c(x) =
106
5. Codage canal
x
N
RS
K
RS
u(x)R
g(x)
_
x
N
RS
K
RS
u(x)
_
o R
g(x)
_
x
N
RS
K
RS
u(x)
_
reprsente le reste de la division eucli-
dienne de x
N
RS
K
RS
u(x) par g(x). Le mot de code est compos des K
RS
symboles dinformation
de u(x) et de 2t symboles de parit comme illustr sur la gure 5.4 pour un code RS (7, 5, 1).
Avec un codage non-systmatique, le mot de code est donn par c(x) = g(x)u(x) et on ne re-
trouve pas les symboles dinformation dans le mot de code.
Figure 5.4 Illustration du principe de codage dun code RS (7, 5, 1) systmatique
Principe du dcodage
En rception, le mot de code reu correspond loriginal plus des erreurs dsignes par le
polynme e(x) : r(x) = c(x) +e(x). Le dcodeur RS essaie didentier la position et lamplitude
de t erreurs (limite de sa capacit de correction) puis de les corriger. Une mthode courante pour
cela est le calcul des syndrmes. Un mot de code RS a 2t syndrmes qui dpendent seulement
des erreurs. A partir de e(x) = r(x) c(x)
GF(q)
= r(x) + c(x), on calcule les syndrmes S
i
:
S
i
= e(
i
) avec i = 1, ..., 2t
Ltape suivante consiste dterminer le nombre derreur, leur position et leur valeur pour
dnir lexpression du polynme derreur e(x). Plusieurs algorithmes rapides sont disponibles,
tirant partie de la structure particulire des codes RS comme lalgorithme de Berlekamp-Massey
[8] [64] ou lalgorithme dEuclide.
Le mot de code reu corrig d(x) scrit simplement d(x) = r(x) + e(x). Avec un codage
107
5. Codage canal
systmatique, il sut ensuite de rcuprer les K
RS
premiers symboles de d(x) pour retrouver
linformation transmise.
5.2.2 Etudes et rsultats
Dans les simulations prcdentes et pour une longueur N = 7, nous avions retenu trois
charges pour des systmes MC-CSK : M = 2
7
, M = 2
11
et M = 2
14
. Les erreurs survenant
sur les macrosymboles entrainent des paquets derreurs au niveau bit. Il serait donc logique de
considrer des codes RS o les symboles de codage et les macrosymboles de la forme donde
concideraient i.e. des codes dnis respectivement dans GF(2
7
= 128), GF(2
11
= 2048) et
GF(2
14
= 16384). Ainsi la correction dun symbole de code induirait la correction dun ma-
crosymbole. Cependant la complexit dun code RS dpend, entre autres, de la taille du corps
de Galois considr. Parmi les applications bases sur ces codes, on trouve exclusivement des
codes RS courts (communication mobile : systme tactique JTIDS RS (31, k, t) [53], communi-
cation par satellite : DVB-S RS (204, 188, 8) [27], ADSL : RS (240, 224, 8) [47] [3], stockage de
donnes : DVD RS (182, 172, 5) et RS (208, 192, 8)).
La chaine de transmission incluant le codage est reprsente sur la gure 5.5. Un dcodage
dur est utilis.
Figure 5.5 Schma de la chaine de transmission avec un code Reed-Solomon avec dcodage
dur
108
5. Codage canal
5.2.2.1 Systme MC-CSK pour M = 2
7
En considrant quun symbole de codage est modul sur un macrosymbole, ce cas prsente
lavantage davoir un nombre de macrosymboles compatibles avec un code RS court. Nous
choisissons donc un code dans GF(128) : RS (127, K
RS
, t). En cas derreur sur un macrosymbole,
seul un symbole de codage sera aect.
Nous devons xer une valeur pour t et allons chercher dterminer sil existe une valeur qui
optimise le compromis entre lecacit en puissance traduite par les performances en TEB et
lecacit spectrale lie au rendement du code. On rappelle que t est le nombre de symboles de
codage que le code RS va pouvoir dtecter et corriger en rception sur les N
RS
= 127 symboles
qui composent un mot de code. Cest donc aussi le nombre de macrosymboles faux qui pourront
tre corrigs.
On se xe une probabilit derreur bit en sortie du dcodeur TEB
out
, disons 10
3
, qui cor-
respond une probabilit derreur macrosymbole en sortie du dcodeur TEM
out
. On a vu que
dans le cas dune erreur sur un macrosymbole, le cas le plus probable tait davoir des erreurs
sur la moiti des bits. Ainsi, on dnit TEM
out
= 2.10
3
.
Pour une probabilit derreur macrosymbole avant dcodage TEM
in
et connaissant la lon-
gueur des mots de code N
RS
, on peut dduire les probabilits dapparitions dun nombre der-
reur N
e
sur le mot de code selon une loi binomiale avec N
RS
tirages et une probabilit derreur
p donne par p = TEM
in
:
Prob(N
e
= k) =
_
N
RS
k
_
p
k
(1 p)
N
RS
k
, k = 1, . . . , N
RS
Le TEM
out
que lon cherche atteindre dnit la probabilit pour laquelle le nombre der-
reur N
e
, sur N
RS
tirages, doit tre gal t + 1. Ainsi, pour chaque valeur de t, on dtermine le
TEM
in
pour lequel :
Prob(N
e
= t + 1) = TEM
out
. (5.1)
Grce la connaissance du taux derreur macrosymbole non cod obtenu par simulation et
donn sur la gure 5.6 pour le systme tudi, on dduit, pour chaque TEM
in
associ une
valeur de t, le
E
b
N
0 re f
pour lequel on remplira la condition (5.1).
Pour obtenir le rapport signal bruit utile, on rajoute la pnalit
E
b
N
0 pen
lie au rendement R
du code :
E
b
N
0 pen
= 10 log
10
(R) = 10 log
10
_
K
RS
N
RS
_
= 10 log
10
_
1
2t
N
RS
_
.
109
5. Codage canal
1 2 3 4 5 6 7 8
10
4
10
3
10
2
10
1
M=2
7
Eb/N0 (dB)
T
E
P
Eb/N0
ref
TEM
in
Figure 5.6 Taux derreur Macrosymbole pour un systme MC-CSK M = 2
7
Ltude mene jusqu prsent nous permet de constater deux choses :
Plus t augmente, plus le
E
b
N
0 re f
associ diminue.
Plus t augmente, plus la pnalit
E
b
N
0 pen
appliquer sur le rapport signal bruit non cod
est importante.
On a donc deux grandeurs,
E
b
N
0 re f
et
E
b
N
0 pen
, dont lvolution varie de manire oppose avec
laugmentation de t. On dnit la valeur optimale de t comme tant celle conduisant au plus petit
rapport signal bruit ncessaire un systme cod pour atteindre la condition (5.1). Celui-ci
scrit :
E
b
N
0 utile
=
E
b
N
0 re f
+
E
b
N
0 pen
=
E
b
N
0 re f
10 log
10
_
1
2t
N
RS
_
(5.2)
et
E
b
N
0 opt
= arg min
t
E
b
N
0 utile
. (5.3)
La gure 5.7 donne la variation du
E
b
N
0 utile
en fonction de t pour N
RS
= 127. On en dduit que
110
5. Codage canal
E
b
N
0 opt
vaut environ 4.8 dB et est obtenu pour t = 19. Le code RS (127, 89, 19) ore le meilleur
compromis entre lecacit en puissance et lecacit spectrale pour un systme MC-CSK
avec M = 2
7
. Graphiquement cela sillustrera par un TEB denviron 10
3
partir dun SNR de
4.8 dB. Le rendement du code est : R = 0.70.
0 10 20 30 40 50
4
4.5
5
5.5
6
6.5
7
7.5
8
X: 19
Y: 4.784
Capacit de correction t
E
b
/
N
0

(
d
B
)

p
o
u
r

T
E
B

s
o
r
t
i
e

d

c
o
d
e
u
r

=

1
0

3
MCCSK M=2
7
Figure 5.7 Variation du
E
b
N
0
pour atteindre TEB
out
= 10
3
en fonction de t pour un systme
MC-CSK M = 2
7
avec N
RS
= 127
An de vrier les rsultats de cette tude, on ralise des simulations avec codage RS pour
dirents rendements pour un systme MC-CSK avec M = 2
7
et pour une modulation QPSK
(mme ecacit spectrale). On considre un canal Gaussien sans distorsion non-linaire. En
plus du rendement optimal R
opt
= 7/10 dni ci-dessus, on choisit des valeurs proposes dans
le standard DVB-S2 pour la modulation QPSK avec un code LDPC [29]. On retient les deux
valeurs extrmales : R = 1/4 et R = 9/10 correspondant respectivement t = 48 et t = 6
(t =
N
RS
(1R)
2
).
On peut lire sur la gure 5.7, les
E
b
N
0 opt
associs : pour t = 48,
E
b
N
0 opt
= 7.1 dB et pour t = 6
E
b
N
0 opt
= 5.3 dB. La gure 5.8 regroupe les TEB obtenus. On vrie les seuils tablis pour chaque
rendement partir desquels le code agit ecacement, correspondant la rupture de pente des
courbes de TEB.
Les gures 5.9, 5.10 et 5.11 comparent le systme MC-CSK avec la modulation QPSK
111
5. Codage canal
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
7
, codeur RS(127,K
RS
,t)


