Vous êtes sur la page 1sur 140

Etudes de r

ecepteurs MIMO-LDPC it
eratifs
Akl Charaf

To cite this version:


Akl Charaf. Etudes de recepteurs MIMO-LDPC iteratifs. Other. Telecom ParisTech, 2012.
French. <NNT : 2012ENST0017>. <pastel-00913457>

HAL Id: pastel-00913457


https://pastel.archives-ouvertes.fr/pastel-00913457
Submitted on 3 Dec 2013

HAL is a multi-disciplinary open access


archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est


destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

2012-ENST-017

EDITE - ED 130

Doctorat ParisTech
THSE
pour obtenir le grade de docteur dlivr par

TELECOM ParisTech
Spcialit Electronique Et Communications
prsente et soutenue publiquement par

AKL CHARAF
4 Avril 2012

Etude de rcepteurs MIMO-LDPC itratifs


Directeur de thse : Georges RODRIGUEZ-GUISANTES, E/C Dpartement COMELEC
Jury
Mme Maryline HELARD,
Professeur, Institut dElectronique et de Telecommunications de Rennes, INSA Rennes, Prsident du jury

M. Michel JEZEGUEL,
Professeur, Dpartement Electronique, Telecom Bretagne Brest

Rapporteur

Mme Marie-Laure BOUCHERET,


Professeur, Groupe Signal et Communications , ENSEEIHT Toulouse

Rapporteur

M. Maurice CHARBIT,
Professeur, Dpartement Traitement du Signal et des Images, Telecom ParisTech

Examinateur

M. Pierre PENARD,
Ingnieur Recherche et Dveloppement, RESA/WASA/CREM, Orange Labs Rennes

Encadrant

M. Laurent CARIOU,
Ingnieur Recherche et Dveloppement, RESA/WASA/CREM, Orange Labs Rennes

TELECOM ParisTech
cole de lInstitut Tlcom - membre de ParisTech

Encadrant

On fait la science avec des faits, comme on fait une maison


avec des pierres : mais une accumulation de faits nest pas
plus une science quun tas de pierres nest une maison.
Henri Poincar

Rsum
Lobjectif de cette thse est ltude de rcepteurs MIMO OFDM itratifs utilisant des
codes LDPC. Les techniques MIMO permettent daugmenter la capacit des rseaux sans
fil sans la ncessit daugmenter les ressources frquentielles grce lexploitation de la
dimension spatiale. Associes aux schmas de modulations multiporteuses CP-OFDM les
techniques MIMO sont ainsi devenues la pierre angulaire pour les nouveaux systmes sans
fil haute efficacit spectrale.
La rception optimale peut tre ralise laide dune rception conjointe dans le sens que
lgalisation et le dcodage sont raliss en mme temps. tant trs complexe la rception
conjointe nest pas envisage en pratique et lgalisation et le dcodage sont raliss disjointement au cot dune dgradation significative en performance. Entre ces deux solutions, la
rception itrative (Turbo-galisation) trouve son intrt pour sa capacit sapprocher des
performances optimales avec une complexit rduite.
Loptimisation de codes correcteurs derreurs pour les systmes MIMO itratifs a t tudie dans la littrature notamment pour les codes convolutifs, Turbo et LDPC. Dans cette
thse on sintresse particulirement aux codes LDPC. Les optimisations bases sur lvolution des densits des messages changs ou sur les diagrammes EXIT consistent optimiser
les paramtres et la structure du code pour un rcepteur itratif donn. La conception de
rcepteurs itratifs pour certaines applications, de type WiFi titre dexemple doit respecter
la structure du code impose par la norme. De tels codes ne sont gnralement pas optimiss
pour des rcepteurs itratifs. En observant leffet du nombre des itrations dans le processus
itratif, on montre par simulation que lordonnancement des itrations LDPC/Turbo joue
un rle important dans la complexit et le dlai du rcepteur.Nous proposons de dfinir
des ordonnancements des itrations internes (dcodage LDPC) et des itrations externes
(turbo-galisation) afin de rduire la complexit globale du rcepteur. Deux approches sont
proposes, une approche statique base sur des ordonnancements prdfinis et une autre approche dynamique base sur des mtriques de fiabilit. Les rsultats montrent une rduction
significative de la complexit globale du rcepteur en utilisant les ordonnancements.
Dans un deuxime temps nous considrons un systme multi-utilisateur avec un accs
multiple par rpartition spatiale (SDMA). Nous nous proposons dvaluer lintrt de la
rception itrative dans ce contexte en tenant en compte la diffrence de puissance entre les
signaux utile et interfrent.

Abstract
The aim of this thesis is to address the design of iterative MIMO receivers using LDPC
Error Correcting codes. MIMO techniques enable capacity increase in wireless networks without needing additional frequency ressources due to their spatial dimension. The association
of MIMO with multicarrier modulation techniques OFDM made them the cornerstone of
emerging high rate wireless networks.
Optimal reception can be achieved using joint detection and decoding at the expense of a
huge complexity making it impractical. Disjoint reception is then the most used scheme but
this latter shows a significant degradation in performance due to the separation of detection
and decoding. Between these solutions, turbo-equalization appeared to be an attractive
solution able to approach the performance of joint reception with a reduced comlplexity.
Error correcting codes optimization for iterative receivers has been addressed notably
convolutional, turbo and LDPC codes. We consider LDPC codes. The most known LDPC
optimisation techniques are based on density evolution of the messages and EXIT charts.
These techniques enable defining code structure and parameters to best fit with in an iterative receiver.
The design of iterative receivers for some applications using LDPC codes like Wifi (IEEE
802.11n) is constrained by the standard code structure which is generally not optimized such
kind of receivers. By observing the effect of the number of iterations on performance and
complexity we underline the interest of scheduling LDPC decoding iterations and turboequalization iterations. We propose to define schedules for the iterative receiver in order
to reduce its complexity while preserving its performance. Two approaches are used : static
scheduling based on predefined fixed rules and dynamic scheduling based on stopping criteria
using reliability metrics. The results show significant reduction in complexity.
The second part of this work is concerns Multiuser MIMO using Spatial Division Multiple
Access. We explore and evaluate the interest of using iterative reception to cancel residual
inter-user interference.

Remerciements
Je remercie dabord les membres du jury qui mont accord lhonneur dexaminer ce
travail, Mme M. HELARD davoir prsider le jury, Mr. M. JZEQUEL et Mme M.L. BOUCHERET davoir rapport ce travail ainsi que Mr. M. CHARBIT davoir particip au jury
en tant quexaminateur.
Jadresse mes remerciements lquipe CREM qui ma accueilli pendant ces trois ans
durant lesquels jai beaucoup appris au niveau technique mais galement partag de trs
beaux moments conviviaux et sportifs. Je remercie particulirement notre chef dquipe
Jean-Christophe RAULT qui ma soutenu, motiv et facilit laccs plusieurs vnements
et formations intressantes pour ma formation et mon projet professionnel. Je salue mon
collgue de bureau Jean-luc Sicre avec qui jai eu des changes et des discussions trs riches.
Je remercie spcialement mon directeur de thse Georges RODRIGUEZ-GUISANTES
pour son prcieux apport et sa bienveillance pour le bon droulement de ma thse, il a
toujours t prsent pour maider surmonter les difficults durant ces trois ans. Jadresse
galement mes sincres remerciements mes encadrants Orange Labs Pierre PENARD et
Laurent CARIOU qui mont beaucoup apport et qui mont toujours soutenu et conseill.
Georges, Pierre et Laurent, ont russi instaurer dans cette petite quipe un agrable climat
professionnel, coopratif et convivial.
Je noublie pas de dire GRAND MERCI mes collgues et amis Ali, Nahla, Gaetan,
Moussa, Dominique, Sanae, Lin, Christian, Rodolphe, Bruno, Jean-Claude, Bruno, Mohamed, Pierre, Redietab, Sinda, Alina, Lounes, Jean, Soline, Duy, Pierre-Antoine, Ibrahim,
Khalid et Serhal.
Je prsente mes sentiments de reconnaissance les plus profonds mes parents Ali et Mona
qui mont permis de poursuivre ce long chemin et qui mont transmis la passion dapprendre.
Jadresse mes remerciements ma fiance Kayane pour son inestimable amour et pour
tout ce quelle a fait pour moi.
Malgr les milliers de kilomtres qui nous ont spars de lautre ct de lAtlantique de
lautre cot la Mditerrane, mon frre Edriss et mes soeurs Roua, Malak et Zeinab ont
toujours t mes cts.

Table des matires


Introduction

15

1 Les systmes MIMO-OFDM


1.1 Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Canal de propagation . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1.1 Bande de cohrence : dfinitions ajustes . . . . . . . . . .
1.2.1.2 Temps de cohrence . . . . . . . . . . . . . . . . . . . . . .
1.2.1.3 Canal de rayleigh . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 galisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2.1 Dtection maximum de vraisemblance . . . . . . . . . . .
1.2.2.2 Dtection linaire . . . . . . . . . . . . . . . . . . . . . . .
1.2.3 La modulation OFDM . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.4 Les systmes multi antennes : le principe du MIMO . . . . . . . . .
1.2.5 Canal MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.6 Transmission MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.6.1 Le Multiplexage spatial . . . . . . . . . . . . . . . . . . . .
1.2.6.2 Le Codage spatio-temporel . . . . . . . . . . . . . . . . . .
1.2.6.3 Techniques MIMO avec connaissance du canal en mission
et rception . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.6.4 Techniques MIMO sans connaissance du canal . . . . . . .
1.2.7 MIMO-OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Dtecteurs MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Dtecteurs maximum de vraisemblance . . . . . . . . . . . . . . . .
1.3.1.1 Dtecteurs ML complexit rduite - Le Sphere Decoding .
1.3.2 Dtecteurs filtrage linaire . . . . . . . . . . . . . . . . . . . . . . .
1.3.3 Dtecteurs annulation dinterfrence . . . . . . . . . . . . . . . . .
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

21
21
21
21
23
24
25
25
25
26
26
31
31
32
33
34

.
.
.
.
.
.
.
.
.

35
36
36
38
38
38
40
41
41

2 Systme MIMO itratif et codage


2.1 Introduction . . . . . . . . . . . .
2.2 Codage canal . . . . . . . . . . .
2.2.1 Codes linaires en bloc . .
2.2.2 Turbo codes . . . . . . . .

.
.
.
.

43
43
43
44
45

LDPC
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

10
2.3

2.4

2.5
2.6
2.7

2.8

TABLE DES MATIRES


Les Codes LDPC . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Les codes LDPC rguliers . . . . . . . . . . . . .
2.3.2 Les codes LDPC irrguliers . . . . . . . . . . . .
2.3.3 Encodage LDPC . . . . . . . . . . . . . . . . . .
2.3.4 Dcodage LDPC . . . . . . . . . . . . . . . . . .
2.3.4.1 Algorithmes de dcodage drivs . . . .
2.3.4.2 Ordonnancement du dcodage LDPC .
Construction et optimisation des codes LDPC . . . . . .
2.4.1 volution de densit - Profils de connexion . . .
2.4.2 Les Diagrammes EXIT . . . . . . . . . . . . . .
2.4.3 Optimisation des codes LDPC par le diagramme
codes LDPC en Expansion . . . . . . . . . . . . . . . . .
Les codes LDPC non binaires . . . . . . . . . . . . . . .
Turbo-galisation . . . . . . . . . . . . . . . . . . . . . .
2.7.1 Dtection MIMO MMSE-IC . . . . . . . . . . . .
2.7.1.1 Solution exacte . . . . . . . . . . . . . .
2.7.1.2 Approximation MMSE-IC1 . . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . .

3 Ordonnancement statique du rcepteur


3.1 Introduction . . . . . . . . . . . . . . . . .
3.2 Contexte . . . . . . . . . . . . . . . . . . .
3.3 Rcepteur itrarif MMSE-IC LDPC . . . .
3.4 Entrelacement . . . . . . . . . . . . . . . .
3.5 Complexit . . . . . . . . . . . . . . . . .
3.5.1 Complexit LDPC . . . . . . . . .
3.5.2 Complexit MMSE-IC . . . . . . .
3.5.3 Application numrique . . . . . . .
3.6 Ordonnancement du rcepteur . . . . . . .
3.7 Ordonnancement statique . . . . . . . . .
3.7.1 Nombre ditrations externes . . .
3.7.2 Diagrammes EXIT du code LDPC
3.7.3 Ordonnancement propos . . . . .
3.8 Conclusion . . . . . . . . . . . . . . . . . .

. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
EXIT
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .

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

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

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

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

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

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

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

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

45
47
47
48
49
50
51
52
52
52
54
56
57
57
57
58
59
60

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

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

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

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

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

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

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

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

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

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

63
63
63
64
64
65
65
66
67
69
70
70
71
72
74

4 Ordonnancement dynamique du rcepteur


4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Ordonnancement dynamique . . . . . . . . . . . . . . . . . . .
4.3 volution de la fiabilit avec les itrations . . . . . . . . . . .
4.4 Critres darrt . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Critre du premier maximum - FMMR . . . . . . . . .
4.4.2 Critre de la fiabilit moyenne constante - CMR . . . .
4.4.3 Pondration de la fiabilit moyenne . . . . . . . . . . .
4.4.3.1 Mean Reliability On Information bits - MRI

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

79
79
79
80
82
82
82
82
83

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

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

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

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

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

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

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

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

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

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

11
.
.
.
.
.
.
.

.
.
.
.
.
.
.