Non cod
Cod t=48, R=1/4
Cod t=6, R=9/10
Cod t=19, R
opt
=7/10
Figure 5.8 Taux dErreur Bit pour un systme MC-CSK M = 2
7
avec codage Reed-Solomon
et dirents rendements
pour des performances codes et non codes pour les trois rendements retenus, respectivement
R = 1/4, R = 9/10 et R = R
opt
= 0.70. Le point de croisement des courbes non codes est

E
b
N
0
= 6.5 dB. Un gain sur ce point de croisement est obtenu avec le codage et varie selon le
rendement : 0.02 dB pour R = 1/4, 1.8 dB pour R = 9/10 et 2.22 dB pour R = R
opt
= 0.70. Le
plus fort gain est obtenu pour le rendement optimal.
112
5. Codage canal
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
MCCSK M=2
7
, codeur RS(127,31,48), R 1/4


TEB MCCSK non cod
TEB MCCSK cod
TEB QPSK non cod
TEB QPSK cod
Figure 5.9 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M = 2
7
et une modulation QPSK, codage RS (127, 31, 48)
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
MCCSK M=2
7
, codeur RS(127,115,6), R 9/10


TEB MCCSK non cod
TEB MCCSK cod
TEB QPSK non cod
TEB QPSK cod
Figure 5.10 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M = 2
7
et une modulation QPSK, codage RS (127, 115, 6)
113
5. Codage canal
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
MCCSK M=2
7
, codeur RS(127,89,19), R=R
opt
=0.7


TEB MCCSK non cod
TEB MCCSK cod
TEB QPSK non cod
TEB QPSK cod
Figure 5.11 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M = 2
7
et une modulation QPSK, codage RS (127, 89, 19)
5.2.2.2 Systme MC-CSK pour M = 2
14
On considre maintenant une charge plus leve, quivalant la mme ecacit spectrale
quune modulation 16-APSK. On la vu, lutilisation dun code RS de longueur N
RS
= 2
14
pour faire correspondre lalphabet de symboles de codage avec lalphabet de macrosymboles,
conduit une grande complexit et on ne retrouve pas dapplication avec cette longueur de code
dans les standards actuels.
En adoptant un code plus court, on va moduler plusieurs symboles de codage sur un ma-
crosymbole. On cherche avoir un nombre entier de symboles de codage par macrosymbole
et ceux-ci modulant 14 bits, la solution propose est dutiliser le mme code que pour le cas
M = 2
7
i.e. un RS (127, K
RS
, t) avec deux symboles de codage par macrosymbole. La longueur
du code ntant pas divisible par 2, on va considrer deux mots de code de longueur 127 modu-
ls sur 127 macrosymboles.
En considrant lhypothse pessimiste quune erreur sur un macrosymbole avant dcodage
RS conduit systmatiquement deux erreurs au niveau symbole de codage, on adopte le map-
ping symbole de codage/macrosymbole donn sur la gure 5.12.
Cela permet de rpartir les erreurs quitablement sur les deux mots de code et de rentabiliser
114
5. Codage canal
Figure 5.12 Mthode de codage pour un systme MC-CSK M = 2
14
avec un code
RS (127, K
RS
, t)
la capacit de correction. En cas derreur sur un macrosymbole, on aura une erreur sur un
symbole de codage pour chaque mot. On applique donc le mme raisonnement sur loptimalit
du compromis ecacit spectrale / ecacit en puissance dvelopp pour M = 2
7
. A partir du
TEM simul, on dduit la courbe donne sur la gure 5.13 donnant le meilleur rendement de
codage pour cette charge du MC-CSK.
0 10 20 30 40 50
8
8.5
9
9.5
10
10.5
11
11.5
12
12.5
X: 17
Y: 8.66
Capacit de correction t
E
b
/
N
0

(
d
B
)

p
o
u
r

T
E
B

s
o
r
t
i
e

d

c
o
d
e
u
r

=

1
0

3
MCCSK M=2
14
Figure 5.13 Variation du
E
b
N
0
pour atteindre TEB
out
= 10
3
en fonction de t pour un systme
MC-CSK M = 2
14
avec N
RS
= 127
115
5. Codage canal
Comme pour le cas M = 2
7
, on compare les performances obtenues sur un canal Gaussien
sans distorsion non-linaire avec le rendement optimal avec des rendements retenus dans le
standard DVB-S2 pour la modulation 16-APSK. On retient les valeurs extrmales 2/3 et 9/10.
Les courbes de TEB pour un systme MC-CSK pour ces trois rendements et pour un systme
MC-CSK non cod sont donnes sur la gure 5.14. Les comparaisons avec les performances de
la 16-APSK en fonction de ces rendements sont faites sur les gures 5.15 pour R = 2/3, 5.16
pour R = 9/10 et 5.17 pour R = R
opt
= 0.73. Le point de croisement des courbes non codes de
la modulation MC-CSK et de la modulation 16-APSK est
E
b
N
0
= 8.74 dB. Un gain sur ce point
de croisement est obtenu avec le codage et varie selon le rendement : 0.2 dB pour R = 2/3,
0.55 dB pour R = 9/10 et 0.7 dB pour R = R
opt
= 0.73. On retrouve le plus fort gain pour
le rendement optimal mais les valeurs obtenues napportent pas une grande amlioration sur le
point de croisement.
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
14
, codeur RS(127,K
RS
,t)


Non cod
Cod t=21, R=2/3
Cod t=6, R=9/10
Cod t=17, R
opt
=0.73
Figure 5.14 Taux dErreur Bit pour un systme MC-CSK M = 2
14
avec codage Reed-Solomon
et dirents rendements
Les performances obtenues avec des codes Reed-Solomon pour deux cas dtude montrent
quil est possible dobtenir un gain sur le
E
b
N
0
partir duquel la modulation MC-CSK code a
une meilleure ecacit en puissance que les modulations QPSK et 16-APSK codes, selon la
charge considre. Cependant, on reste loin des points de fonctionnement oert par le standard
116
5. Codage canal
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
M=2
14
, codeur RS(127,85,21), R 2/3


TEB MCCSK non cod
TEB MCCSK cod
TEB 16APSK non cod
TEB 16APSK cod
Figure 5.15 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 85, 21)
DVB-S2 (QPSK : TEB QEF pour

b
N
0
3.9 dB, 16-APSK : TEB QEF pour

b
N
0
7.6 dB),
dautant plus quun dcodage dur a t adopt, mais lintrt tait de voir quil est possible
doptimiser des paramtres du code en fonction de la structure de la modulation MC-CSK. Les
performances avec un code plus puissant et un dcodage souple sont tudies par la suite.
117
5. Codage canal
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
M=2
14
, codeur RS(127,115,6), R 9/10


TEB MCCSK non cod
TEB MCCSK cod
TEB 16APSK non cod
TEB 16APSK cod
Figure 5.16 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 115, 6)
0 2 4 6 8 10
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
M=2
14
, codeur RS(127,93,17), R=R
opt
=0.73