83
83
84
88
89
89
89

5 Le MIMO multi-utilisateur (Xuser MIMO)


5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Accs Multiple par Division Spatiale ou MU-MIMO . . . . . . . . . . . . . .
5.2.1 Prcodage et beamforming . . . . . . . . . . . . . . . . . . . . . . . .
5.3 Scnarios dinterfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.1 Retour dinformation sur linterfrence . . . . . . . . . . . . . . . . .
5.3.2 Annulation itrative de linterfrence entre utilisateurs . . . . . . . .
5.3.2.1 Schma PIC-SIC . . . . . . . . . . . . . . . . . . . . . . . .
5.4 La connaissance des MCS des interfreurs . . . . . . . . . . . . . . . . . . .
5.4.1 Classification de modulation . . . . . . . . . . . . . . . . . . . . . . .
5.4.2 Classification du rendement de codage . . . . . . . . . . . . . . . . .
5.5 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5.1 Cas 2x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5.2 Cas 4 x 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6 Effet du dcodage LDPC sur les performances du rcepteur multi-utilisateur
5.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

91
91
91
92
94
94
95
96
97
97
98
98
98
100
101
102

4.5

4.6

4.4.3.2 Weighted Mean Reliability - WMR .


4.4.3.3 Weighted Penalized Mean Reliability
Simulations . . . . . . . . . . . . . . . . . . . . . . .
4.5.1 Premire itration externe . . . . . . . . . . .
4.5.2 Quatrime itration externe . . . . . . . . . .
4.5.3 Comparaison des ordonnancements . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.

. . . . .
WPMR
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

6 Conclusions et Perspectives

107

Glossaire

111

Notations
113
6.1 Notations mathmatiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A Calcul des vecteurs dgalisation optimaux selon le
A.1 Minimum Mean Square Error . . . . . . . . . . . . .
A.2 galisation linaire . . . . . . . . . . . . . . . . . . .
A.3 Minimum Mean Square Error - Interference Canceler

critre MMSE
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .

115
. 115
. 116
. 117

B Codes LDPC
121
B.1 Codes LDPC de Gallager . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
B.2 Density Evolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
B.3 Matrices de codes LDPC de la norme IEEE 802.11n . . . . . . . . . . . . . . 124
C Publications

127

12

TABLE DES MATIRES

Index

129

Bibliographie

138

13

Table des figures


1.1
1.2
1.3
1.4
1.5

Chane de transmission numrique


Bande de cohrence du canal radio
Intervalle de garde . . . . . . . . .
Modulation/Dmodulation OFDM
Systme MIMO (Nt ,Nr ) . . . . . .

.
.
.
.
.

22
24
27
28
32

2.1
2.2

Turbo Encodage/dcodage . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Graphes de Tanner de codes LDPC rgulier (dv = 2, dc = 4) et irrgulier
((x) = (1/12).x + 8/12.x2 + 3/12.x3 , (x) = (3/12).x3 + (4/12).x4 + (5/12).x5 )
Dcodage LDPC par propagation de croyance . . . . . . . . . . . . . . . . . .
La fonction f (x) = f 1 (x) = ln[tanh(x/2)] . . . . . . . . . . . . . . . . . .
Representation du dcodeur en deux sous-blocs VND et CND . . . . . . . . .
Representation du dtecteur et deux sous-blocs VND et CND . . . . . . . . .
Diagramme EXIT de deux entits . . . . . . . . . . . . . . . . . . . . . . . . .

46

2.3
2.4
2.5
2.6
2.7
3.1
3.2

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Rcepteur MIMO OFDM itratif . . . . . . . . . . . . . . . . . . . . . . . .


Performance du rcepteur MMSE-IC 4x4 pour diffrentes valeurs de Ne avec
50 itrations LDPC dans boucle externe . . . . . . . . . . . . . . . . . . . .
3.3 Calcul des caractristiques EXIT . . . . . . . . . . . . . . . . . . . . . . . .
3.4 Courbe EXIT du code LDPC, Rendement 1/2, 1296 bits pour diffrents
nombres ditrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 Courbe EXIT du code LDPC, Rendement 2/3, 1296 bits pour diffrents
nombres ditrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Courbe EXIT du code LDPC, Rendement 1/2, 1944 bits pour diffrents
nombres ditrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Diagramme EXIT du MMSE-IC 4x4 QPSK, pour differentes valeurs SNR .
3.8 Itrations LDPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9 Performances des ordonnancements, composante N1 . . . . . . . . . . . . .
3.10 Performances des ordonnancements, composante N2 . . . . . . . . . . . . .
3.11 Performances des ordonnancements, composante N3 . . . . . . . . . . . . .
4.1
4.2
4.3

48
50
51
54
54
55

. 65
. 70
. 71
. 72
. 73
.
.
.
.
.
.

74
75
75
76
76
77

volution de la fiabilit MR au cours des itrations 4dB . . . . . . . . . . 80


volution de la fiabilit MR au cours des itrations 2dB . . . . . . . . . . 81
volution de la fiabilit MR au cours des itrations 1 dB . . . . . . . . . . 81

14
4.4
4.5
4.6
4.7
4.8
4.9
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12

TABLE DES FIGURES


Performances des diffrents critres darrt dans un rcepteur non itratif,
MIMO 4x4, LDPC R = 1/2, N = 1296 bits . . . . . . . . . . . . . . . . . .
Performances des diffrents critres darrt dans un rcepteur itratif, MIMO
4x4, LDPC R = 1/2, N = 1296 bits . . . . . . . . . . . . . . . . . . . . . . .
Nombre moyen ditrations la 1ere boucle externe pour les critres FMMR,
CWMR et CWPMR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Nombre moyen ditrations la 1re boucle externe pour les critres SC, CMR
et CMRI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Nombre moyen ditrations la 4me boucle externe pour les critres FMMR,
CWMR and CWPMR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Nombre moyen ditrations la 4e boucle externe pour les critres SC, CMR
and CMRI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Transmission SDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Accs multiple SDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Interfrence entre utilisateurs . . . . . . . . . . . . . . . . . . . . . . . . . .
Rcepteur MIMO-OFDM multi-utilisateur itratif . . . . . . . . . . . . . . .
2x2 MU-MIMO, SIR 0 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2x2 MU-MIMO, SIR 1 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2x2 MU-MIMO, SIR 3 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4x4 MU-MIMO, SIR 0 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4x4 MU-MIMO, SIR 1 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4x4 MU-MIMO, SIR 2 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4x4 MU-MIMO, SIR 3 dB . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4x4 MU-MIMO SIR 0 dB, dcodage LDPC pour linterfreur activ partir
de la quatrime itration externe uniquement . . . . . . . . . . . . . . . . .
5.13 4x4 MU-MIMO SIR 2 dB, dcodage LDPC pour linterfreur activ partir
de la quatrime itration externe uniquement . . . . . . . . . . . . . . . . .
5.14 4x4 MU-MIMO SIR 0 dB, dcodage LDPC pour linterfreur partir de la
dernire itration externe uniquement . . . . . . . . . . . . . . . . . . . . .

. 85
. 85
. 86
. 87
. 87
. 88
.
.
.
.
.
.
.
.
.
.
.

92
94
95
97
99
99
100
101
103
103
104

. 104
. 105
. 105

15

Liste des tableaux


3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.1

Complexit du dcodage LDPC . . . . . . . . . . . . . . . . . . . . . . . . . .


Complexit du dcodage LDPC . . . . . . . . . . . . . . . . . . . . . . . . . .
Algorithme MMSE-IC sous sa forme exacte pour un bloc de Q symboles galiss
Complexit (nombre doprations) de la mise en oeuvre du MMSE-IC sous sa
forme exacte pour un bloc de Q symboles galiss . . . . . . . . . . . . . . . .
Algorithme MMSE-IC1 pour un bloc de Q symboles galiss . . . . . . . . . .
Complexit (nombre doprations) de la mise en oeuvre du MMSE-IC1 pour
un bloc de Q symboles galiss . . . . . . . . . . . . . . . . . . . . . . . . . .
Nombre doprations effectues pendant une seule itration BP puis 50 itrations de dcodage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Complexit de calcul des algorithmes MMSE-IC et MMSE-IC1 pour un bloc
de Q symboles galiss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Complexit de calcul des algorithmes MMSE-IC et MMSE-IC1 pour un bloc
de N/(Q.m) symboles galiss . . . . . . . . . . . . . . . . . . . . . . . . . . .

65
66
66
67
67
68
68
68
69

Complexit de calcul des mtriques de fiabilit . . . . . . . . . . . . . . . . . . 84

A.1 Rgles de drivation vectorielle . . . . . . . . . . . . . . . . . . . . . . . . . . 115

16

Introduction

17

Introduction
Le secteur des tlcommunications vit dans ces dernires annes des avances spectaculaires. De nouveaux concepts apparaissent soutenus par des technologies de plus en plus
performantes et miniaturises. Il est dsormais connu que les services data dominent
largement le service parole traditionnel qui devient un simple lment parmi une large
gamme de services commercialiss. Bien que les modes de transmission en paquets existaient
dans les premires gnrations du mobile (2G, GPRS, EDGE..), leur usage est rest relativement limit. Dune part les dbits offerts taient insuffisants pour lusage dapplications
de donnes avec une qualit de service acceptable, et dautre part les terminaux mobiles
avaient des ressources trs limites vis--vis de lexigence des ces applications. Aujourdhui
les rseaux mobiles de troisime gnration sont capables de rpondre aux besoins de ces
applications. Derrire cette monte de la consommation des services numriques se tient
essentiellement la nouvelle gnration de terminaux du type Smartphones ou aussi les tablettes . En effet, ces nouveaux terminaux portables quips de nouveaux processeurs de
plus en plus puissants en terme de capacit de traitement sont comparables aux ordinateurs portables. Ils deviennent les terminaux prfrs des professionnels, des tudiants et
des voyageurs.
Cette demande en augmentation continue conduira, dans le court terme, la saturation
des rseaux de communications. Ainsi, laugmentation des capacits des rseaux devient imprative. Larrive sur les marchs des nouveaux rseaux haut dbit du type LTE/LTE-A,
rpond cette ralit. Les oprateurs profitent des performances satisfaisantes des rseaux
locaux sans fil, comme le WiFi, qui permettent le dploiement de rseaux locaux, pouvant
contribuer une diminution de la charge des rseaux mobiles. De mme, les rseaux de tldiffusion peuvent aujourdhui soutenir les rseaux mobiles en assurant des services vido lors
de grands vnements. Ces solutions de convergence entre les rseaux restent transparentes
pour lutilisateur. Elles sont devenues possibles grce des terminaux multi-standards.
La conception de systmes radio plus grande capacit tait envisageable par laugmentation des ressources spectrales qui lui sont alloues. Avec la multiplicit des technologies et
des systmes de communications radio et leur rgulation, le spectre frquentiel est devenu
une ressource rare et en consquence chre. Loptimisation de lefficacit spectrale devient
un enjeu majeur du secteur et des organismes de standardisation.
Des considrations dordre environnemental et/ou sanitaire ajoutent des nouvelles contraintes de conception. La consommation lectrique des quipements et des terminaux devient un double enjeu, les constructeurs sintressent de plus en plus concevoir des quipements faible consommation labelliss green. En mobilit, la consommation lectrique et

18

Introduction

lautonomie des terminaux restent parmi les principaux facteurs de succs.


Dans ce contexte multicontraint, lusage des techniques antennes multiples du type
MIMO reoivent un grand intrt grce leur dimension spatiale. En effet, cette dimension peut tre exploite pour augmenter la capacit et/ou la fiabilit des systmes radio grce
des schmas de multiplexage et de codage espace-temps adquats, sans avoir besoin de
ressources frquentielles additionnelles ni dune augmentation de la puissance de transmission. Lassociation des techniques MIMO des modulations multiporteuses de type OFDM
perfectionnes est la pierre angulaire des nouveaux rseaux daccs (LTE, WiMax, WiFi...).
Ceci est d dune part la robustesse de lOFDM vis--vis des interfrences sur le canal
radio, et dautre part la possibilit dutiliser des schmas daccs multiple qui combinent
la dimension spatiale et frquentielle.
La mise en uvre des techniques de rception MIMO optimales et leur association avec
des schmas de codage correcteur derreurs introduisent des contraintes dordre pratique, notamment la complexit et la latence de traitement. Des solutions alternatives performantes,
mais surtout trs complexes, sont devenues possibles grce la gnralisation du principe
turbo , appliqu au dcodage itratif ou lgalisation. Le principe turbo a galement
permis de remettre en vie certains codes correcteurs notamment les codes Low Density Parity Check (LDPC), avec des performances proches aux limites fondamentales. Ces types
de codes reoivent aujourdhui un grand intrt, et prennent une place de plus en plus importante dans les nouvelles normes. Bien que moins complexe, la turbo-galisation ncessite
dtre optimise pour devenir envisageable dans des applications pratiques.

Dans ce travail de thse, nous nous sommes intresss la conception des rcepteurs
itratifs pour des systmes du type MIMO-OFDM auxquels on associe un codage correcteur
derreur du type LDPC. Nous tudions les techniques doptimisation de ce type de rcepteur
notamment son association au codage. Dans un premier temps nous avons tudi le cas monoutilisateur, en ciblant en particulier lpineux problme de loptimisation des itrations. Dans
un deuxime temps, nous avons explor le cas MIMO multi-utilisateurs, et plus prcisment
lgalisation multi-utilisateur en liaison descendante.
Ce rapport de thse prsente les rsultats obtenus de cette analyse. Il est organis de la
faon suivante.
Dans le chapitre 1, nous rappelons certaines notions de base lies au canal radio. Nous
introduisons les techniques de modulation multiporteuses OFDM, les systmes MIMO et
lassociation de ces deux techniques, en les comparant par rapport aux techniques existantes.
Dans le chapitre 2 nous considrons dabord le codage correcteur derreur, nous rappelons
certaines notions de codage et nous nous intressons aux codes LDPC, leur construction,
leurs algorithmes de codage/dcodage et leur optimisation. Ensuite nous introduisons la
rception MIMO itrative, en considrant son association avec le codage LDPC. Nous dcrivons les techniques doptimisation notamment celles bases sur les diagrammes EXIT.