TEB MCCSK non cod
TEB MCCSK cod
TEB 16APSK non cod
TEB 16APSK cod
Figure 5.17 Comparaison des Taux dErreur Bit cods entre une modulation MC-CSK M =
2
14
et une modulation 16-APSK, codage RS (127, 93, 17)
118
5. Codage canal
5.3 Codage Low-Density Parity-Check (LDPC)
5.3.1 Prsentation
Les codes LDPC sont des codes en bloc linaires faible densit, proposs par Gallager [33]
au dbut des annes 60. Cependant, due la complexit trop importante pour les architectures
matrielles de lpoque, ils connurent un faible cho cette poque. Cest aprs lavnement des
turbo-codes [9] et la mise en vidence du principe turbo li au dcodage itratif quils furent
remis au got du jour par MacKay [59] [60]. Les performances de ces codes en termes de proxi-
mit avec la borne de Shannon [80] pour des canaux binaires sans mmoire et de complexit
dimplmentation en ont fait un sujet de recherche trs actif ces dernires annes et leur degr
de maturit a motiv leur slection dans le dernier standard de diusion par satellite DVB-S2
[29] et le rcent standard de communication sans l WIMAX [46].
De manire gnrale, un code LDPC est dni dans GF(q) (avec q = 2
p
) et est reprsent
par sa matrice de parit creuse H de taille (nk) n dont les lments non nuls appartiennent au
corps de Galois GF(q). n est dni comme la longueur dun mot de code, k comme la longueur
dun mot dinformation et m = n k comme le nombre de symboles de parit. Le rendement du
code est dni par R
k
n
, lgalit tant obtenue pour une matrice H de rang plein.
Le code est alors dni comme lensemble des mots de code c GF(q)
n
vriant Hc
T
= 0.
Dans le cas q = 2, on parle de codes LDPC binaires et dans les cas q > 2, les codes
appartiennent la famille des codes LDPC non binaires introduite dans [21].
On peut reprsenter ces codes de deux manires direntes : une reprsentation matricielle
et une reprsentation graphique.
Reprsentation matricielle
On dnit w
l
et w
c
le nombre dlments non nuls sur respectivement chaque ligne et chaque
colonne de la matrice de parit H. Elle sera dite de faible densit ou creuse si
w
l
w
c
mn
0 quand
n +. Pour satisfaire ces conditions, la matrice doit gnralement tre trs large. Un code
possdant un nombre constant dlments non nuls par ligne et par colonne est dit rgulier
(irrgulier dans le cas contraire).
Exemple de matrice de parit pour un code LDPC(n = 16, w
c
= 4, w
l
= 2) binaire :
119
5. Codage canal
H =
_

_
1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1
1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
_

_
(5.4)
Reprsentation graphique
La reprsentation graphique a t introduite par Tanner en 1981 [85]. Le graphe est compos de
noeuds de variable associs aux valeurs des mots de code et de noeuds de parit associs aux
quations de parit. On trace un lien entre un noeud de variable i et un noeud de parit j si la
valeur h
ji
dans la matrice H est un lment non nul.
Exemple de graphe de Tanner pour un code LDPC(n = 8, w
c
= 4, w
l
= 2) :
Gnration de la matrice de parit et encodage
Pour un code LDPC, contrairement aux codes en bloc classiques, on dnit dabord la ma-
trice de parit H de laquelle on dduit ensuite la matrice gnratrice G pour lencodage. Il existe
plusieurs algorithmes pour gnrer H dont un propos par Gallager [33] mais plus rcemment
MacKay a propos de gnrer H de manire pseudo-alatoire [61]. Des mthodes ecaces
doptimisation de la construction ont t publies pour des matrices larges [17] [76] ou de taille
modre [44].
Une fois H dnie, on peut lcrire sous la forme H =
_
P
T
.
.
.I
m
_
o P est une matrice de taille
m n m et I
m
la matrice identit de taille m. On en dduit la matrice gnratrice du code G
120
5. Codage canal
telle que G =
_
I
mn
.
.
.P
_
et lencodage de mots dinformation u se fait simplement par : c = uG. A
noter que pour de trs grandes tailles de matrice, lencodage peut savrer complexe malgr la
faible densit des matrices. Dans ces cas-l des algorithmes dencodage optimiss sont utiliss
[75].
5.3.2 Choix du code
Comme expliqu dans la section 5.1, la structure de la forme donde et la statistique des
erreurs conduisent privilgier des codes en bloc non binaires en cherchant faire concider un
nombre entier de symboles de codage sur un macrosymbole de la modulation MC-CSK.
Les codes LDPC non binaires ont t prsents par [21] montrant que ces codes pouvaient
avoir de trs bonnes performances pour les tailles modres de matrice quand on augmentait
lordre du corps de Galois associ.
Les lments non nuls de la matrice de parit H sont dnis sur un corps de Galois GF(q)
(q = 2
p
, p > 1) et appartiennent lensemble S =
_
0, 1, , . . . ,
q2
_
o est la racine primitive
de GF(q).
Nous avons disposition deux codes LDPC non binaires rguliers dnis dans GF(64) et
de rendement R = 1/2. Les matrices de parit ont t gnres et optimises en utilisant [71]
et sont de taille 8 16 pour H
1
et 192 384 pour H
2
. Le corps de Galois associ (GF(2
6
)) ne
permet pas de considrer les niveaux de charge prcdemment utiliss (M = 2
7
et M = 2
14
)
pour avoir un nombre entier de symboles de codage par macrosymbole. Nous dnissons donc
deux nouveaux cas dtude pour valuer lapport de ces codes :
M = 2
6
avec modulation en quadrature et permettant davoir lquivalence entre sym-
bole de codage et macrosymbole (
s
= 1.71 bit/s/Hz). Ce cas nous permet de valider
limplmentation du codage et du dcodage.
M = 2
12
avec modulation en quadrature orant une ecacit spectrale
s
= 3.42 bit/s/Hz
que lon comparera une modulation 8PSK
s,8PS K
= 3 bit/s/Hz.
5.3.3 Dcodage
Sil est possible de dcoder les codes LDPC au sens du maximum de vraisemblance [33],
la complexit devient trop importante ds lors que lon considre des mots de code de tailles
signicatives, hypothse importante pour obtenir des performances convenables. [33] a donc
121
5. Codage canal
galement propos un algorithme itratif sous-optimal fournissant de bonnes performances. Il
fut revu par [61] et [55] dans le cas de graphes factoriels. On le retrouve dans la littrature sous
direntes appellations : Propagation de croyances (Belief Propagation - BP) ou algorithme
Somme-Produit (Sum-Product). Comme son nom lindique, cet algorithme propage des mes-
sages le long des branches du graphe associ au code. Pour un code LDPC non binaire dans
GF(q), ces messages sont des vecteurs de probabilit de taille q. Cependant, avec laugmenta-
tion de lordre du corps de Galois, la complexit du dcodeur devient importante.
En rponse cela, les auteurs de [22] ont propos un algorithme permettant dutiliser des
ordres levs avec une complexit rduite appel Extended-Min-Sum. La rduction de la com-
plexit est obtenue en ne faisant transiter travers le graphe associ au code que les n
m
messages
les plus ables pour chaque symbole. La dgradation des performances est principalement due
au calcul itratif de ces messages qui peut mener une convergence de lalgorithme vers un mi-
nimum local. Une technique dcrite dans [15] pour les codes LDPC binaires consiste corriger
lestimation avec un facteur dont la valeur est obtenue par minimisation dune fonction de cot.
[22] a appliqu cette technique au cas non binaire. La valeur optimale du facteur de correction
dpend de la taille du code, de la densit de la matrice de parit, du corps de Galois considr
et de n
m
. Lalgorithme ore galement la possibilit de xer le nombre maximum ditrations.
Nous avons retenu cet algorithme pour les simulations des dirents cas dtude.
Contrairement au code Reed-Solomon utilis prcdemment, le dcodage des codes LDPC
est souple an de ne pas perdre dinformation avant dcodage et dexploiter au mieux les ca-
pacits de correction de ce type de code. Aprs la dmodulation MC-CSK, on doit calculer les
informations probabilistes pour les dirents symboles de codage sous la forme de Log Like-
lihood Ratio (LLR), le calcul variant selon la charge du systme considre. Un schma de la
chaine de transmission incluant le codeur LDPC est donn sur la gure 5.18.
122
5. Codage canal
Figure 5.18 Schma de la chaine de transmission avec un code LDPC et un dcodage souple
5.3.3.1 Systme MC-CSK pour M = 2
6
Calcul des LLR
Le code LDPC non binaire est dni dans GF(64) = GF(2
6
) (p = 6, q = 64). Pour cette
charge, on va donc pouvoir associer chaque symbole de codage c
k
=
_
0, 1, , . . . ,
q2
_
en sortie
du codeur LDPC un macrosymbole X
k
, k = 0, . . . , q 1. Aprs transmission dans le canal
Gaussien et dmodulation MC-CSK, on reoit des macrosymboles bruits sous la forme de
blocs de N = 7 chips bruits : Y = X + W avec Y = [y
1
, y
2
, . . . , y
7
], X = [x
1
, x
2
, . . . , x
7
]
et W = [w
1
, . . . , w
N
] les chantillons de bruit de puissance
2
. On dnit le LLR de chaque
symbole c par :
LLR(c = c
k
) = ln
_
P(Y
k
|c = c
k
)
P(Y
k
|c = c
0
)
_
, k k = 0, . . . , q 1 (5.5)
On normalise par un symbole de rfrence pour lequel le LLR sera nul. On choisit arbi-
trairement le symbole c
0
= 0 associ au macrosymbole X
0
compos de N = 7 chips valant 1.
Comme un symbole de codage est associ un macrosymbole on peut dnir les LLR pour un
macrosymbole X :
LLR(X = X
k
) = ln
_
P(Y|X = X
k
)
P(Y|X = X
0
)
_
, k k = 1, . . . , q 1 (5.6)
o les P(Y|X = X
k
) sont les observations faites pour chaque X
k
qui scrivent :
123
5. Codage canal
P(Y|X = X
k
) =
7
_
i=1
P(y
i
|x
ki
)
=
1
(

2
2
)
7
exp
_

_
1
2
2
7

i=1
|y
i
x
ki
|
2
_

_
=
1
(

2
2
)
7
exp
_
1
2
2
Y X
k

2
_
(5.7)
En injectant cette expression dans lquation (5.6), on trouve les expressions des q1 LLR pour
k = 1, . . . , q 1 :
LLR(X = X
k
) =
1
2
2
_
Y X
k

2
Y X
0

2
_
. (5.8)
Les LLR ainsi calculs sont proportionnels au terme de bruit
1
2
2
. Pour le dcodage, ils sont
aects de la mme faon et donc la connaissance de la puissance du bruit nest pas ncessaire.
Rsultats de simulation
On considre une transmission avec un systme MC-CSK avec M = 2
6
dans un canal Gaussien
sans distorsion non-linaire et les codes LDPC non binaire disposition, de longueur n
1
= 16
et n
2
= 384 et de rendement R = 1/2. On xe n
m
= 24, le facteur de correction 1 pour n
1
et
0.6 pour n
2
. Le nombre ditration est limit 100. La gure 5.19 compare les performances en
TEB entre les systmes cods et non cod. Lecacit spectrale oerte par cette charge nest
quivalente avec celle dune modulation classique, il ny a donc pas de comparaison dans ce
cas dtude.
124
5. Codage canal
2 0 2 4 6 8
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
6
, LDPC NB GF(64), R=1/2


TEB non cod
TEB cod, n
1
=16
TEB cod, n
2
=384
Figure 5.19 Taux dErreur Bit pour un systme MC-CSK M = 2
6
avec deux codes LDPC non
binaires
5.3.3.2 Systme MC-CSK pour M = 2
12
Avec cette charge, on associe pour la transmission deux symboles en sortie du codeur
LDPC un macrosymbole. On introduit les notations c
(0)
et c
(1)
dsignant ces deux symboles.
_
c
(0)
, c
(1)
_

_
c
k
=
_
0, 1, , . . . ,
q2
__
2
, q = 64.
Contrairement aux codes RS, les codes LDPC sont sensibles la rpartition des erreurs sur
un mot de code et sera plus ecace avec une rpartition homogne. De plus, on ne peut pas
dnir de capacit de correction pour un mot de code et donc la stratgie de mapping utilise
pour les codes RS est inecace. En considrant toujours lhypothse pessimiste quune erreur
sur un macrosymbole conduit deux symboles de codage faux, on rajoute un entrelaceur comme
illustr sur la gure 5.20 pour permettre de rpartir les erreurs ventuelles sur les mots de code.
125
5. Codage canal
Figure 5.20 Schma dentrelacement des symboles de codage sur GF(64) avant modulation
sur macrosymboles pour M = 2
12
Calcul des LLR
A chaque macrosymbole Y reu, on doit calculer q 1 LLR pour c
(0)
et pour c
(1)
. Le calcul
des LLR est plus complexe car il doit tenir compte, pour un symbole donn, des tats possibles
de lautre symbole et certaines simplications vues dans le cas dtude prcdent ne sont plus
possibles.
Pour c
(0)
, les q 1 LLR sont dnis par :
LLR(c
(0)
= c
k
) = ln
_
P(Y|c
(0)
= c
k
)
P(Y|X
0
)
_
(5.9)
Le terme de normalisation est toujours donn par le macrosymbole X
0
compos de N = 7 chips
valant 1 et correspondant X
c
(0)
=c
0
,c
(1)
=c
0
.
126
5. Codage canal
Pour chaque observation, on direncie en fonction des valeurs de lautre symbole :
P(Y|c
(0)
= c
k
) =

c
(1)
GF(q)
P(Y, c
(1)
|c
(0)
= c
k
)
=

c
(1)
GF(q)
P(Y|c
(1)
, c
(0)
= c
k
)P(c
(1)
) (5.10)
Les c
(1)
tant quiprobables, on a :
P(Y|c
(0)
= c
k
) =
1
q

c
(1)
GF(q)
1
(

2
2
)
7
exp
_
1
2
2
_
_
_Y X
c
(0)
=c
k
,c
(1)
_
_
_
2
_
. (5.11)
Avec P(Y|X
0
) =
1
(

2
2
)
7
exp
_
1
2
2
Y X
0

2
_
, on dtermine les expressions des LLR pour
c
(0)
:
LLR(c
(0)
= c
k
) = ln
_

_
1
q
_
c
(1) exp
_
1
2
2
_
_
_Y X
c
(0)
=c
k
,c
(1)
_
_
_
2
_
exp
_
1
2
2
Y X
0

2
_
_

_
= ln
_

_
1
q

c
(1)
exp
_
1
2
2
_
_
_
_Y X
c
(0)
=c
k
,c
(1)
_
_
_
2
Y X
0

2
_
_
_

_
(5.12)
Le calcul est identique pour c
(1)
, en intervertissant les rles jous par les deux symboles.
On voit que la somme sur les c
(1)
empche la simplication de lexpression ce qui, en dehors
de la complexit inhrente, ncessite la connaissance du terme de bruit
1
2
2
.
Rsultats de simulation
On considre une transmission avec un systme MC-CSK avec M = 2
12
dans un canal Gaussien
sans distorsion non-linaire. Les mmes codes et le mme algorithme de dcodage que pour le
cas dtude M = 2
6
sont utiliss. La gure 5.21 compare les performances en TEB entre les
systmes non cod, cod sans entrelaceur et cod avec entrelaceur pour les deux longueurs de
code (n
1
= 16, n
2
= 384). Les performances des codes LDPC samliorent avec laugmentation
de la longueur du code, ce que lon vrie sur la gure. Le rle bnque de lentrelaceur est
galement mis en vidence.
Bien que lecacit spectrale ne soit pas quivalente celle de la modulation 8-PSK, on
127
5. Codage canal
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK 2
12
, LDPC NB GF(64), n
1
=16, n
2
=384, R=1/2


LDPC n
1
non entrelac
LDPC n
1
entrelac
LDPC n
2
non entrelac
LDPC n
2
entrelac
Non cod
Figure 5.21 Impact de lentrelacement et de deux codes LDPC non binaires sur le TEB dun
systme MC-CSK pour M = 2
12
propose une comparaison des performances codes et non codes sur la gure 5.22. Lapport
espr du code LDPC non binaire pour lamlioration des performances de la modulation MC-
CSK par rapport des modulations classiques nest pas conrm par ces courbes. Si on constate
bien une amlioration sur le TEB pour le MC-CSK, la modulation 8-PSK rpond plus favora-
blement la capacit de correction du LDPC.
Finalement, nous ralisons la comparaison des performances entre les codes RS et LDPC
pour les charges M = 2
6
, gure 5.23 et M = 2
12
, gure 5.24. On vrie la supriorit attendue
du LDPC mme pour une faible longueur de code (n
1
= 16).
128
5. Codage canal
2 0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK 2
12
, LDPC NB GF(64), n
1
=16, n
2
=384, R=1/2, entrelacement


MCCSK LDPC n
1
MCCSK LDPC n
2
MCCSK non cod
8PSK LDPC n
1
8PSK LDPC n
2
8PSK non cod
Figure 5.22 Taux dErreur Bit pour un systme MC-CSK M = 2
12
et une modulation 8-PSK
avec deux codes LDPC non binaires
2 0 2 4 6 8
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK M=2
6
, LDPC NB n
1
=16 n
2
=384 + RS N
RS
=127


Non cod
LDPC n
1
R=1/2
LDPC n
2
R=1/2
RS, R=1/2
RS, R=R
opt
=0.68
Figure 5.23 Comparaison des performances codes entre un codage LDPC et un codage RS
pour un systme MC-CSK M = 2
6
129
5. Codage canal
0 2 4 6 8 10 12 14
10
4
10
3
10
2
10
1
10
0
Eb/N0 (dB)
T
E
B
MCCSK 2
12
, LDPC n
1
=16 n
2
=384 + RS N
RS
=127