19
Nous analysons dans le chapitre 3 la complexit globale du rcepteur et nous introduisons
la notion dordonnancement des itrations de dcodage et de turbo-galisation afin de rduire
le nombre ditrations effectues diminuant ainsi la complexit, le dlai et la consommation
lectrique du rcepteur. Une approche statique base sur les diagrammes EXIT est utilise
dans ce chapitre.
Une approche dordonnancement dynamique flexible est introduite dans le chapitre 4.
En utilisant des mtriques de fiabilit, le dcodeur LDPC est amen prendre une dsicion
darrt, pour profiter dune nouvelle tape dgalisation. Cette approche sera compare
lapproche statique du chapitre 3 en termes de performances et de complexit.
Dans le chapitre 5, nous explorons la possibilit dutiliser la dtection multi-utilisateur
dans la voie descendante pour un systme MIMO multi-utilisateur, afin de supprimer ou rduire limpact de linterfrence entre les utilisateurs. La connaissance de certains paramtres
de la transmission peut tre ncessaire, nous discuterons ces cas de figure ainsi que deux
scnarios de rduction de linterfrence.
Nous terminons ce manuscrit par une conclusion gnrale sur les ides proposes dans
les chapitres. Nous prsenterons aussi quelques perspectives pouvant conduire des futurs
travaux.

20

Introduction

21

Chapitre 1

Les systmes MIMO-OFDM


1.1

Avant-propos

Dans ce premier chapitre, nous rappelons quelques notions thoriques de base sur les
communications numriques, ainsi que les modles thoriques des canaux de propagation.
On reprend galement la modulation multi-porteuse OFDM en considrant un canal entre
et sortie uniques (SISO). Dans la suite on considre les systmes multiantenne (MIMO), leur
apport, les diffrents algorithmes de dtection ainsi que leur association avec la modulation
OFDM.

1.2

Gnralits

La transmission fiable dun message ncessite une srie de traitements en mission afin
de prparer le signal et ladapter au canal de propagation, ainsi quune srie de traitements
inverses en rception afin de retrouver le message dorigine et de supprimer les diffrentes
nuisances causes par la transmission et la propagation.
La figure (1.1) montre une chane de transmission avec les principales oprations en
bande de base, le codage, la modulation, lgalisation ainsi que les oprations de conversion
et damplification permettant le passage en haute frquence. Le choix des techniques de
transmission dans les systmes numriques est surtout impos par le canal de propagation
correspondant, et par certaines contraintes de mise en oeuvre et de cot de fabrication. En
plus, la conception des traitements en bande de base et de linterface analogique/numrique
ne peut pas tre faite dune manire compltement disjointe. En effet le traitement en bande
de base doit faire face des phnomnes susceptibles dapparatre dans le domaine analogique
dont on cite, titre dexemple, les effets de la non-linarit des amplificateurs de puissance.
On sintresse dans ce qui suit uniquement aux effets du canal radio.

1.2.1

Canal de propagation

Le modle de canal le plus simple est le modle additif blanc gaussien (AWGN) dans lequel un bruit alatoire complexe nk sajoute au symbole mis. Les parties relle et imaginaire

22

1. Les systmes MIMO-OFDM

Figure 1.1 Chane de transmission numrique


de nk sont dcorrles et ont une distribution gaussienne N (0, n2 /2).
rk = s k + n k

(1.1)

Le modle gaussien nest pas adapt au canal radio, et dautres modles plus reprsentatifs de la ralit ont t considrs et peuvent tre classs en deux grandes catgories, les
modles thoriques et les modles physiques construits partir de mesures.
Pour les transmissions courte distance et faible puissance, le canal peut tre modlis
par un filtre linaire de rponse impulsionnelle h(t) :
h(t) =

LX
c 1
l=0

hl .(t l )

(1.2)

hl sont les coefficients du canal caractriss par leurs coefficients dattnuation |hl | et leurs
phases l , l sont les retards respectifs et Lc la dure de la rponse impulsionnelle correspondant la dispersion temporelle en dures symboles. Dans le domaine frquentiel le canal
peut tre dcrit et sous forme discrte par :
H(f, k) =

LX
c 1

hl,k .ej2lf Ts

(1.3)

l=0

P c 1
2
Le gain du canal est dfini par : ||hk ||2 = L
l=0 |hl,k | .
Si des symboles indpendants sk de variance s2 = E(|sk |2 ) et de dure Ts chacun sont
transmis sur le canal, en prsence de bruit additif gaussien N (0, n2 ), le signal reu en sortie
du canal scrit :
rk =

LX
c 1
l=0

hl,k .skl + nk

(1.4)

23
Considrons les symboles rk reus durant N dures symbole. Les N quations correspondantes scrivent sous la forme matricielle suivante :

rk
..
.
..
.
..
.
rkN +1

h0,k
...
hLc 1,k
0
...
0

sk


..

sk1
.
0
h1,k+1
hLc 1,k

0 h0,k+1

+
= .
..

..
..
..
..
..

.
.
.
.

skN Lc +1
0
...
h0,k+N 1 h1,k+N 1 . . . hLc 1,k+N 1

rk = Hk .sk + nk

nk
nk1
..
.
..
.

nkN +1

(1.5)

(1.6)

o :
sk CN +Lc 1 ,
nk CN ,
rk CN ,
Hk CN (N +Lc )
.
En rception, le rapport signal sur bruit SNR scrit :
E|
SN R =

1.2.1.1

PLc 1

hl,k .s2kl |
||hk ||2 .s2
=
E|nk |2
n2

l=0

(1.7)

Bande de cohrence : dfinitions ajustes

La dispersion temporelle du canal peut tre dfinie comme tant le retard maximal
max = Lc .Ts . Cette dispersion fait que les diffrentes composantes frquentielles dun mme
signal subissent des attnuations et des dphasages diffrents, on parle alors de slectivit
frquentielle. On dfinit la bande de cohrence Bc dun canal comme tant le plus grand intervalle frquentiel dans lequel la rponse frquentielle du canal peut tre considre constante.
Plus la dispersion temporelle du canal est importante plus le canal est slectif et plus la
bande de cohrence est troite.
La figure (1.2) montre un exemple de la rponse frquentielle dun canal radio. cause
des trajets multiples pris par le signal, des vanouissements peuvent avoir lieu induisant une

24

1. Les systmes MIMO-OFDM

Figure 1.2 Bande de cohrence du canal radio


variation importante de lattnuation en fonction de la frquence. La bande de cohrence Bc
est dfinie comme lintervalle frquentiel sur lequel la rponse du canal est quasi constante :
Bc

1
max

Dautres valuations de la bande de cohrence existent en fonction du taux de corrlation


entre les diffrentes composantes frquentielles [1]. Pour un signal dont la bande passante
est B, le canal de propagation est considr comme non slectif si :
B << Bc
1.2.1.2

i.e

max << Ts

Temps de cohrence

La rponse impulsionnelle du canal peut varier en fonction du temps. En effet, dans un


canal radio, les mouvements des obstacles, de lmetteur et/ou du rcepteur sont lorigine
de cette variation on parle donc de canal slectif en temps. Dans le cas o le canal varie,
la frquence du signal mis nest pas la mme que celle du signal reu. Cette diffrence de
frquence appele frquence Doppler fd , dpend de la vitesse v du mobile, de la frquence
porteuse fp , et de langle entre le faisceau reu et laxe de dplacement du rcepteur.
fd =

fp .v. cos
.
c

Le temps de cohrence Tc est lintervalle temporel durant lequel les paramtres du canal
(|hl |, l et l ) restent invariants [2]. Plusieurs dfinitions du temps de cohrence en fonction
de la frquence Doppler existent selon lordre de slectivit du canal, une des dfinitions
utiles est :
1
Tc .
fd

25
1.2.1.3

Canal de rayleigh

Le canal radio induit des trajets multiples. Avec un grand nombre de signaux rflchis
on peut modliser ce phnomne par un gain instantan hl , un coefficient complexe dont les
parties relle et imaginaire sont des variables alatoires gaussiennes, centres, indpendantes
et de mme variance 2 . Leffet multitrajet est effectivement un inconvnient, mais cest
aussi un avantage trs important puisque la prsence de rflexions et de diffractions trs
nombreuses permet de raliser une transmission radio mme si le rcepteur et lmetteur ne
disposent pas de trajet direct entre eux. Le module de hl suit une distribution de Rayleigh
avec densit de probabilit :
P () =

1.2.2

.exp
2

(1.8)

galisation

La transmission sur un canal dispersif induit des interfrences entre les symboles. En
rception une tape dgalisation devient indispensable fin de rduire limpact de ces interfrences. Lusage dune modulation multi-porteuse permet dviter les interfrences entre
symboles, mais une tape dgalisation reste ncessaire pour supprimer les rsidus dinterfrence surtout dans le cas o le canal est trs slectif ou le nombre de sous-porteuses nest
pas suffisamment lev pour considrer que le canal rencontr par chaque sous-porteuse est
plat. Nous exposerons dans la suite les principaux dtecteurs utiliss dans la pratique.
1.2.2.1

Dtection maximum de vraisemblance

Le critre de dtection optimale est le maximum de vraisemblance (ML) qui consiste


dterminer la squence s la plus proche de la squence mise s partir de lobservation r
de taille M symboles appartenant une constellation A. En prsence de bruit AWGN, ce
critre se rduit la condition suivante :

s = arg min kr sk2


sAM

(1.9)

Le critre de dtection Maximum A-Posteriori (MAP) dune squence s consiste maximiser la probabilit de dtecter s tant reue la squence r.

sMAP = arg min P r(s/r)


sAM

MAP

= arg min P (r/s).P (s)/P (r)


sAM

MAP

= arg min P (r/s).P (s)

sAM

MAP

= arg min P (r/s)


sAM
MAP

=
sML

26

1. Les systmes MIMO-OFDM

Ceci veut dire que quand les squences s sont quiprobables, les critres MAP et ML sont
quivalents. Le calcul du MAP est possible partir de lalgorithme BCJR [3]. Bien que plus
complexe que le ML, lalgorithme MAP est particulirement intressant grce linformation
souple disponible en sortie, ncessaire pour la concatnation avec le dcodage canal. Notons
que le critre ML ne minimise pas la probabilit derreur par symbole [4], [5].
1.2.2.2

Dtection linaire

cause de la grande complexit de la recherche exhaustive, la dtection linaire a gagn


beaucoup dintrt. Elle consiste en un filtrage linaire du signal reu, offrant ainsi une
simplicit de mise en oeuvre au cot dune perte en performances. Les principales techniques
de dtection linaire sont le Forage Zro (ZF) et le Minimum de lErreur Quadratique
Moyenne (MMSE).
Le forage zro garantit la suppression de linterfrence entre symboles (ISI) aux instants dchantillonnage en appliquant un filtre linaire PZF la squence reue r avec h la
rponse impulsionnelle du canal :
PZF = (h.hh )1 .h

(1.10)

Ses principaux avantages sont sa simplicit et la non-ncessit destimer le rapport signal


sur bruit. Cependant le forage zro amplifie aussi le bruit ce qui dgrade les performances.
La dtection MMSE consiste appliquer au signal reu un filtre linaire PM M SE qui
minimise lerreur quadratique moyenne aux instants dchantillonnage entre les symboles
galiss et les symboles transmis.
PM M SE = (h.hh +

n2 1
) .h
s2

(1.11)

Les expressions dtailles de ces types dgalisation seront prsentes plus en dtails plus
tard dans ce chapitre.

1.2.3

La modulation OFDM

Par rapport aux modulations monoporteuses, les modulations multiporteuses prsentent


lavantage damliorer lefficacit spectrale. Les premires tudes ([6] et [7]) sur les modulations multiporteuses ont vu le jour la fin des annes 50. Quelques annes plus tard R.W.
Chang et R.A. Gibby [8] introduisirent les signaux orthogonaux bande limite ce qui sera
appel OFDM , . Ce moyen de transmission fut ignor pendant de nombreuses annes,
pour des raisons de complexit de mise en oeuvre. Lusage dalgorithmes rapides de type
(IFFT/FFT) ne sera propos que plus tard [9], avec des rductions trs significatives en
complexit. Peled et Ruiz [10] proposeront une version modifie (CP-OFDM) consistant
allonger la dure du symbole OFDM par linsertion dun intervalle de garde (cyclique).
Grce ses bonnes performances et sa complexit raisonnable, lOFDM a t retenue dans
plusieurs standards tels que les standards de diffusion numrique (DAB, DVB), les normes
filaires (ADSL, PLC) et les rseaux locaux sans fil (WiFi, WiMax, etc).

27
Le principe de lOFDM consiste diviser le flux binaire haut dbit en N sous-flux
binaires bas dbit, ports par Nsp sous-porteuses, ayant chacune une largeur de bande infrieure la bande de cohrence du canal (figure 1.2). Sur chaque sous-porteuse, le canal
peut tre considr comme non slectif. La rpartition des symboles sur (N = Nsp = NF F T )
sous-porteuses revient donc multiplier la dure dun symbole par Nsp , donc rduire le rapport (talement du canal/dure symbole). Naturellement, certaines sous-porteuses seront
fortement attnues alors que dautres le seront moins.
Lors dune transmission sur un canal trajets multiples, la simple division de la bande
passante en sous-bandes (OFDM) ne suffit pas mitiger ces effets. Ainsi, une version modifie
de lOFDM a t propose. Elle consiste attendre la fin de la transmission du k-ime
symbole OFDM avant dmettre le symbole suivant (k+1). Ceci revient insrer un intervalle
de garde de taille suprieure ou gale au dlai de propagation maximal du canal, cet intervalle
ne contient pas dinformation utile.

Figure 1.3 Intervalle de garde


Linsertion dun intervalle de garde de dure suprieure ltalement maximum des
retards du canal permet de saffranchir de linterfrence entre symboles (ISI) en absorbant
linterfrence provenant du bloc p 1 (figure 1.3).
Dans [10], les auteurs proposent linsertion dun prfixe cyclique dans cet intervalle de
garde, afin de supprimer linterfrence entre porteuses. Ceci consiste recopier la fin du
symbole OFDM et la placer au dbut du bloc. La matrice de canal devient alors circulante.
Cette forme circulante de la matrice permet de la transformer en une matrice diagonale dans
la base de Fourier et simplifie ainsi lgalisation.
La figure (1.4) montre le schma du principe de modulation et de dmodulation OFDM.
En mission une conversion srie/parallle de taille N est ncessaire afin de produire des
blocs de N symboles. Ensuite, une transforme de Fourier inverse (IFFT) de taille NF F T
est applique. Finalement, un intervalle de garde cyclique de taille est insr en dbut
de chaque bloc OFDM. Cet intervalle de garde contient une copie des derniers symboles
du bloc. Ceci induit videmment une perte en efficacit spectrale et constitue le principal
inconvnient de cette technique. part sa robustesse aux effets dinterfrences, lOFDM offre

28

1. Les systmes MIMO-OFDM

une flexibilit dans lallocation des ressources (ex : OFDMA), cependant elle reste sensible
la synchronisation et souffre du facteur de crte (PAPR) [11].

Figure 1.4 Modulation/Dmodulation OFDM


Soit Xp le vecteur de symboles en entre du modulateur OFDM. En utilisant une reprsentation matricielle de la (IFFT)[12], on peut tablir :
xp = FH .Xp

(1.12)

o :
Xp = [X0 . . . XNF F T 1 ]
xp = [x0 . . . xNF F T 1 ]
et FH reprsente la matrice de Fourier
Le signal OFDM la cadence 1/T = N/T s scrit :
x(m) =

N
X

Xk ej2km/N

k=0

0mN 1

(1.13)

Aprs lajout du prfixe cyclique au dbut du bloc, le vecteur transmis est :

xp (N + 1)

..

xp (N )

xp =

xp (1)

..

(1.14)

xp (N )

Reprenons le modle SISO appliqu un canal slectif en frquence, soit lquation (1.5).
On considre la transmission de bloc dinformation de taille N + . En supposant que le

29
canal de propagation est constant dans le temps (hl,k = hl ), le pieme bloc de symboles reu

r(p) CN +1 aprs transmission sur un canal L trajets correspond au produit matriciel


entre la matrice de Toeplitz reprsentative du canal et le vecteur de symboles dpendant
la fois du bloc p et du bloc prcdent p 1 :

xp1 (N + L + 1)

..
h(L 1) . . . h(0)
0

..
..
..


.
.
.
xp1 (N + )
0

.
.
.
x
(1)


.
.
.
p

.
.
.
0

..

0
h(L 1) . . . h(0)
rp (N + )
xp (N + )

np (1)

..

..
+
(1.15)
.

..

.
np (N + )

rp (1)
..
.
..
.
..
.

Linsertion du prfixe cyclique rend la matrice du canal circulante et lquation (1.15)


scrit comme suit :

. . . h(1)

..
xp (1)
np (1)
.

..
..

..
.
.

.
.
.
.

..
..
.
.

.
.

.
.

.
.

..
.
.

.
0
xp (N + )
np (N + )
..
. h(0)
(1.16)
En rception, lintervalle de garde situ en dbut de bloc est dabord supprim. Il est
donc possible dliminer les symboles provenant des blocs antrieurs si L. On obtient
dans ce cas le vecteur r(p) suivant :


rp ( + 1)
rp (1)

..
..

.
.

..
.
..
(1.17)

. =

..
..

.
.
rp (N + )
rp (N )
h(0)
0 . . . h(L 1)
..
.. ..

rp (1)
.
.
.


..

..
..
.


.
.
h(L 1)


..

=
.
.
.
..
..


..


..
.. ..
.
.
.
.

rp (N + )
..
. 0 h(L 1)
0

Comme H est une matrice circulante, elle est diagonale dans la base de Fourier.

30

1. Les systmes MIMO-OFDM

H0 0

Rp = 0 H 1
..
..
.
.
0
0

Rp = F.rp + np

(1.18)

Rp = F.H.FH .Xp + np

(1.19)

..

..

..

.
0


np (1)
Xp (1)


.
0
.. ..
. .
..
. .
.
0
.. + ..



..
.
0 .. ..
. .
0 HN 1
np (N )
Xp (N )

..

(1.20)

o les Hk sont les chantillons de la rponse frquentielle du canal :


Hk =

LX
t 1
l=0

hl exp

j2lk 
N

Le symbole reu sur la k-ime porteuse du bloc p vaut :

Rp (k) = Hk Xp (k) + nk

(1.21)

o nk est un terme de la FFT du bruit. La transforme de Fourier tant une opration


unitaire, le signal nk suit la loi N (0, n2 ). On obtient ainsi une relation linaire entre le
signal mis et le signal reu, signifiant que lISI ainsi que lICI ont bien t supprims. En
supposant que le rcepteur possde une estimation
hk de hk , une estimation du signal mis,
x
k (p) sobtient facilement en procdant une galisation ZF :

p (k) = Hk Rp (k)
X
|Hk |2

(1.22)

max
<N
Ts

(1.23)

Comme on peut le voir, une simple galisation ZF permet de rcuprer les symboles OFDM
sans le besoin destimer le rapport SNR.
Dans la dmonstration prcdente, nous avons suppos le canal constant dans le temps.
Les quations prsentes restent valables si le canal ne varie pas sur la dure dun symbole
OFDM. Cette hypothse peut tre vrifie en dimensionnant la taille de la FFT en fonction
du temps de cohrence du canal. Si cette hypothse nest plus vrifie, la matrice rsultante
ne sera plus diagonale et des termes dICI apparatront. Le dimensionnement de lintervalle
de garde est galement fonction du canal. On doit avoir :

videmment plus lintervalle de garde sera choisi grand plus la perte en efficacit spectrale
sera importante. On trouvera dans [13] une optimisation du choix des paramtres OFDM.
Les performances optimales dun systme OFDM sur un canal de Rayleigh multitrajets sont quivalentes aux performances dun systme monoporteuse sur canal thorique de
Rayleigh i.i.d. vanouissements plats.

31

1.2.4

Les systmes multi antennes : le principe du MIMO

Le principe de diversit a fait ses preuves daugmentation de la robustesse et de la fiabilit des liens radio. Lorsque le rcepteur reoit plusieurs versions (aussi appeles branches)
du signal mis, on parle de diversit. Sur un canal vanouissements indpendants, la probabilit que les vanouissements arrivent en mme temps devient nettement infrieure ce
qui rend le lien plus robuste et plus fiable. Les vanouissements peuvent tre dpendants
du temps (slectivit temporelle), de la frquence (slectivit frquentielle) ou de lespace ;
il est alors possible dutiliser la diversit dune manire adapte chaque cas. Les diversits,
temporelle (ajout de redondance par codage) et frquentielle cotent une perte en efficacit
spectrale do lintrt de la diversit spatiale apporte par lusage dantennes multiples en
mission et en rception. Lintrt remarquable des systmes MIMO rside dans le fait quil
permet de raliser des gains sans aucune ressource frquentielle ou temporelle additionnelle
ce qui signifie une meilleure exploitation du spectre.
Jusquau dbut des annes 90, lusage dantennes multiples tait dans le but de lexploitation du rapprochement des antennes afin dadapter les diagrammes de rayonnement de
lensemble (Smart Antennas) ainsi que pour lestimation des angles darrive des ondes. En
mission ceci permet de concentrer la puissance dans la direction du rcepteur. En rception
ceci permet galement de favoriser certaines directions darrive et dignorer dautres (rejet
dinterfrences). Quand lespacement entre les antennes est suffisamment grand (typiquement suprieur une demi-longueur donde), les diffrents canaux deviennent dcorrls et
il est donc possible davoir des canaux parallles et par la suite, daugmenter le dbit de
transmission par multiplexage et de renforcer le rapport signal sur bruit.
Dans [14], Winters montre la possibilit de crer des canaux parallles en utilisant plusieurs antennes dans des configurations, mono et multi-utilisateur (en liaison descendante)
et donne les premiers rsultats sur la capacit. En 1995, E. Telatar montre que sous certaines
conditions, la capacit des systmes MIMO crot avec le minimum du nombre dantennes
dmission et de rception [15]. Simultanment les Bell Labs prsentent larchitecture appele
BLAST 1 [16] qui permet dobtenir des efficacits spectrales importantes avec un systme
de 8 antennes en mission et en rception. En 1998, les premires architectures de codage
spatio-temporel apparaissent [17]. Ds lors, le MIMO reoit un grand intrt et constitue
la pierre angulaire des rseaux locaux sans fil et des nouvelles normes de communication
radio mobile (3GPP LTE) ainsi le systme LTE-A promet un dbit de 1Gbps (en fixe) et
100 Mbps (en mobilit), utilisant une configuration dantennes 8 8.

1.2.5

Canal MIMO

La figure (1.5) reprsente un systme multiantenne avec Nt antennes de transmission et


Nr antennes de rception.
Sous lhypothse dun canal non slectif en frquence le signal reu sur la j-ime antenne,
j {1, . . . , N r}, scrit :
1. Bell labs LAyered Space Time

32

1. Les systmes MIMO-OFDM

Figure 1.5 Systme MIMO (Nt ,Nr )

rj =

Nt
X

hij .si + nj

(1.24)

i=1

r = H.s + n
avec hij les coefficients du canal : i {1, . . . , Nr },

h11
h12
h21
h22

H=
..
..
.
.

(1.25)

j {1, . . . , Nt } :

. . . h1Nt
. . . h2Nt

..
..

.
.

hNr 1 hNr 2 . . . hNr Nt

r est le vecteur de symboles reus du canal, s le vecteur de symboles mis, H la matrice


du canal de dimensions Nt Nr et n le vecteur de bruit gaussien.

1.2.6

Transmission MIMO

Lusage de la dimension spatiale ajoute de nouveaux degrs de libert. Suivant le type


dapplication voulue, la diversit ou le multiplexage spatial peut tre privilgi. Nous distinguons deux types de gain apports par les antennes multiples. Le gain dantennes (array
gain) correspond lamlioration du rapport SNR lentre du dtecteur en comparaison
avec le cas o une seule antenne est utilise. Grce lusage dantennes multiples, la courbe
du taux derreur derreur bit en fonction du SNR montre une pente plus raide par rapport
au cas dune seule antenne, laugmentation de cette pente correspond un gain appel gain
de diversit et not d,
log(Perreur )
,
(1.26)
d=
SN Rmoyen
o SN Rmoyen reprsente videmment le rapport signal sur bruit moyen exprim en dB. Plus
les trajets sont dcorrls, plus le gain de diversit est important. La diversit maximale quon
peut obtenir est gale Nt .Nr .
Un autre paramtre cl pour mesurer la performance dun systme de type MIMO, est
le gain de multiplexage. Intuitivement, ce gain mesure la pente de la performance du taux

33
de coupure du canal, en fonction du rapport SNR moyen (voir le rfrence [18] pour une
dfinition de taux de coupure du canal vanouissements) :
r=

log(Ccoupure )
.
SN Rmoyen

(1.27)

On peut dmontrer que le gain de multiplexage maximal est donn par min(Nt , Nr ). En
pratique, il est dtermin par le nombre minimum de sous canaux dcorrls, qui correspond
aussi au rang de la matrice du canal. Dans [19] une mthode a t propose pour tablir un
compromis entre la diversit et le multiplexage sur un canal de Rayleigh coefficients i.i.d.
Pour une configuration ayant un gain de multiplexage r, le gain de diversit maximal est
donn par :
d(r) = (Nt r).(Nr r)
(1.28)
Dautre part, la connaissance de ltat du canal en mission et/ou en rception est un
facteur dcisif sur la technique de transmission utiliser dans une application relle, et
permet dexploiter au mieux le canal MIMO. En pratique, linformation sur ltat du canal
peut tre estime au niveau du rcepteur en ajoutant des symboles pilotes dans les trames,
au prix dune perte en efficacit spectrale. On parle dans ce cas de systme cohrent. Ceci
permet la mise en place dun rcepteur moins complexe. Linformation sur ltat du canal
peut ventuellement tre communique lmetteur si le systme dispose dune voie de
retour, mais ceci nest efficace que sous lhypothse dun canal non slectif dans le temps.