LDPC n
1
R=1/2
LDPC n
2
R=1/2
RS, R=1/2
RS, R=R
opt
=3/4
Non cod
Figure 5.24 Comparaison des performances codes entre un codage LDPC et un codage RS
pour un systme MC-CSK M = 2
12
130
5. Codage canal
5.4 Conclusion sur le codage canal
Dans ce chapitre, on a tudi les performances du MC-CSK avec deux types de codage
canal. La structure de la modulation et lanalyse de la statistique des erreurs nous ont incit
utiliser des codes en bloc non binaires.
Dans un premier temps, un code Reed-Solomon de taille N
RS
= 127 a t implment. On
a montr quil tait possible de trouver un rendement de code optimal conduisant au meilleur
compromis entre lecacit en puissance et lecacit spectrale pour direntes charges dune
chaine de transmission base sur du MC-CSK. Si les performances sont amliorables en com-
paraison ce qui est propos dans le standard de diusion actuel, nous retenons surtout quune
analyse approprie conduit des performances optimises.
Par la suite, nous avons cherch amliorer les taux derreur bit cods avec une nouvelle
approche base sur un dcodage souple. Les codes LDPC disposition noraient que deux
longueurs de code direntes et le mme rendement, ce qui na pas permis de poursuivre ltude
doptimisation entame avec le premier codeur. Le dcodage souple a ncessit le calcul des
LLR avant dcodage. La mthode de calcul a t adapte en fonction de la charge du systme.
Les rsultats obtenus nont pas conrm les attentes lies au dcodage souple. Nanmoins, le
code LDPC ore des capacits de correction suprieures au code RS mme pour une faible
longueur de code et les possibilits damlioration restent ouvertes notamment sur la taille des
codes et les rendements utiliss.
La piste des codes en bloc reste la plus prometteuse et ncessite davantage dinvestigations
incluant ltude dautres codes de cette famille.
131
5. Codage canal
132
Conclusions
Dans ce chapitre, nous revenons sur les contributions de cette thse et les perspectives de
recherche associes.
Conclusions gnrales
Dans un contexte de limitation des ressources disponibles et daugmentation des besoins,
cette thse propose une nouvelle forme donde visant amliorer le compromis global entre
ecacit spectrale et ecacit en puissance par rapport aux solutions actuelles. Le travail ralis
est articul autour de trois axes : la dnition de la modulation CDM-CCSK, sa transposition
sur plusieurs porteuses travers une modulation OFDM dnissant la forme donde MC-CSK
et lanalyse dun codage canal adapt la structure de cette dernire.
La dnition et la justication de la modulation CDM-CCSK ont t dveloppes dans le
chapitre 3. Elle est base sur la transmission simultane de plusieurs ux dinformation, indi-
viduellement moduls avec du Code-Shift-Keying (CCSK) impliquant un talement du spectre
pour chaque ux. On ralise le multiplexage grce du Code Division Multiplexing (CDM)
an de compenser la dgradation de lecacit spectrale lie ltalement.
Les squences dtalement retenues pour limplmentation de cette structure sont des s-
quences de Gold et ont t slectionnes aprs un tat de lart prsent dans le chapitre 2. Elles
prsentent, en eet, le meilleur compromis entre le nombre de squences disponibles pour une
longueur de squence N donne et la capacit de dtection des squences en rception dpen-
dant de leurs proprits dintercorrlation.
Nous avons propos une tude du comportement asymptotique des performances de la mo-
dulation fort rapport signal bruit et montr que pour un nombre donn de ux multiplexs,
lamlioration de lecacit spectrale, via laugmentation du nombre de squences attribues
133
Conclusion
chaque ux, menait une amlioration conjointe de lecacit en puissance. Nous avons
pu vrier ces rsultats pour un faible nombre de ux multiplexs et une longueur de squence
N = 31 avec un dtecteur optimal en rception, implment avec du dcodage sphrique. Laug-
mentation du nombre de ux multiplexs conduit une complexit trop importante pour la lon-
gueur de squence considre et lanalyse de dtecteurs sous-optimaux complexit rduite na
pas montr de solution alternative satisfaisante.
Ltude sest poursuivie pour une plus faible longueur de squence (N = 7) pour pallier
la complexit dimplmentation. Elle a permis de montrer que pour un grand nombre de ux,
le multiplexage de deux ensembles dirents de squences pouvait conduire au mme motif
que nous dsignons par le terme macrosymbole. En rponse cela, nous avons propos une
adaptation de la structure initiale base sur une slection pralable de macrosymboles uniques
dnissant ainsi un nouvel alphabet utilis pour moduler les donnes dun seul ux.
Les rsultats obtenus sur un canal Gaussien avec cette nouvelle approche ont conrm
lamlioration de lecacit en puissance, partir dun certain rapport signal bruit, par rap-
port des modulations damplitude et de phase de mme ecacit spectrale et retenues dans le
standard actuel de diusion par satellite.
Cependant, en considrant une transmission monoporteuse, la forte variation de puissance
du signal dun macrosymbole lautre est une pnalit importante lors du passage dans les am-
plicateurs bord des satellites. Dans le chapitre 4, nous proposons la transposition de blocs
de macrosymboles sur les sous-porteuses dun modulateur OFDM qui permet de stabiliser la
variation de puissance moyenne par symbole OFDM bien que favorisant lapparition de plus
forte valeur de puissance instantane. Ainsi, le PAPR du format multiporteuse reste important
et sa rduction reste un sujet ouvert au vu de la diversit des mthodes existantes.
Dans le chapitre 5, nous revenons sur les perspectives oertes par lamlioration de le-
cacit en puissance obtenue au chapitre 3 en proposant un codage canal adapt la structure de
la forme donde, bas sur des codes par bloc non binaires Reed-Solomon (RS) et Low-Density
Parity-Check (LDPC).
Ainsi, la forme donde MC-CSK ore une approche novatrice et un compromis entre eca-
cit spectrale et ecacit en puissance prometteur. En considrant les points de fonctionnement
du standard actuel de diusion, les performances oertes par la forme donde propose ne sup-
134
Conclusion
plantent pas celles du standard bien que la comparaison soit biaise en raison de la prsence
dun code convolutif complmentaire dans le standard. La variation damplitude est, toutefois,
une source importante de dgradations.
Cependant, la pnalit lie aux uctuations damplitude est relativiser : laugmentation
des dbits de transmission devrait en eet se traduire moyen et long terme par llargisse-
ment des canaux satellite au del de quelques centaines de MHz voire quelques GHz. Dans ce
contexte, le partage des transpondeurs entre plusieurs porteuses semble invitable. La question
des eets non-linaires savrerait problmatique quel que soit le format de modulation appli-
qu sur chacune des porteuses. Les contraintes de dimensionnement induites par les uctuations
damplitude de la forme donde MC-CSK ne seraient donc plus ncessairement rdhibitoires.
Perspectives de recherche
Les dirents travaux raliss dans cette thse conduisent plusieurs perspectives de re-
cherche en vue de contourner les limitations souleves :
Il existe dautres familles de squences dtalement qui nont pas t prises en compte
dans ltat de lart, ce qui laisse la possibilit de renforcer les tudes faites avec de nou-
velles squences, soit pour une approche multi-ux avec la cl la recherche dalgo-
rithmes de dcodage sous-optimaux, soit pour une approche mono-ux avec la possibilit
daugmenter la taille de lalphabet disponible et/ou de rduire la variation de la puissance
du signal en monoporteuse.
Lvaluation de la rduction du PAPR du MC-CSK par les mthodes actuelles ou futures.
Ltude plus approfondie du codage canal avec des tailles et des rendements de code
dirents pour les codes LDPC non binaires.
La concatnation au code LDPC non-binaire dun code convolutif binaire tel quutilis
dans le standard DVB-S2 pour tablir une comparaison moins biaise des performances.
Lapplication de codes LDPC binaires pour valuer les performances par rapport au cas
non-binaire et la complexit sur le calcul des Log-Likelihood Ratio.
135
Conclusion
136
Annexe A
Preuve de la proprit dquidistance des
squences de G(a,b)
Rappels
Proprit dquidistance des squences de G(a,b)
A partir de lensemble de Gold G(a,b) dni pour une longueur de squence N et comportant
N + 2 squences, il est possible de dterminer lensemble G(a,b) comportant N + 1 squences
quidistantes de longueur N avec d =

2(N + 1).
Gnration de G(a,b)
Soient a = [a
1
, . . . , a
N
] et b = [b
1
, . . . , b
N
] deux M-squences de longueur N formant une
paire prfre partir de laquelle on forme lensemble de Gold G(a,b) :
G(a, b) =
_
a, b, a T
0
b, a Tb, a T
2
b, . . . , a T
N1
b
_
. (5.13)
T
i
est loprateur de permutation circulaire qui dcale une squence de i chip vers la gauche et
est loprateur XOR.
137
5. Annexe A
A partir de cet ensemble, on slectionne toutes les squences sauf b pour former G(a,b) :
G

(a, b) =
_
a, a T
0
b, a Tb, a T
2
b, . . . , a T
N1
b
_
. (5.14)
Loprateur XOR
a b peut aussi scrire :
a b = ab + ab = a(1 b) + b(1 a) = a + b 2ab,
o ab = [a
1
b
1
, ..., a
N
b
N
].
Distance entre deux squences
Soient x = [x
1
, . . . , x
N
] et y = [y
1
, . . . , y
N
] deux squences de longueur N. On dnit la
distance entre les deux par :
d =
_
x y
2
=
_
x
2
+ y
2
2 < x, y >
(5.15)
avec < x, y > le produit scalaire des squences x et y.
Produit scalaire
Le produit scalaire des squences x et y scrit :
< x, y >= x
1
y
1
+ x
2
y
2
+ . . . + x
N
y
N
138
5. Annexe A
Preuve
Pour prouver lquidistance des squences de G(a,b), il faut montrer que le produit scalaire
de deux squences de cet ensemble est constant, quelle que soient les squences. Pour cela, on
considre deux cas :
les squences de G(a,b) sont dnies dans {0, 1}
N
les squences de G(a,b) sont dnies dans {1, 1}
N
Squences de G(a,b) dnies dans {0, 1}
N
On montre avec un exemple quil existe un cas o la proprit nest pas respecte.
Le calcul de < a, a T
i
b > donne :
< a, a T
i
b >=< a, a + T
i
b 2aT
i
b >=< a, a > + < a, T
i
b > 2 < a, aT
i
b > .
Notons que :
< a, a T
i
b >=< a, T
i
b > car a
2
i
= 1 i (a
i
{0, 1}),
< a, a >=< b, b >=
N+1
2
daprs les proprits des M-squences qui possdent toujours
un 1 de plus que de 0 (voir section 2.2.2 du chapitre 2).
On a alors < a, a T
i
b >=
N+1
2
< a, T
i
b > et dpend des valeurs que peut prendre < a, T
i
b >.
La proprit < a, a T
i
b >= 1 nest pas vrie pour toutes les valeurs de i.
Squences de G(a,b) dnies dans {1, 1}
N
La reprsentation des squences de G(a,b) dans {1, 1}
N
implique la transformation suivante :
V 2V 1
N
o V reprsente une squence quelconque de G(a,b) et 1
N
est un vecteur compos de 1 de
longueur N.
139
5. Annexe A
Pour les produits scalaires avec la squence a seule, on a :
< 2a 1
N
, 2
_
a T
i
b
_
1
N
>
= < 2a 1
N
, 2
_
a + T
i
b 2aT
i
b
_
1
N
>
= < 2a, 2a + 2T
i
b 4aT
i
b 1
N
> < 1
N
, 2a + 2T
i
b 4aT
i
b 1
N
>
= 4
_
N + 1
2
_
+ 4 < a, T
i
b > 8 < a, T
i
b > 2
_
N + 1
2
_
2
_
N + 1
2
_
2 < 1
N
, T
i
b > +4 < a, T
i
b > +N
= 2 < 1
N
, T
i
b > +N
b est une M-squence donc toutes les permutations circulaires T
i
b sont des M-squence et on a
< 1
N
, T
i
b >=
N+1
2
.
On dduit ainsi que :
< 2a 1
N
, 2
_
a T
i
b
_
1
N
>= 1 i
Pour les produits scalaires restants et i j, on a :
< 2
_
a T
i
b
_
1
N
, 2
_
a T
j
b
_
1
N
>
= < 2
_
a + T
i
b 2aT
i
b
_
1
N
, 2
_
a + T
j
b 2aT
j
b
_
1
N
>
= 4 < a, a > +4 < a, T
j
b > 8 < a, T
j
b > 2 < a, 1
N
>
+ 4 < T
i
b, a > +4 < T
i
b, T
j
b > 8 < T
i
b, aT
j
b > 2 < T
i
b, 1
N
>
8 < a, T
i
b > 8 < aT
i
b, T
j
b > +16 < aT
i
b, T
j
b > +4 < a, T
i
b >
2 < 1
N
, a > 2 < 1
N
, T
j
b > +4 < a, T
j
b > + < 1
N
, 1
N
>
= 4 < T
i
b, T
j
b > 4
_
N + 1
2
_
+ N
Il reste calculer < T
i
b, T
j
b >. Pour cela, on utilise une proprit des M-squences qui tablit
que le XOR entre une M-squence et une version dcale delle-mme donne une autre version
dcale de cette M-squence. On peut ainsi crire T
i
bT
j
b = T
k
b et lgalit < 1
N
, T
k
b >=
N+1
2
140
5. Annexe A
est quivalente :
< 1
N
, T
i
b T
j
b >=
N + 1
2
< 1
N
, T
i
b + T
j
b 2T
i
bT
j
b >=
N + 1
2
< 1
N
, T
i
b > + < 1
N
, T
j
b > 2 < 1
N
, T
i
bT
j
b >=
N + 1
2
< 1
N
, T
i
b > + < 1
N
, T
j
b > 2 < T
i
b, T
j
b >=
N + 1
2
On en dduit que < T
i
b, T
j
b >=
N+1
4
pour j i et que :
< 2
_
a T
i
b
_
1
N
, 2
_
a T
j
b
_
1
N
>
= 4 < T
i
b, T
j
b > 4
_
N + 1
2
_
+ N
= 1 i j
On a donc montr que si les squences de G(a,b) prennent leurs valeurs dans 1, 1, le
produit scalaire de deux squences de lensemble est constant et vaut toujours 1. On en dduit
que d =