Dans le cas idal, les sous canaux hij de lquation (1.25) sont parfaitement dcorrls.
En pratique, ce nest pas le cas notamment quand les antennes dmission ou de rception
ne sont pas suffisamment loignes. Leffet de la corrlation entre antennes est une baisse de
la capacit [20]. Plusieurs modles ont t proposs afin de modliser cette corrlation dont
le modle statistique propos dans [21] et le modle donn dans [22] qui considre que les
rflexions ont lieu principalement prs du rcepteur.
1.2.6.1

Le Multiplexage spatial

En 1996, G. Foschini introduit le premier schma multiantennes ralisant du multiplexage


spatial, qui permet la transmission dautant de symboles diffrents que dantennes en mission [16]. Le flux de bits dinformation est divis en Nt flux parallles qui seront ensuite
cods, puis entrelacs et moduls sparment. Les symboles sont transmis sur les antennes
dmission suivant une rpartition diagonale qui confre au code son nom : diagonal-BLAST.
La sparation des flux cods et la structure diagonale du multiplexage ajoutent une complexit considrable lmetteur. Woliansky [23] propose en 1998, un autre schma, plus
simple, connu sous le nom de Vertical-BLAST . Dans le schma V-BLAST, la sparation
des symboles en Nt flux na lieu quaprs le codage et la modulation.
Aucun codage spatio-temporel ntant effectu entre les symboles lmission, les techniques de multiplexage spatial ne bnficient que de la diversit de rception. Afin de bnficier de la diversit en mission, de la redondance peut tre insre lmission, on parle
donc de codage espace-temps. Lajout de redondance ne permet pas directement laugmentation du dbit, mais lamlioration de la transmission par lexploitation de la diversit. Le

34

1. Les systmes MIMO-OFDM

systme pourra dans ce cas ainsi utiliser des modulations dordre plus lev permettant ainsi
une augmentation de lefficacit spectrale atteignable un rapport signal bruit donn.
1.2.6.2

Le Codage spatio-temporel

On distingue deux familles de codage espace-temps : le codage espace-temps en treillis


(STTC), o les symboles transmettre sont lis de proche en proche travers un treillis de
codage, et le codage espace-temps en bloc (STBC) qui consiste coder un bloc de symboles
moduls. On dfinit le rendement dun code espace-temps, transmettant Q symboles utiles
sur Nt antennes pendant une dure de T (temps symboles) par :
RST =

Q
T

(1.29)

Le dveloppement des techniques de codage espace-temps commence avec le concept


STTC introduit par V. Tarokh et al. en 1998 [17]. Le principe du systme consiste dterminer les symboles transmettre sur les diffrentes antennes laide dun treillis. On
peut rapprocher cette technique des modulations codes en treillis (TCM) [24][25]. Dans
[17], les auteurs montrent que ces codes permettent dobtenir une diversit gale au nombre
dantennes dmission et un gain de codage qui dpend du nombre dtats du treillis. Ces
techniques de codage espace-temps ajoutent une complexit de dcodage importante vu la
ncessit dutiliser un algorithme de Viterbi dont la complexit croit exponentiellement avec
la diversit du canal et le rendement du code spatio-temporel. Ceci fait que le codage STTC
est peu considr pour la dfinition des futurs systmes de communication.
En 1998, Alamouti propose un codage espace-temps en bloc optimal pour deux antennes
en mission et une antenne en rception [26]. Le code dAlamouti consiste transmettre
deux symboles sur deux temps symboles conscutifs. Il sagit donc dun code de rendement
unitaire (soit une efficacit spectrale quivalente celle dun systme SISO). Lintrt de ce
code rside dans la simplicit de dtection qui permet, par simple filtrage adapt en rception
datteindre les performances optimales. Ceci rend le code dAlamouti attractif pour exploiter
la diversit dmission. Cette particularit dfinit la famille des codes espace-temps en bloc
orthogonaux (OSTBC).
Le schma de codage ST propos par Alamouti a t gnralis par Tarok un nombre
dantennes dmission plus lev [27]. Contrairement au code dAlamouti, ces schmas ont
un rendement de codage infrieur 1. Le code dAlamouti est donc le seul OSTBC qui
permet datteindre la capacit maximale du canal MIMO [28].
La dfinition dun code pour un plus grand nombre dantennes impose une perte dorthogonalit spatiale, et une diminution du rendement ou de la diversit. Afin de conserver un
rendement unitaire et un maximum de diversit spatiale, il est donc obligatoire dintroduire
de linterfrence coantenne (CAI). Certains codes de rendement unitaire non orthogonaux,
introduisant une faible CAI ont t proposs [29], [27] pour un nombre dantennes dmission
suprieur 2. On parle alors de codes espace-temps quasi orthogonaux. Cependant, lajout
dune composante de CAI mme faible impose lutilisation dun rcepteur plus complexe
pour atteindre les performances optimales.

35
Les codes STBC ont initialement t dvelopps dans un contexte MISO pour garantir
lexploitation de la diversit dmission.
Lextension de ces codes au contexte MIMO permet daugmenter la diversit de rception,
mais ne permet pas une augmentation des rendements de codage. Ainsi, dautres STBC ont
t dvelopps spcifiquement pour le contexte MIMO, permettant dobtenir des rendements
de codage suprieurs un.
Laugmentation du rendement conjointement lexploitation de la diversit, passe par
la transmission sur chaque antenne de combinaisons des symboles moduls.
Parmi les codes ST tudis dans la littrature, la famille de codes dispersion linaire
(LD) proposs par Hassibi et Hochwald [30], permet de profiter du gain apport par le
le multiplexage spatial et de la diversit des antennes en mission. Cette famille dfinit
de manire gnrale lensemble des STBC construits partir de combinaisons linaires de
symboles ou de leurs conjugus. Ainsi, les techniques de multiplexage spatial, ou de codage
espace-temps orthogonal, peuvent tre reprsentes avec la formulation propose.
Dautres codes, bass sur la formulation gnrale de Hassibi et Hochwald [30], ont t
proposs pour optimiser les paramtres des combinaisons linaires suivant les configurations
dutilisation. Parmi ces codes, on notera les codes DAST de rendement unitaire[31], les codes
Golden[32], optimaux vis--vis du compromis multiplexage-diversit, les codes DTST[33], les
codes STBC bass sur une allocation diagonale des signaux prcods, ou encore les codes
TAST[34], gnralisation des codes DAST avec rendements suprieurs.
1.2.6.3

Techniques MIMO avec connaissance du canal en mission et rception

Lensemble des techniques prsentes prcdemment ne ncessite pas une connaissance


du canal lmetteur.
Lexploitation optimale de la capacit du canal MIMO ncessite la connaissance du canal
MIMO pour dfinir le signal transmettre. Il est possible dutiliser la matrice reprsentative du canal lmission pour crer un ensemble de sous-canaux SISO parallles, et de
transmettre des donnes indpendantes sur chacun de ces sous-canaux. La dcomposition
en valeurs singulires de la matrice de canal fait apparatre une matrice diagonale contenant
les valeurs propres du canal ainsi que deux matrices unitaires. On pourra ainsi transmettre
des symboles sur les valeurs propres du canal.
Les matrices unitaires sont alors utilises lmission (pr-traitement) et la rception
(post-traitement) pour obtenir les canaux SISO indpendants correspondants la matrice
des valeurs propres. Cette solution est communment appele beamforming.
La connaissance de la puissance de chacun de ces sous-canaux SISO permet galement
dadapter la puissance des signaux transmettre sur chaque sous-canal. Dans le cas dune
connaissance parfaite du canal, la solution optimale est connue, et consiste lapplication
de la technique de waterfilling [15].
La transmission lmetteur par voie de retour de la totalit de la matrice de canal est
cependant trs coteuse.

36

1. Les systmes MIMO-OFDM

On retrouve donc dans la littrature des tudes sur des solutions ne considrant quune
connaissance statistique du canal. Deux statistiques du canal sont gnralement considres dans les techniques proposes : la moyenne, on parle de mean feedback [35][36], et la
covariance, on parle de covariance feedback [35][37].
1.2.6.4

Techniques MIMO sans connaissance du canal

Il existe des techniques de transmission saffranchissant de ltape destimation de canal


en rception grce lusage dun codage diffrentiel lmission. Dans [38], Marzetta et
Hochwald ont tudi la capacit des systmes MIMO dans ce contexte. Ils montrent que
la capacit tend vers celle avec connaissance du canal la rception, lorsque le temps de
cohrence du canal augmente. En dautres mots, dans le cas o les variations du canal
sont suffisamment lentes, les performances atteignables sans connaissance du canal sont
quivalentes celles avec connaissance du canal.
Plusieurs techniques MIMO dont le dcodage ne ncessite pas la valeur du canal ont t
proposes. Dans [39], les auteurs proposent des codes espace-temps unitaires pour lesquels
des signaux orthogonaux sont transmis sur les diffrentes antennes et en rception aucune
information sur le canal nest ncessaire. Ce systme, not USTM (Unitary Space Time
Modulation), est tendu un schma de codage en mission de type diffrentiel not DUSTM,
pour lequel le signal mis est gal au produit du signal prcdemment mis et dune matrice
portant linformation (contenant les symboles mis obtenus partir des bits utiles) [40][41],
[42].
Le codage espace-temps diffrentiel reprsente en fait la majorit des schmas MIMO
proposs sans estimation de canal. On distingue principalement deux familles de codes : les
codes en groupe, pour lesquels la matrice de symboles transmis et la matrice diffrentielle
appartiennent un mme ensemble [43][44], et les codes non en groupe. Parmi les codes
proposs dans la littrature on notera lextension des codes orthogonaux cohrents aux
techniques diffrentielles [45][46]. Leur dcodage savre cependant plus difficile que dans le
cas cohrent.
Dans lensemble, les techniques MIMO sans connaissance du canal sont peu considres
dans les standards. Premirement lutilisation dune transmission diffrentielle occasionne
une dgradation des performances par rapport un systme cohrent, mme si lcart de
performances est rduit ou inexistant, ou memeaussi si lestimation de la matrice de canal
nest pas fiable dans le cas cohrent [42]. Par ailleurs, les rcepteurs non cohrents ncessaires
savrent, pour la plupart, relativement complexes.

1.2.7

MIMO-OFDM

Lassociation de la modulation OFDM avec les systmes MIMO consiste appliquer la


modulation CP-OFDM au signal transmis sur chaque antenne dmission. la rception,
lintervalle de garde est supprim et une dmodulation OFDM (FFT) sur chaque antenne
de rception est ralise.

37
Soit rjp le vecteur reu sur lantenne j juste avant la dmodulation OFDM. Le signal
correspondant au pe bloc reu sur chaque antenne scrit comme suit. En reprenant lquation
(1.16) du cas SISO multitrajets :

rjp

hij (0)
0

rjp (1)
.
.
..
..

..

N
.

X
hij (L 1)

..

=
=

..

.
0

i=1
..

.
..

..
.

.
rjp (N + )
0
...

. . . hij (L 1) . . . hij (1)


xip (1)
.
..
..
.
.
.
.
..

..
..
..

.
.
.
.

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

.
..
..
.
.
0 ..
0 hij (L 1) . . . hij (0)
xip (N )

njp (1)

..

..
+
(1.30)
.

..

.
njp (N + )

Ainsi, aprs calcul dune transforme de Fourier inverse sur chaque antenne dmission
et dune transforme de Fourier en rception, le vecteur obtenu scrit :

ij (1) 0 . . .
h
0
..
NT
.. ..
X
0
.
.
.
x

jp
(1.31)

rjp =
ip + n
..
.. ..
.
.
0
.
i=1
ij (N )
0
... 0 h

On peut donc reprsenter le vecteur reu sur chaque sous porteuse k sous la forme
suivante :
p (k)

rp (k) = H
xp (k) + n
p (k)
(1.32)
avec :

11 (k) . . . h
N 1 (k)
h
T

..
..
p (k) =
H
,

.
.

h1NR (k) . . . hNT NR (k)

rp (k) = [
r1p (k), . . . , rNR p (k)]T ,
x
p (k) = [
x1p (k), . . . , x
NT p (k)]T ,
n
p (k) = [
n1p (k), . . . , nNR p (k)]T .
Dans des conditions identiques celles du cas SISO, les performances optimales dun
schma MIMO-OFDM sont donnes par une transmission MIMO mono-porteuse sur canaux
de Rayleigh indpendants vanouissements plats. On se ramnera donc le plus souvent
une tude des performances des diffrentes techniques MIMO et des rcepteurs associs sur
ce type de transmission mono-porteuse.

38

1.3

1. Les systmes MIMO-OFDM

Dtecteurs MIMO

La rception optimale consiste en un traitement conjoint du codage canal et du codage


espace-temps. La grande complexit dune telle solution la rend non envisageable dans une
application relle, il est donc ncessaire de choisir une solution sous-optimale en effectuant
les deux tches de dcodage sparment.
Dans le cas dun codage espace-temps orthogonal, la dtection optimale consiste appliquer un filtre adapt. Ceci revient multiplier le vecteur reu, par la matrice HH , matrice
transconjugue de la matrice de canal. Dans ce cas le vecteur filtr
sM F est donn par :

sM F = HH Hs + HH n

(1.33)

Dans le cas dun code orthogonal, la matrice HH H est diagonale coefficients rels positifs.
Chaque symbole galis correspond donc un symbole transmis pondr auquel est ajout
un bruit gaussien (il ny a pas de CAI). Dans le cas o le code nest pas orthogonal, la
matrice HH H nest plus diagonale, le filtrage adapt nest plus optimal.

1.3.1

Dtecteurs maximum de vraisemblance

La solution optimale en terme de taux derreurs est donne par un dtecteur maximum
de vraisemblance. Ce critre minimise la puissance de bruit sur le vecteur reu et sexprime
de la faon suivante :

sM L = arg min kr Hsk2


s

(1.34)

La recherche du vecteur solution ncessite le calcul de la norme au carr pour toutes les
combinaisons possibles de symboles. Ainsi la complexit de lalgorithme crot exponentiellement avec la taille du vecteur s et lordre de la modulation.
1.3.1.1

Dtecteurs ML complexit rduite - Le Sphere Decoding

Dans le but de prserver loptimalit du critre ML, tout en rduisant la complexit,


plusieurs solutions ont t proposes. En rgle gnrale, elles consistent limiter lespace
de recherche dans la dtection. En dautres mots, on ne considre que les vecteurs qui sont
lintrieur dune sphre construite autour du vecteur reu, do le nom Sphere Decoding
(SD). La recherche dalgorithmes de dcodage par sphres repose sur deux critres : les
performances doivent tre le moins dgrades possible par rapport la solution ML et
le nombre de vecteurs tests doit tre le plus petit possible. Le moyen le plus rpandu
deffectuer le dcodage par sphre consiste reprsenter le problme sous la forme dun
arbre. chaque branche de larbre est associe la composante relle ou imaginaire dun des
symboles transmis. chaque noeud de larbre, on vrifie que le vecteur test est toujours
contenu dans la sphre des solutions envisageables. Si oui, les branches associes ce noeud
sont tudies, sinon ce candidat est abandonn.
La premire difficult consiste dterminer lordre de traitement des candidats. M. Pohst
propose une stratgie de restriction des candidats utilisant une dcomposition QR pour
limiter les candidats chaque tage de larbre de recherche [47]. Cette solution a ensuite t

39
amliore par C.P. Schnorr et M. Euchner en 1994 qui instaurent un ordre de traitement
des candidats au niveau de chaque tage de larbre selon la distance par rapport un point
de rfrence.
Le paramtre principal du dcodage par sphre est le rayon de la sphre. Plus le rayon est
grand, meilleures sont les performances, mais le nombre de candidats tests est plus important. linverse, plus le rayon sera petit, moins il y aura de candidats tests engendrant une
dgradation des performances. Par ailleurs, la complexit de la dtection dpend galement
de lordonnancement de colonnes de la matrice H et du vecteur de rfrence partir duquel
lnumration des candidats de Schnorr-Euchner est effectue.
On distingue principalement deux familles de dcodage par sphre : les algorithmes de
type depth-first-search ou breath-first-search. Dans le premier cas, il sagit de minimiser le
nombre de nuds considrs en effectuant le traitement total dune branche de treillis avant
de traiter les autres. Dans ce cas, le nombre de candidats traits nest pas constant et dpend
du signal reu et du rapport signal bruit (moins il y a de bruit moins il y a de candidats
traits). Afin de rpondre des critres dimplmentation, le second type dalgorithme traite
un nombre limit de candidats chaque tage du treillis puis considre ltage suivant. Ainsi
le nombre de candidats visits est constant au cours du temps. Les performances de ce type
de dtecteurs sont cependant moins bonnes nombre de candidats traits quivalents.
Bien que la solution ML soit optimale lorsquelle est considre sans dcodage de canal,
ces dtecteurs ne sont pas adapts lutilisation de techniques de codage avances dont le
dcodeur ncessite une information pondre sur les bits. On utilise alors un dtecteur
maximum a posteriori. Dans ce cas la solution optimale consiste dterminer pour chaque
bit bi transmis le rapport de vraisemblance RV (bi ) suivant :
P
P
P (bi = 1|r)
sS1i P (s|r)
sS i P (r|s)P (s)
RV (bi ) =
=P
=P 1
(1.35)
P (bi = 0|r)
sS i P (s|r)
sS i P (r|s)P (s)
0

Ski

Avec
lensemble des vecteurs s pour lesquels le bit bi a la valeur k.
Le bruit additif n tant blanc gaussien, la probabilit conditionnelle P (r|s) est donne
par :


1
||r Hs||2
P (r|s) =
exp
(1.36)
n2
(n2 )NR

De plus, aucune information ntant connue sur le vecteur s, la probabilit de chaque


vecteur est identique, on obtient alors le rapport de vraisemblance RV suivant [33] :


P
||rHs||2

2
sS1i exp
n


(1.37)
RV (bi ) =
P
||rHs||2

sS i exp
2
0

Le logarithme de ce rapport est connu sous le nom de Log Likelihood Ratio (LLR) :
LLRi = ln(RV (bi )).

On peut facilement le calculer selon :

40

1. Les systmes MIMO-OFDM

LLRi = ln

sS i exp
1

sS0i

exp

||rHs||2
2
n

||rHs||2
2
n

(1.38)

Une solution approche peut tre obtenue avec lapproximation max-log. On a alors :




||r Hs||2
||r Hs||2
max
(1.39)
LLRi = max
n2
n2
sS0i
sS1i
Avec ou sans approximation, il est ncessaire de connatre la distance associe chaque
vecteur candidat pour obtenir linformation pondre de chaque bit. De la mme manire que
pour la dtection ML, il est possible de rduire le nombre de candidats tests. Le processus est
quivalent au dcodage par sphre. Cependant, on ne dtermine pas uniquement le vecteur
le plus vraisemblable, mais une liste des vecteurs les plus vraisemblables. On parle alors de
dcodage de liste par sphre (LSD). Comme pour les algorithmes de dcodage par sphre,
la complexit et les performances dpendent du rayon de la sphre, du vecteur de rfrence,
de lordre des colonnes de la matrice de canal et du type dalgorithme considr (depthfirst-search ou breath-first-search). On retrouvera dans [48],[49] et [50], des algorithmes de
dcodage par sphre appliqus aux systmes MIMO.

1.3.2

Dtecteurs filtrage linaire

Les rcepteurs bass sur le maximum de vraisemblance souffrent dune grande complexit.
Cest pourquoi, malgr leurs bonnes performances, des alternatives sont tudies dans la
littrature. Un moyen de dtection a priori moins complexe consiste appliquer un filtrage
linaire sur le signal reu. On parle alors dgalisation du signal reu. Deux types de filtrage
sont communment utiliss pour la dtection MIMO : le filtrage par minimisation de lerreur
quadratique moyenne (MMSE) et le filtrage par forage zro (ZF).
Le filtrage MMSE consiste appliquer au vecteur reu une matrice de filtrage PM M SE
CQNR T , minimisant lerreur quadratique moyenne sur les vecteurs galiss
s. Cette matrice
de filtrage vrifie alors lquation :


PM M SE = arg min E kPr sk2
P

(1.40)

La solution PM M SE de cette quation est dfinie en fonction de la matrice de canal


quivalente de la manire suivante :
PM M SE =

HH H +

n2
IQ
s2

1

HH

(1.41)

Dans le cas o le rapport signal bruit ne peut pas tre estim, il est possible dappliquer
un filtrage ZF. Dans ce cas, la matrice de filtrage dtermine permet dannuler linterfrence
entre les symboles transmis. Lopration de filtrage scrit alors :
1 H

sZF = PZF r = HH H
H r
(1.42)

41
Cependant lannulation de linterfrence entre symboles sans prise en compte du bruit
gaussien peut entraner une augmentation du niveau de bruit aprs galisation, et donc une
dgradation des performances.
Pour lensemble des dtecteurs filtrage linaires, chaque symbole galis sk (avec k =
1 . . . Q) sexprime de la manire suivante :
sk = k sk + k

(1.43)

avec k une composante relle et k un bruit additif gaussien.


La dtection des bits constituant les symboles sk est ensuite effectue suivant le critre
ML, si des dcisions dures sont suffisantes, ou suivant le critre MAP, si une information
pondre est ncessaire.

1.3.3

Dtecteurs annulation dinterfrence

Entre les solutions avec filtrage linaire peu coteuses, mais peu performantes, et les
solutions maximum de vraisemblance performantes, mais trs complexes, il existe des algorithmes intermdiaires dfinis partir de filtrages linaires, mais utilisant linformation
pralablement dtecte pour amliorer la dtection des symboles venir. Une annulation
successive dinterfrence (SIC) peut tre ralise partir des symboles pralablement estims. Selon ce procd, une erreur effectue lors de lestimation dun symbole entranera des
erreurs sur les symboles estims par la suite. Ainsi, de manire quivalente aux techniques
de dcodage par sphre, les performances du systme vont dpendre de lordre selon lequel
les symboles vont tre dtects. Il est alors prfrable dordonner les symboles avant deffectuer la dtection, on parle de dtecteur OSIC. La deuxime caractristique principale du
dtecteur est le type dgalisation considre.
Lutilisation de la dtection SIC ou OSIC pour les systmes multiantennes a t initie
par les chercheurs des Bell Labs pour des systmes de multiplexage spatial [16][23] sous le
nom de rcepteur V-BLAST. Dautres articles ont ensuite propos dautres algorithmes SIC
permettant notamment de ne pas recalculer les filtres dgalisation aprs chaque annulation
dinterfrence. On retiendra parmi ces algorithmes, la technique SQRD qui permet lannulation successive dinterfrence partir dune unique dcomposition QR [51] ou encore la
technique V-BLAST square root qui rduit galement fortement la complexit [52]. Bien
quinitialement appliqus un contexte de multiplexage spatial, les dtecteurs SIC peuvent
tre considrs pour traiter linterfrence de nimporte quelle nature et donc de nimporte
quel code espace-temps non orthogonal.

1.4

Conclusion

Dans ce chapitre, on a rappel les principaux axes des systmes MIMO-OFDM. La


solution optimale base de maximum de vraisemblance tant non envisageable dans notre
contexte qui tend plus vers des applications relles, on sintressera dans la suite aux solutions
sous-optimales complexit raisonnable notamment la solution MMSE quon utilisera dans
un rcepteur itratif. Dautre part, et par rapport aux configurations MIMO, on sintressera
particulirement au multiplexage spatial.

42

1. Les systmes MIMO-OFDM

43

Chapitre 2

Systme MIMO itratif et codage


LDPC
2.1

Introduction

Dans ce chapitre on rappelle brivement quelques notions du codage canal et on introduit


les codes LDPC, leur construction, optimisation et dcodage. Ensuite on considre lgalisation MIMO itrative et les mthodes et outils doptimisation des codes LDPC pour ce genre
de rcepteur notamment les mthodes bases sur les diagrammes EXIT.

2.2

Codage canal

Le codage canal est un composant essentiel des systmes de communication numrique.


Bien que les techniques de modulation et dgalisation avances existantes permettent de
combattre les effets dinterfrence et lajout de bruit par le canal de propagation, le codage
canal reste incontournable pour lobtention de performances acceptables dans un systme
rel. En ajoutant de linformation redondante la trame transmise, le codage canal permet
dassurer une certaine diversit temporelle. Le dcodeur sous certaines conditions lies la
structure du code doit tre capable dexploiter cette diversit afin de rcuprer linformation
originale de lmetteur.
part les systmes de tlcommunications, on trouve galement le codage canal dans
un nombre dapplications comme les systmes de transfert et de stockage de donnes pour
garantir la fiabilit et lintgrit de linformation. Suivant lapplication vise, les enjeux
sont trs diffrents et le codage canal choisi doit sy adapter. titre dexemple, dans un
systme de tlcommunication radio mobile, le dcodeur permet durant un temps trs petit
damliorer la qualit perue de la voix avec un taux derreur raisonnable par rapport la
qualit de service requise. Cependant dans un systme de stockage, les erreurs sont beaucoup
plus critiques, mais la contrainte de temps dencodage/dcodage est moins importante.
En 1948, Shannon a tabli les limites thoriques du dbit dinformation (capacit) quon
peut transmettre sur un canal. Il a aussi dmontr que pour une probabilit derreur bit
arbitrairement petite (), il existe un code correcteur capable dassurer une transmission avec

44

2. Systme MIMO itratif et codage LDPC

une probabilit derreur infrieure . Il suffit de choisir une longueur de code suffisamment
grande pour assurer les performances requises. Depuis, la recherche de codes correcteurs
fonctionnant prs de la limite de Shannon a commenc.

2.2.1

Codes linaires en bloc

Les symboles transmis appartiennent un alphabet de q symboles dans le cas gnral,


on se limitera au cas dlments binaires dans F = {0, 1}, (q = 2). Un mot de code (aussi
appel bloc) est une squence de bits constitue par une squence originale de taille K quon
appelle mot dinformation, partir de laquelle on ajoute M bits de redondance. Lajout de
bits de redondance est rgi par le code correcteur choisi. Le rendement du code est dfini
comme le taux dinformation utile dans la squence transmise et est donn par :
R=

K
N

(2.1)

Soit F N lespace vectoriel de dimension N qui contient les 2N mots de code lments
dans F . Pour construire un code, on choisit 2K mots parmi les 2N . On les appellera les mots
de code.
Un code en bloc C(K,N) est dit linaire si :
x, y C, a, b F : a.x + b.y C

(2.2)

Parmi les 2K mots de C, on choisit K mots linairement indpendants qui dfinissent


une base de dimension K de lespace de dimension N . On note par G la matrice contenant
les K lments de cette base, GKN est donc une matrice gnratrice du code C.
C = x F N : x = u.G, avec u F K

(2.3)

Au code C on associe son dual C dont tous les mots de codes sont orthogonaux
ceux de C. C est un sous-espace de F N de dimension N K. On note par H sa matrice
gnratrice, H est donc orthogonale G :
C = x F N , u C : x.v T = 0
G.H T = 0

(2.4)
(2.5)

La distance minimale dun code linaire est dfinie comme tant le minimum du nombre
de positions dont les bits sont diffrents entre chaque deux mots de code. Elle correspond
donc au poids minimal de tous les mots de code non nuls aussi appel poids de Hamming.
dmin = min d(x, (0, 0, 0...0) x C
x

(2.6)

Pour un code linaire systmatique, la matrice gnratrice et la matrice de contrle de


parit associe scrivent :
G = [IK
H = [P T

P]
IN K ]

45

I est la matrice identit P est la matrice permettant de calculer les bits de redondance. Lors
dune transmission, le dcodeur se sert de la matrice de parit H pour dtecter la prsence
derreurs. On dfinit le syndrome dun mot reu y, par :
e = H.y T

(2.7)

Dans le codage classique, la distance minimale est lun des principaux critres de choix des
codes vu quelle dtermine sa capacit de correction. Cependant, il faudra que le dcodeur
associ soit capable dexploiter le schma de codage. Le codage correcteur derreur a t
largement explor depuis les travaux de Shannon et plusieurs familles de codes ont t
labores, prenant surtout la distance minimale, et la convergence, comme principaux critres
de choix. Dautres critres pratiques doivent aussi tre considrs dans le choix dun code
comme la complexit du dcodeur associ, la latence de dcodage et sa flexibilit vis--vis
des variations des paramtres du code comme son rendement ou sa taille.
Au dbut des annes 90, une approche diffrente au problme de codage a vu le jour avec
lintroduction du dcodage itratif. (technique applique au dcodage des turbocodes) [53],
suivi de la redcouverte des codes matrice de parit faible densit (Low Density Parity
Check -LDPC) [54]. Ces derniers constituent les bases du codage moderne.