2(N + 1)
141
5. Annexe A
142
Bibliographie
[1] Warren E. Adams, Alain Billionnet, and Alain Sutter. Unconstrained 01 optimization and
lagrangian relaxation. Discrete Appl. Math., 29(2-3) :131142, Dec. 1990. 61
[2] M. Amadeo, G. Araniti, A. Iera, and A. Molinaro. A satellite-lte network with delay-
tolerant capabilities : Design and performance evaluation. In Vehicular Technology Confe-
rence (VTC Fall), 2011 IEEE, pages 1 5, sept. 2011. 17
[3] Asymetric Digital Subscriber Line (ADSL) : ANSI T1.413-1995. ANSI, Nov. 1995. 108
[4] H. Artes, D. Seethaler, and F. Hlawatsch. Ecient detection algorithms for mimo chan-
nels : a geometrical approach to approximate ml detection. Signal Processing, IEEE Tran-
sactions on, 51(11) :2808 2820, nov 2003. 52
[5] A.B. Awoseyila and B.G. Evans. Improved time diversity for lte over satellite using split
multicode transmission. Electronics Letters, 46(10) :729 730, 13 2010. 17
[6] F Barahona. A solvable case of quadratic 0-1 programming. Discrete Appl. Math., 13(1) :
2326, Jan. 1986. 61
[7] L. Barnault and D. Declercq. Fast decoding algorithm for ldpc over gf(2q). In Information
Theory Workshop, 2003. Proceedings. 2003 IEEE, pages 70 73, march-4 april 2003. 103
[8] E. Berlekamp. Nonbinary bch decoding (abstr.). Information Theory, IEEE Transactions
on, 14(2) :242, march 1968. 107
[9] 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
143
BIBLIOGRAPHIE
Program, Conference Record, IEEE International Conference on, volume 2, pages 1064
1070 vol.2, may 1993. 6, 119
[10] A. Billionnet. Optimisation discrte : De la modlisation la rsolution par des logiciels
de programmation mathmatique. InfoPro : Applications mtiers. Dunod, 2007. ISBN
9782100496877. 61
[11] R. C. Bose and D. K. Ray Chaudhuri. On a class of error correcting binary group codes.
Information and Control, 3(1) :6879, March 1960. 106
[12] R.C. Bose and S.S. Shrikhande. A note on a result in the theory of code construction.
Information and Control, 2(2) :183 194, 1959. 20
[13] Rapp C. Eects of hpa-nonlinearity on a 4-dpswofdm signal for a digital sound broadcas-
ting system. Proceedings of the Second European Conference on Satellite Communica-
tions, pages 179184, oct 1991. 84
[14] X. W. Chang and X. Yang. An ecient regularization approach for undetermined mimo
system decoding. In Proc. Intl Wireless Communications and Mobile Computing Conf.,
pages 349353, Honolulu, Hawai, Aug. 2007. 53
[15] J. Chen, A. Dholakia, E. Eleftheriou, M.P.C. Fossorier, and X.-Y. Hu. Reduced-complexity
decoding of ldpc codes. Communications, IEEE Transactions on, 53(8) :1288 1299, aug.
2005. 122
[16] H. Cherno. A measure of asymptotic eciency for tests of a hypothesis based on the
sum of observations. Ann. Math. Stat., 23 :493507, 1952. 48
[17] Sae-Young Chung, T.J. Richardson, and R.L. Urbanke. Analysis of sum-product decoding
of low-density parity-check codes using a gaussian approximation. Information Theory,
IEEE Transactions on, 47(2) :657 670, feb 2001. 120
[18] P.G. Ciarlet. Introduction lanalyse numrique matricielle et loptimisation. Collection
Mathmatiques appliques pour la matrise. Masson, 1982. 53
[19] James Cooley and John Tukey. An algorithm for the machine calculation of complex
fourier series. Mathematics of Computation, 19(90) :297301, 1965. 90
144
BIBLIOGRAPHIE
[20] T. Cui and C. Tellambura. An ecient generalized sphere decoder for rank-decient mimo
systems. In Proc. IEEE Veh. Technol. Conf., volume 5, pages 36893693, Los Angeles,
California, Sept. 2004. 53
[21] M.C. Davey and D. MacKay. Low-density parity check codes over gf(q). Communications
Letters, IEEE, 2(6) :165 167, june 1998. 103, 119, 121
[22] D. Declercq and M. Fossorier. Decoding algorithms for nonbinary ldpc codes over gf.
Communications, IEEE Transactions on, 55(4) :633 643, april 2007. 122
[23] N. Dinur and D. Wulich. Peak-to-average power ratio in high-order ofdm. Communica-
tions, IEEE Transactions on, 49(6) :1063 1072, jun 2001. 94
[24] C. Dudal, M.-L. Boucheret, M. Lops, N. Thomas, and M. Dervin. Spectral- and power-
ecient data multiplexing format based on code-shift-keying. Communications Letters,
IEEE, 15(7) :695 697, july 2011. 40, 49
[25] C. Dudal, N. Thomas, M. Dervin, M.-L. Boucheret, and M. Lops. Multi-Carrier-Code-
Shift-Keying modulation. In Globecom 2012 - Symposium on Selected Areas in Commu-
nications (GC12 SAC), Anaheim, CA, USA, Dec. 2012. 72
[26] B. Efron, T. Hastie, I. Johnstone, and R. Tibshirani. Least angle regression. Ann. Statist,
32(2) :pp. 407499, 2004. 62, 63
[27] Digital Video Broadcasting (DVB) : Framing structure, channel coding and modulation
for 11/12 GHz satellite services : EN 300 421 V1.1.2. ETSI, Aug. 1997. 7, 108
[28] Digital Video Broadcasting (DVB) : Transmission System for Handheld Terminals (DVB-
H) : EN 302 304 V1.1.1. ETSI, Nov. 2004. 8
[29] Digital Video Broadcasting (DVB) : Second generation framing structure, channel coding
and modulation systems for Broadcasting, Interactive Services, News Gathering and other
broadband satellite applications (DVB-S2) : EN 302 307 V1.2.1. ETSI, Aug. 2009. 6, 7,
16, 77, 81, 100, 111, 119
[30] Digital Video Broadcasting (DVB) : Framing Structure, channel coding and modulation
for Satellite Services to Handheld devices (SH) below 3 GHz : EN 102 585 V1.2.1. ETSI,
Sept. 2009. 8
145
BIBLIOGRAPHIE
[31] Digital Video Broadcasting (DVB) : Frame structure channel coding and modulation for
a second generation digital terrestrial television broadcasting system (DVB-T2) : EN 302
755 V1.2.1. ETSI, Feb. 2011. 99
[32] P. Fan and M. Darnell. Sequence design for communications applications. Electronic &
electrical engineering research studies : Communications systems, techniques, and appli-
cations series. Research Studies Press, 1996. ISBN 9780863802010. 19, 21, 22, 24
[33] R. Gallager. Low-density parity-check codes. Information Theory, IRE Transactions on,
8(1) :21 28, january 1962. 6, 119, 120, 121
[34] Bezalel Gavish and Hasan Pirkul. Ecient algorithms for solving multiconstraint zero-
one knapsack problems to optimality. Mathematical Programming, 31 :78105, 1985.
61
[35] James Zeidler George M. Dillard, Michael Reuter and Brandon Zeidler. Cyclic code shift
keying : A low probability of intercept communication technique. IEEE Trans. Aerosp.
Electron. Syst., 39(3) :786798, July 2003. 6, 8, 10, 11
[36] R. Gold. Study of Correlation Properties of Binary Sequences. Defense Technical Infor-
mation Center, 1964. 26
[37] R. Gold. Optimal binary sequences for spread spectrum multiplexing (corresp.). Informa-
tion Theory, IEEE Transactions on, 13(4) :619 621, october 1967. 9, 26, 28
[38] R. Gold. Maximal recursive sequences with 3-valued recursive cross-correlation functions
(corresp.). Information Theory, IEEE Transactions on, 14(1) :154 156, jan 1968. 24, 25
[39] Solomon W. Golomb. Theory of transformation groups of polynomials over gf(2) with
applications to linear shift register sequences. Information Sciences, 1(1) :87 109, 1968.
25
[40] S.W. Golomb. Shift register sequences. Aegean Park Press, 1982. ISBN 9780894120480.
19
[41] B. Hassibi and H. Vikalo. On the sphere decoding algorithm : Part i, the expected com-
plexity. IEEE Trans. Signal Processing, 53(8) :28062818, Aug. 2005. 52
146
BIBLIOGRAPHIE
[42] M. Heideman, D. Johnson, and C. Burrus. Gauss and the history of the fast fourier trans-
form. ASSP Magazine, IEEE, 1(4) :14 21, october 1984. 90
[43] A. Hocquenghem. Codes correcteurs derreurs. Chires, 2 :147156, Sept. 1959. 106
[44] X.-Y. Hu, E. Eleftheriou, and D.M. Arnold. Regular and irregular progressive edge-growth
tanner graphs. Information Theory, IEEE Transactions on, 51(1) :386 398, jan. 2005. 120
[45] Xianghui Hu, Xiaohan Xia, Hongguang Lan, and Jianjun Wu. On the adaptability of lte
services in mobile satellite communications systems. In Consumer Electronics, Commu-
nications and Networks (CECNet), 2012 2nd International Conference on, pages 1936
1939, april 2012. 17
[46] IEEE 802.16 : BROADBAND WIRELESS METROPOLITAN AREA NETWORKS (MANs).
IEEE, 2001. 119
[47] Asymmetric digital subscriber line (ADSL) transceivers : ITU G.992.X. ITU, July 1999.
108
[48] Tao Jiang and Yiyan Wu. An overview : Peak-to-average power ratio reduction techniques
for ofdm signals. Broadcasting, IEEE Transactions on, 54(2) :257 268, june 2008. 96
[49] Tao Jiang and Guangxi Zhu. Nonlinear companding transform for reducing peak-to-
average power ratio of ofdm signals. Broadcasting, IEEE Transactions on, 50(3) :342
346, sept. 2004. 88, 95, 96
[50] Chi-Han Kao, C. Robertson, and Kyle Lin. Performance analysis and simulation of cyclic
code-shift keying. In Military Communications Conference, 2008. MILCOM 2008. IEEE,
pages 1 6, nov. 2008. 6, 8, 10
[51] T. Kasami. Chapter on Weight distribution of bose-chaudhuri-hocquenghem codes. Cha-