2.2.2

Turbo codes

En 1993, C. Berroux et al. [53], ont propos un schma de codage/dcodage appel


Turbo Codes . Ce nouveau schma est construit partir dune concatnation parallle
de deux codes convolutifs spars par un entrelaceur afin dassurer une certaine dcorrlation
entre les entres des deux codeurs et assurer ainsi une meilleure diversit temporelle. Le principal intrt des Turbo Codes nest pas dans le schma de codage, mais plutt dans le schma
de dcodage lequel introduit un change itratif de linformation permettant dexploiter au
mieux la diversit temporelle. La figure (2.1) montre les schmas du Turbo codage/dcodage.
Linformation souple entrelace fournie par un dcodeur est exploite par le second comme
information a priori. Ceci permet lensemble de fournir au final des performances trs
proches de la limite de Shannon. Un grand intrt a t raccord aux turbocodes, on en
cite les travaux de Benedetto et Montorsi [55], [56] et les travaux de Perez [57] qui ont
permis de mieux comprendre le fonctionnement de ces codes. Dautres travaux ont permis
dtendre le dcodage turbo des codes convolutifs aux codes en blocs [58], [59],[60]. Plus
tard le principe turbo a t gnralis lensemble de la chane de rception pour introduire
la Turbo-galisation, turbo-estimation et turbo-synchronisation changeant ainsi la manire
dont on conoit les rcepteurs.

2.3

Les Codes LDPC

Les codes LDPC (Low Density Parity Check ) sont parmi les codes binaires les plus
performants connus, ils furent invents en 1963 par Gallager [54]. Les LDPC appartiennent
la famille des codes linaires en bloc. Ils sont caractriss par le faible nombre de 1 (densit
de uns ) de leurs matrices de contrle de parit. En effet, cette proprit permet de

46

2. Systme MIMO itratif et codage LDPC

Figure 2.1 Turbo Encodage/dcodage


dfinir la structure dun code en utilisant un espace de mmoire de faible volume. Jugs trs
complexes par rapport aux moyens de lpoque, les codes LDPC ont t ngligs jusquaux
annes 90. Ils prsentent un certain nombre davantages et leurs nombreux degrs de libert
rendent facile leur optimisation et adaptation des contextes applicatifs trs diffrents. Ainsi,
ils ont t adopts dans plusieurs normes de diffusion DVB-S2, DVB-NGH, les normes radio
mobile IEEE 802.16m, et les rseaux radio locaux (IEEE 802.11n, 802.11 ac).
Gallager a galement propos dans [54] un algorithme de dcodage pour ses codes mettant
en oeuvre des fonctions de vrification de parit. En 1981, Tanner [61] introduit les graphes
pour dcrire ces codes, et tend les oprations de vrification de parit vers des fonctions plus
gnrales. Ceci a permis le dveloppement dun algorithme gnrique Somme-Produit
puis Min Sum par Wiberg [62]. Cette famille dalgorithmes a t tudie plus tard, et
il a t dmontr que dautres algorithmes de dcodage tels que lalgorithme de Viterbi, ou
lalgorithme BCJR, sont des cas particuliers de lalgorithme somme-produit [63]. Les graphes
factoriels [64] sont aujourdhui un outil puissant pour diffrentes applications en traitement
du signal. Les graphes factoriels permettent deffectuer des calculs complexes dune manire
plus efficace en transformant des fonctions de plusieurs variables en un produit de facteurs
localement indpendants (2.8). En effet, ceci permet dutiliser lalgorithme somme-produit
par change de messages entre les noeuds du graphe :
f (u, w, x, y, z) = f1 (u, w, x).f2 (x, y, z).f3 (z),

(2.8)

o f est la fonctions globale et f1 , f2 , et f3 sont appels les facteurs locaux. Dans cette
factorisation, on suppose implicitement que chaque variable napparat pas dans plus que
deux facteurs. Cette hypothse nest pas toujours vrifie, mais peut tre contourne dans la
pratique. En 1996, Mackay [65] et Spielman [66] remettent les codes LDPC en vie ; ensuite
les premiers codes LDPC non binaires sont apparus [67] ainsi que les codes LDPC irrguliers
[68].

47

2.3.1

Les codes LDPC rguliers

En utilisant la reprsentation de Tanner, on dfinit les noeuds de variable, les noeuds


qui reprsentent les bits (information et redondance) du mot de code. On dfinit galement
les noeuds de parit, ceux reprsentant la contrainte place sur les noeuds de variable
auxquels il est connect. Les premiers codes LDPC proposs par Gallager dans [54] ont
une structure rgulire. Les noeuds de variable et les noeuds de parit ont des degrs de
connexion dv (respectivement dc ) constants (voir figure 2.2). Toutes les colonnes ont alors
le mme nombre nombre de positions non nulles. Cette condition est valable aussi pour les
lignes. Le nombre total de positions non nulles dans la matrice est gal au nombre dartes
du graphe. On en drive :
N.dv = (N K).dc

dv
K
=R=1
N
dc

(2.9)

Avec le mme couple (dv , dc ), plusieurs codes rguliers peuvent tre dfinis selon le choix
des positions non nulles dans la matrice H.

2.3.2

Les codes LDPC irrguliers

Au lieu davoir des degrs de connexion fixes, les noeuds du graphe dun code LDPC
peuvent avoir des degrs de connexion diffrents, do lappellation de codes irrguliers .
Dans [68], Luby et al. , donnent une extension de ltude de Gallager sur des graphes irrguliers. Ils montrent que les performances des codes irrguliers sont meilleures et donnent
une premire approche de construction de codes irrguliers. Cette approche a t dveloppe
plus tard pour obtenir des performances proches de la limite de capacit de Shannon. La
structure du code est dfinie laide des deux polynmes (x) et (x) :
(x) =

dv
X

i .xi1

i=2

(x) =

dc
X

i .x

i1

i=2

0 i 1

dv
X

i = 1

(2.10)

0 i 1

dc
X

i = 1

(2.11)

i=2

i=2

i et i sont les proportions des branches du graphe connectes des noeuds de variable
(respectivement de parit) dont le degr de connexion est gal i. La figure (2.2) montre
deux graphes de codes LDPC rgulier et irrgulier.
Soit t le nombre total dartes dans le graphe, on note par vi (resp ci ) le nombre de noeuds
de variable (resp de parit) de degr i. Les galits suivantes lient alors les paramtres du
code sa structure :
t.i
vi =
i
t.i
ci =
i

N = l.

dv
X
i
i=1

M = l.

dc
X
i
i=1

= l.

= l.

(x)dx

(2.12)

(x)dx

(2.13)

0
1

48

2. Systme MIMO itratif et codage LDPC

R=1

dc
P

i=1
dc
P

i=1

i
i

(2.14)

i
i

Figure 2.2 Graphes de Tanner de codes LDPC rgulier (dv = 2, dc = 4) et irrgulier


((x) = (1/12).x + 8/12.x2 + 3/12.x3 , (x) = (3/12).x3 + (4/12).x4 + (5/12).x5 )

2.3.3

Encodage LDPC

Lencodage LDPC est une opration classique qui consiste engendrer un mot de code
x = [u, p] partir du mot dinformation u, de la matrice gnratrice G ou de la matrice de
contrle de parit H = [Hs Hp ].
[Hs

Hp ].[u

p]T = 0T

pT = Hp1 .Hs .uT

(2.15)
(2.16)

Lencodage LDPC est trs li la structure du code, ainsi si la partie Hp de la matrice


possde une structure triangulaire la complexit de lencodage peut tre rduite significativement. En effet le calcul des bits de redondance devient une simple substitution. Plus
particulirement, avec une structure bi-diagonale de Hp le code LDPC peut tre considr
comme un code de la famille Repeat and Accumulate ([69] [70] ) ou une concatnation dun
code de parit et dun accumulateur [71]. Des codes LDPC de ce type ont t retenus dans les
normes WiFi 802.11n et Wimax 802.16e, et leur encodage revient une simple accumulation
de bits.
pi = pi1 + vi
(2.17)
o :
v T = Hs .uT

(2.18)

On cite galement la famille de codes LDPC quasi cycliques (QC-LDPC) dont le codage
se fait partir de registres dcalages [72]. Des exemples de ces matrices sont donns en
annexe B. Dans le cas o la matrice Hp nest pas triangulaire, la complexit dencodage
est dordre O(N 2 ), o N reprsente la longueur du code. Cependant, il est possible de
rduire cette complexit en effectuant une opration de triangulation (pivot de Gauss).

49
Le rsultat est une matrice partiellement triangulaire. Plus la partie triangulaire est grande
moins complexe est lencodage. Une description dtaille de cet algorithme peut tre trouve
dans [5].
On note que lencodage LDPC peut aussi tre ralis en utilisant lalgorithme de dcodage
somme produit et en remplaant les bits de parit inconnus par des effacements, mais cette
mthode nest pas intressante cause de sa grande complexit.

2.3.4

Dcodage LDPC

Le dcodage LDPC utilise la propagation de la croyance [73] entre les noeuds du graphe.
Les messages de croyance changs, sont calculs par un algorithme lalgorithme sommeproduit ou lun de ses algorithmes drivs. Comme le montre lquation (2.8), si le graphe est
acyclique, la fonction conjointe devient un produit de facteurs compltement indpendants
et le dcodage est alors optimal.
Au dpart, les seules informations disponibles sont celles reues du canal, elles sont
passes aux noeuds de variable qui les diffusent aux noeuds de parit de leur voisinage.
v0 = log

P (y/x = 0)
P (y/x = 1)

Nous dfinissions le voisinage dun noeud par lensemble des noeuds auxquels il est directement connect. Nous dsignons par Vv le voisinage du noeud de variable v et par Vc le
voisinage dun noeud de parit c. Lalgorithme de propagation de croyance peut se dcomposer en deux tapes, la mise jour de lensemble des noeuds de parit et la mise jour de
lensemble des noeuds de variable. Ces deux tapes constituent une itration. Nous verrons
dans la suite que ces mises jour peuvent avoir des ordres diffrents.
A la i-me itration (figure 2.3), chaque noeud de parit utilise les messages reus de son
voisinage Vv pour calculer des messages micv adresss aux noeuds de variable de Vc selon
lquation (2.20). Notons que le calcul dun message micv ne prend pas en compte le message
fourni pralablement par v.
Y


(2.19)
sign miv c
sign micv =
v Vc /v

X
i 
i
mcv = f
f mv c
v V

avec :

(2.20)

c /v

f (x) = log [tanh(x/2)] .


Aprs la mise jour des noeuds de variable, ces derniers calculent des messages de
croyance mivc qui seront envoyer aux noeuds de parit dans Vc selon lquation (2.21).
mivc = v0 +

c V

v /c

mi1
c v

(2.21)

50

2. Systme MIMO itratif et codage LDPC

Aprs chaque itration, une dcision peut tre prise sur linformation a posteriori associe
au noeud de donnes v :
X
mic v
(2.22)
APvi = v 0 +
c Cv

La dcision sur la valeur binaire de chaque noeud de donnes est donc calcule en fonction du signe de linformation a posteriori. Le dcodage itratif sarrte aprs un certain
nombre ditrations. Le dcodage doit tre galement tre arrt ds quun syndrome nul est
trouv. Afin de rduire le nombre de messages changs sur les artes du graphe, plusieurs
alternatives sous-optimales ont t labores.

Figure 2.3 Dcodage LDPC par propagation de croyance

2.3.4.1

Algorithmes de dcodage drivs

Le dcodage itratif reste un processus complexe. Afin de rduire sa complexit, plusieurs


algorithmes ont t drivs, comme par exemple, lalgorithme Min-Sum . Soit m lamplitude minimum des messages reus par un noeud de parit. Les amplitudes des messages
calculs par les noeuds de parit dpendent essentiellement de m. La fonction f est une
fonction positive dcroissante (figure 2.4).
X

c Cv

f(

f |mic v | f (m)

c C

f |mic v |) m

(2.23)

(2.24)

Le calcul est une simple fonction minimum permettant de raliser une rduction importante de la complexit, aux dpens dune dgradation des performances. Il existe plusieurs
autres algorithmes sous-optimaux, [74, 75, 76]. On trouve un rsum dans [77].

51

Figure 2.4 La fonction f (x) = f 1 (x) = ln[tanh(x/2)]


2.3.4.2

Ordonnancement du dcodage LDPC

La propagation de la croyance dcrite par les quations (2.21) et (2.20), ou bien ses
versions drives, peut tre mise en oeuvre suivant plusieurs ordonnancements de dcodage
diffrents. Lordonnancement dsigne lordre de mise jour des noeuds de variable et de
parit. Lordonnancement choisi joue un rle important dans la complexit ainsi que dans
les performances. Il existe plusieurs ordonnancements possibles :
Linondation flooding Durant chaque itration, une premire tape consiste mettre
jour tous les noeuds de variable, puis dans une deuxime tape les noeuds de parit sont
successivement mis jour. Chaque noeud envoie des messages tous les noeuds de son
voisinage do son appellation. Linondation peut tre facilement mise en oeuvre vu que
le dcodage se fait dune manire squentielle, chaque noeud est mis jour une seule fois
durant chaque itration.
Le brassage shuffle Au lieu de mettre jour tous les noeuds du mme genre successivement, lordonnancement par brassage consiste fournir chaque noeud la dernire
information (mise jour) disponible. Ainsi, durant une itration, chaque noeud est mis jour
autant de fois que son degr de connexion. Linformation se propage plus rapidement et le
dcodeur converge en moins ditrations, cependant une itration de dcodage par brassage
est bien plus complexe quune itration de dcodage par inondation cause de la multiplicit des mises jour. Les performances dpendent de lordre de traitement des noeuds ainsi
dautres ordonnancements ont t proposs (e.g [78]) permettant dacclrer la convergence

52

2. Systme MIMO itratif et codage LDPC

au dtriment dune augmentation de la complexit.