pel Hill, NC : Univ of North Carolina Press, 1969. 30
[52] Y. Kim, J. Kim, and Y. Kim. Blockwise sparse regression. Statist. Sinica, 16 :375390,
2006. 64
147
BIBLIOGRAPHIE
[53] I. Koromilas, C. Robertson, and F. Kragh. Performance analysis of the link-16/jtids wa-
veform with concatenated coding in both awgn and pulsed-noise interference. In MILI-
TARY COMMUNICATIONS CONFERENCE, 2010 - MILCOM 2010, pages 2074 2081,
31 2010-nov. 3 2010. doi : 10.1109/MILCOM.2010.5680467. 108
[54] B.S. Krongold and D.L. Jones. Par reduction in ofdm via active constellation extension. In
Acoustics, Speech, and Signal Processing, 2003. Proceedings. (ICASSP 03). 2003 IEEE
International Conference on, volume 4, pages IV 5258 vol.4, april 2003. 99
[55] F.R. Kschischang, B.J. Frey, and H.-A. Loeliger. Factor graphs and the sum-product algo-
rithm. Information Theory, IEEE Transactions on, 47(2) :498 519, feb 2001. 122
[56] M. R. Leadbetter and H. Rootzen. Extremal theory for stochastic processes. Annals of
Probability, 16 :431 478, apr 1988. 94
[57] Georg Lindgren. Point processes of exits by bivariate gaussian processes and extremal
theory for the ?2-process and its concomitants. Journal of Multivariate Analysis, 10(2) :
181 206, 1980. ISSN 0047-259X. 94
[58] S. Litsyn and G. Wunder. Generalized bounds on the crest-factor distribution of ofdm
signals with applications to code design. Information Theory, IEEE Transactions on, 52
(3) :992 1006, march 2006. 94
[59] David J.C. MacKay and I. Background. Low density parity check codes over gf(q). IEEE
Communications Letters, 2 :7071, 1996. 119
[60] D.J.C. MacKay. Good error-correcting codes based on very sparse matrices. Information
Theory, IEEE Transactions on, 45(2) :399 431, mar 1999. 119
[61] D.J.C. MacKay and R.M. Neal. Near shannon limit performance of low density parity
check codes. Electronics Letters, 33(6) :457 458, mar 1997. 120, 122
[62] F.J. MacWilliams and N.J.A. Sloane. Pseudo-random sequences and arrays. Proceedings
of the IEEE, 64(12) :1715 1729, dec. 1976. 19
[63] U. Madhow. Fundamentals of Digital Communications. Cambridge University Press,
2008. 9, 20, 46, 47, 76, 87
148
BIBLIOGRAPHIE
[64] J. Massey. Shift-register synthesis and bch decoding. Information Theory, IEEE Transac-
tions on, 15(1) :122 127, jan 1969. 107
[65] Lukas Meier, Sara Van De Geer, and Peter B
1
4
hlmann. The group lasso for logistic
regression. Journal of the Royal Statistical Society : Series B (Statistical Methodology),
70(1) :5371, 2008. 64
[66] Philippe Michelon and Nelson Maculan. Lagrangian decomposition for integer nonlinear
programming with linear constraints. Math. Program., 52(2) :303313, Oct. 1991. 61
[67] S.H. Muller and J.B. Huber. A comparison of peak power reduction schemes for ofdm. In
Global Telecommunications Conference, 1997. GLOBECOM 97., IEEE, volume 1, pages
15, nov 1997. 99
[68] H. Ochiai and H. Imai. Performance of the deliberate clipping with adaptive symbol
selection for strictly band-limited ofdm systems. IEEE Journals on Selected Areas in
Communications, 18(11) :22702277, nov 2000. 95
[69] H. Ochiai and H. Imai. On the distribution of the peak-to-average power ratio in ofdm
signals. Communications, IEEE Transactions on, 49(2) :282 289, feb 2001. 94
[70] Roger L. Peterson, R.E. Ziemer, and D.E. Borth. Introduction to spread-spectrum com-
munications. Prentice Hall, 1995. ISBN 9780024316233. 8, 13
[71] C. Poulliat, M. Fossorier, and D. Declercq. Design of regular (2,d/sub c/)-ldpc codes over
gf(q) using their binary images. Communications, IEEE Transactions on, 56(10) :1626
1635, october 2008. 121
[72] Zhi quan Luo, Wing kin Ma, A.M.-C. So, Yinyu Ye, and Shuzhong Zhang. Semidenite
relaxation of quadratic optimization problems. Signal Processing Magazine, IEEE, 27(3) :
20 34, may 2010. 64
[73] QZSS10. Interface specication for qzss (is-qzss) draft v1.2. Japan Aerospace Explora-
tion Agency, March 2010. 11
[74] I. S. Reed and G. Solomon. Polynomial Codes Over Certain Finite Fields. Journal of the
Society for Industrial and Applied Mathematics, 8(2) :300304, 1960. 103, 104
149
BIBLIOGRAPHIE
[75] T.J. Richardson and R.L. Urbanke. Ecient encoding of low-density parity-check codes.
Information Theory, IEEE Transactions on, 47(2) :638 656, feb 2001. 121
[76] T.J. Richardson, M.A. Shokrollahi, and R.L. Urbanke. Design of capacity-approaching
irregular low-density parity-check codes. Information Theory, IEEE Transactions on, 47
(2) :619 637, feb 2001. 120
[77] A. Saleh. Frequency-independent and frequency-dependent nonlinear models of twt am-
pliers. Communications, IEEE Transactions on, 29(11) :1715 1720, nov 1981. 84
[78] D.V. Sarwate and M.B. Pursley. Applications of coding theory to spread spectrummultiple
access satellite communications. Proc. 1976 IEEE Canadian Communications and Power
Conf., pages 72 75, 1976. 30
[79] D.V. Sarwate and M.B. Pursley. Crosscorrelation properties of pseudorandom and related
sequences. Proceedings of the IEEE, 68(5) :593 619, may 1980. 19, 21, 30
[80] Claude E. Shannon and Warren Weaver. The Mathematical Theory of Communication.
Univ of Illinois Press, 1949. 12, 119
[81] S. Shepherd, J. Orriss, and S. Barton. Asymptotic limits in peak envelope power reduction
by redundant coding in orthogonal frequency-division multiplex modulation. Communi-
cations, IEEE Transactions on, 46(1) :5 10, jan 1998. 94
[82] S. B. Slimane. Reducing the peak-to-average poser ratio of ofdmsignal through precoding.
IEEE Trans Vehicular Technology, 56(2) :686695, mar 2007. 95
[83] M. Stojnic, H. Vikalo, and B. Hassibi. Abranch and bound approach to speed up the sphere
decoder. In Acoustics, Speech, and Signal Processing, 2005. Proceedings. (ICASSP 05).
IEEE International Conference on, volume 3, pages iii/429 iii/432 Vol. 3, march 2005.
52
[84] M. Stojnic, H. Vikalo, and B. Hassibi. An ecient h inn ; estimation approach to speed
up the sphere decoder. In Wireless Networks, Communications and Mobile Computing,
2005 International Conference on, volume 2, pages 1483 1488 vol.2, june 2005. 52
[85] R. Tanner. A recursive approach to low complexity codes. Information Theory, IEEE
Transactions on, 27(5) :533 547, sep 1981. 120
150
BIBLIOGRAPHIE
[86] J. Tellado. Multicarrier Modulation with Low PAR : Applications to DSL and Wireless.
Kluwer international series in engineering and computer science. Springer, 2000. ISBN
9780792379881. 99
[87] Jose Tellado. Peak to Average Power Ratio Reduction for Multicarrier Modulation. PhD
thesis, University of Stanford, Stanford, 1999. 90, 94, 95, 99
[88] Nathalie Thomas, Marie-Laure Boucheret, Anh Tai Ho, Mathieu Dervin, and Xavier De-
plancq. Ofdm receiver for xed satellite channel. Journal of Communications and Net-
works, Special Issue on Recent Advances in Satellite and Space Communications, 12(6) :
533543, dcembre 2010. 7, 17, 83, 89, 100
[89] Robert Tibshirani. Regression shrinkage and selection via the lasso. Journal of the Royal
Statistical Society. Series B (Methodological), 58(1) :pp. 267288, 1996. ISSN 00359246.
62
[90] Yuh-Ren Tsai. M-ary spreading code phase shift keying modulation for dsss multiple
access systems. IEEE Trans. Comm., 57(11) :32203224, Nov. 2009. 6, 39, 63
[91] Yuh-Ren Tsai and Xiu-Sheng Li. Kasami code-shift-keying modulation for ultra-
wideband communication systems. Communications, IEEE Transactions on, 55(6) :1242
1252, june 2007. 6, 8, 39
[92] R. van Nee and A. de Wild. Reducing the peak-to-average power ratio of ofdm. In
Vehicular Technology Conference, 1998. VTC 98. 48th IEEE, volume 3, pages 2072 2076
vol.3, may 1998. 94
[93] Sergio Verdu. Multiuser Detection. Cambridge University Press, New York, NY, USA,
1st edition, 1998. ISBN 0521593735. 51
[94] H. Vikalo, B. Hassibi, and T. Kailath. Iterative decoding for mimo channels via modied
sphere decoding. Wireless Communications, IEEE Transactions on, 3(6) :2299 2311,
nov. 2004. 52
[95] E Viterbo and J Boutros. A universal lattice code decoder for fading channels. IEEE
Trans. Inform. Theory, 45(5) :16391642, July 1999. 49
151
BIBLIOGRAPHIE
[96] Ping Wang and Tho Le-Ngoc. A low-complexity generalized sphere decoding approach
for underdetermined mimo systems. In Communications, 2006. ICC 06. IEEE Interna-
tional Conference on, volume 9, pages 4266 4271, june 2006. 52
[97] Shuangqing Wei, D.L. Goeckel, and P.E. Kelly. A modern extreme value theory approach
to calculating the distribution of the peak-to-average power ratio in ofdm systems. In
Communications, 2002. ICC 2002. IEEE International Conference on, volume 3, pages
1686 1690 vol.3, 2002. 94
[98] Ming Yuan, Ming Yuan, Yi Lin, and Yi Lin. Model selection and estimation in regression
with grouped variables. Journal of the Royal Statistical Society, Series B, 68 :4967, 2006.
64
152