2.4

Construction et optimisation des codes LDPC

Dans ce qui suit, on considre uniquement les codes LDPC irrguliers. La construction
dun code LDPC irrgulier revient dfinir sa structure, cest--dire, dterminer les degrs
des noeuds de variable et de parit par les polynmes (x) et (x), et puis dterminer les
positions non nulles dans la matrice. Loptimisation des polynmes a pour but dobtenir le
code le plus performant possible, avec la plus grande vitesse de convergence. Pour ce faire,
il existe des techniques analytiques comme lvolution de densit(DE), et des techniques
heuristiques comme lusage des diagrammes EXIT. Dautre part le choix des positions non
nulles de la matrice cherche viter les cycles courts dans le graphe. Dautres phnomnes
peuvent affecter les performances dun code LDPC comme lexistence de squences piges
aussi appeles pseudo mots de code [79]. En effet, ces squences prsentent un syndrome
de poids faible et font diverger lalgorithme de dcodage.

2.4.1

volution de densit - Profils de connexion

Lvolution de la densit (ED) [5] est une technique gnrique qui permet danalyser
les processus itratifs. Plus particulirement lED permet de prdire les performances dun
code LDPC et donc de construire et optimiser la structure (les profils dirrgularit) pour
obtenir les meilleures performances. Dans le cas dun mot de code de longueur infinie, le
graphe LDPC peut tre assimil un arbre. Le thorme de la concentration , dmontr
par Richardson [80], montre que sous cette hypothse, les performances des codes LDPC
alatoires convergent vers les performances moyennes. Les hypothses de symtrie et de
consistance des densits de probabilit des messages, permettent de simplifier le problme en
se limitant lmission du mot (0, 0, . . . , 0). Sous ces hypothses, la technique DE permet de
dfinir un seuil de bruit au-dessous duquel la probabilit derreur tend vers zro. La recherche
de la structure optimale du code revient donc rechercher les profils dirrgularit qui
permettent datteindre ce seuil. LED reste une mthode complexe vu le nombre important
de combinaisons possibles. Elle est valable surtout dans le cas asymptotique et rarement
utilise en pratique. Une description plus dtaille de lED est donne en Annexe B.

2.4.2

Les Diagrammes EXIT

La technique dvolution de densit ncessite le calcul de lvolution des densits de probabilit des messages fournis par le dcodeur. Le calcul de ces densits est une opration trs
coteuse en complexit. Une solution alternative consiste suivre lvolution dune fonction
statistique des messages. Ainsi Divsalar et al. [81], proposent lusage du rapport signal sur
bruit (SNR) quivalent en entre et en sortie du dcodeur (SN Rin /SN Rout ) pour prdire
le comportement dun rcepteur itratif. Dans [82] et [83] S.T. Brink introduit loutil EXIT
pour lanalyse du dcodage itratif des turbo-codes, en se basant sur linformation mutuelle
comme substitut de la densit de probabilit des messages en entre et en sortie. Lobservation empirique a montr que pour un ensemble de messages extrinsques, caractriss

53
en entre par une information mutuelle Iin , linformation mutuelle en sortie Iout , dpend
principalement de Iin , mais elle est trs lgrement dpendante de la densit de probabilit
des messages en entre, ceci permet de caractriser un dcodeur par la relation liant son
information mutuelle en entre et sortie. Ceci donne sa courbe caractristique EXIT :
Iout = f (Iin ).
Linformation mutuelle permet que calculer la quantit dinformation moyenne entre un
bit du mot de code et le message qui lui correspond. Notons par x 0, 1 lentre dun bloc
de dcodage. La sortie souple (LLR) est note par y R. Alors, linformation mutuelle est
donne par :
I(x, y) =

X Z

x{0,1}

p(y/x)p(x)log(

p(y/x)
)dy
p(x)

(2.25)

La densit de probabilit tant la plupart du temps inconnue, linformation mutuelle


peut tre estime laide dune simulation de type Monte Carlo.
LIM dtermine la quantit dinformation quapporte un message souple sur un bit donn.
Ainsi quand IM = 1 le bit est retrouv correctement et une fonction dterministe le relie
son message correspondant. En considrant les hypothses suivantes :
y suit une distribution gaussienne
la distribution des messages est consistante :
p(y/x) = p(y/ x).exp(x)

(2.26)

la densit de probabilit p(m) des messages m suit une distribution


gaussienne N (0, 2.E(m)),
le mot tout zro (0, 0, . . . , 0) est mis.
Linformation mutuelle J() entre le message x et le bit correspondant peut alors tre
estime [84] par :
J() =

1
2 2

exp(

(x 2 /2)2
2
) log2
dx
2 2
1 + exp(x)

(2.27)

o reprsente lcart-type des messages.


Pour un processus itratif faisant intervenir deux ou trois entits dont les courbes EXIT
sont connues, un diagramme EXIT peut tre trac en prenant la sortie dun bloc comme
lentre de lautre et inversant le rle des informations mutuelles. Lchange dinformation
consiste alors suivre la trajectoire de dcodage dinformation mutuelle entre les blocs. En
plus de linformation mutuelle, il existe dautres mtriques servant lanalyse du processus
itratif comme la fidlit, la moyenne, la probabilit derreur, etc. Une comparaison de
ces mtriques est donne dans [85]. En se basant sur la pertinence de ces mtriques dans
la prdiction du processus itratif, linformation mutuelle permet donc de mieux prdire
cette convergence sous les hypothses dune longueur de code infinie, de lindpendance des
messages et de distribution gaussienne.

54

2.4.3

2. Systme MIMO itratif et codage LDPC

Optimisation des codes LDPC par le diagramme EXIT

Loptimisation de codes LDPC en utilisant la technique dvolution de densit reste une


tache complexe et trs sensible la taille du code. Bien que moins prcise, loptimisation par
diagrammes EXIT est beaucoup moins complexe. Lors de loptimisation dun code LDPC,
il est ncessaire de tenir compte du canal de propagation ainsi que certains lments du
rcepteur. Ceci fait quun code LDPC optimal pour un canal AWGN nest pas ncessairement
optimal pour un canal de Rayleigh multitrajet, ou pour un rcepteur itratif.
Afin doptimiser le code LDPC pour un canal gaussien, le dcodeur est considr comme
deux sous-blocs regroupant dune part les noeuds de variable (Variable Node Decoder, VND),
et dautre part les noeuds de parit (Check Node Decoder, CND) comme le montre la figure
(2.5). Les courbes EXIT du VND et du CND sont ensuite traces pour un profil dirrgularit :

Figure 2.5 Representation du dcodeur en deux sous-blocs VND et CND

Figure 2.6 Representation du dtecteur et deux sous-blocs VND et CND


Lvolution de la variance des message est suffisante pour suivre leur volution. On
reprend lquation de dcodage (2.21). Pour un noeud de variable recevant dv messages
(LLR), ayant une distribution gaussienne, la variance du message sortant du noeud est la
somme des variances des messages entrants ( 2 = (J 1 (I))2 ) et la variance du message
sortant du noeud de variable est donne par :
p
out = (dv 1).(J 1 (Iin ))2 + (J 1 (I0 ))2
(2.28)

Linformation mutuelle Iout en sortie, associe ce mme noeud, et donc gale J(out ),
vaut :
p
Iout = J(out ) = J( (dv 1).(J 1 (Iin ))2 + (J 1 (I0 ))2 )
(2.29)

55
Par consquence, linformation mutuelle
associe lensemble des noeuds de vaPdv moyenne
i
riable dun code irrgulier ((x) = i=1 i .x ) scrit :
IV N Dout =

i .J(

p
(i 1)(J 1 (Iin ))2 + (J 1 (I0 ))2 )

(2.30)

De la mme manire pour un noeud de variable dont le degr de connexion est dc ,


linformation mutuelle en sortie du noeud de parit (dc ), et celle moyenne sur lensemble
des noeuds de parit, sont donnes par les quations (2.31) et (2.32) [86], [87] :
Iout = 1 J(
IoutCN D = 1

X
j

p
(dc 1).(J 1 (1 Iin )))

i J(

p
(j 1).(J 1 (1 IV N Dout )))

(2.31)
(2.32)

La mme mthode est utilise pour loptimisation du code pour un dtecteur MIMO
donn. Dans la figure (2.6) le dtecteur MIMO et le dcodeur VND sont vu comme une
seule entit (bloc 1), de la mme manire linformation mutuelle du bloc (MIMO-VND)
peut tre dtermine, ltude dtaille est donne pa Brink et al. dans [84].

Figure 2.7 Diagramme EXIT de deux entits


La figure (2.7) donne un exemple gnral dun diagramme EXIT o deux entits changent linformation itrativement. Dans cette figure le bloc 1 peut reprsenter le VND (cas
AWGN) ou aussi le bloc MIMO-VND. Loptimisation consiste modifier les degrs de
connexion des noeuds (leurs polynmes) de sorte que les courbes des blocs (1) et (2) soient
proches tout en vitant les intersections. En effet il faut garantir un cart minimum (tunnel)

56

2. Systme MIMO itratif et codage LDPC

entre les deux courbes EXIT pour que le systme puisse converger. Dans le cas contraire, la
convergence ne peut pas tre atteinte. Grce aux travaux de Franceschini, Yang et al. [88],
[89], il est aussi possible de choisir une structure de code qui lui permet de converger en un
nombre donn ditrations.

2.5

codes LDPC en Expansion

Les codes en expansion ont initialement t proposs par Gallager dans [54]. Ces codes
permettent dengendrer la matrice de parit partir dune matrice de base en remplaant
chaque lment de cette dernire par une matrice dexpansion. Dans [90] et [91], les matrices
dexpansion sont des matrices identits de taille z z permutes alatoirement ou suivant des
contraintes particulires[92]. Plus gnralement on parle de codes base de protographes
[93]. Ces codes constituent une famille particulirement intressante pour la ralisation matrielle. En effet, cette forme de matrice permet galement dappliquer des ordonnancements parallles servant raliser un dcodage parallle en groupes de noeuds de variable.
Le facteur dexpansion z permet de modifier la taille du mot de code pour ladapter la
transmission sans avoir besoin changer toute la matrice[94]. Les codes Repeat-Accumulate
construits partir de protographes et ayant une matrice de redondance bi-diagonale sont
dun intrt particulier. Ils permettent dune part un encodage simple, et dautre part, un
dcodage parallle. La matrice (2.33) montre un exemple :

H=

I21
..
.
..
.
I M

z 1

... ... ...

...

0zz

. . . ij

...

0zz 0zz

...

... ... ...


...
. . . . . . . . . I M K

I0

I0
I0

0zz 0zz
I0

0zz 0zz 0zz


I0
0zz 0zz 0zz 0zz

z z

Iij est une matrice z z :


nulle = 0zz si ij < 0,
identit permute de ij positions vers la droite si ij 0.

0zz

0zz
I0

(2.33)

Loptimisation des coefficients de permutation ij dpend de lordonnancement de dcodage choisi [95][96][97]. Une tude pousse de la relation entre les coefficients de permutation
et les pseudomots de code est donne dans la thse de J.B Dor [77]. Un algorithme de slection pseudoalatoire des coefficients de permutation est propos dans [77] afin dviter les
cycles de faible longueur. Une liste de coefficients interdits est forme et les coefficients sont
choisis en dehors de cette liste. Une autre contrainte existe, celle de lapparition de squences
piges ou pseudomots de code. Un pseudo-mot de code associ une matrice de contrle de
parit H, est un vecteur x de dimension N et de poids wp , dont le syndrome dfini est de
poids v. wp et v ont des valeurs relativement faibles, et peuvent tre des ensembles piges
qui font diverger le dcodeur. Les pseudomots de code de poids faibles sont principalement
engendrs par des combinaisons de noeuds o apparaissent des noeuds de donnes de degrs faibles [98], [99], [100]. Lexistence de pseudomots de code de poids faibles est lie la
prsence de cycles courts faisant intervenir des noeuds de donnes de degr faible. Il faut

57
donc garantir que les cycles faisant intervenir des noeuds de donnes de degr faible soient
dune longueur suffisamment leve. Sur cette base, on trouve la construction Progressive
Edge Growing(PEG) dans [101].

2.6

Les codes LDPC non binaires

Les codes LDPC binaires sont dfinis dans le corps de Galois GF(2). En se servant des
corps de Galois GF(q), il est possible de dfinir des codes lments non binaires GF (q)
(avec q 0, 2m 1). Le codage se fait dans GF(q), en utilisant laddition et la multiplication
dans GF(q). Les codes non binaires offrent des performances trs intressantes. Du cot du
dcodeur, il est ncessaire dvaluer q probabilits ou q 1 rapports LLR pour chaque noeud
de variable, les messages changs sont donc des vecteurs de vraisemblance, ce qui augmente
la complexit du dcodage.

2.7

Turbo-galisation

Dans [102] Muller et Gerstacker dterminent le perte de capacit cause par la sparation de lgalisation et du dcodage. Cependant cette sparation savre ncessaire afin de
rendre la complexit du rcepteur raisonnable. Lapplication du principe turbo lgalisation (turbo-galisation) permet de compenser cette perte avec une complexit limite. Elle
consiste rinjecter linformation souple en sortie du dcodeur canal lentre de lgaliseur
afin de lutiliser comme une information a priori et reconstitue une version amliore des
symboles transmis. Les premiers travaux sur la turbo-galisation sont apparus dans [103],
notamment avec un dtecteur ML, puis dans [104]. Une solution faible complexit utilisant
la dtection MMSE a t propose. Dans le cas MIMO on en trouve galement des travaux
dans [105], [106], [33], [107]. Dans la suite on sintresse uniquement la turbo-galisation
utilisant une dtection MIMO de type MMSE-IC.

2.7.1

Dtection MIMO MMSE-IC

Lannulation dinterfrence consiste reconstruire les symboles dinterfrence afin de les


supprimer, puis estimer le signal utile. Le filtre MMSE-IC annulateur dinterfrence, consiste
en lassociation de deux filtres : un premier filtre pk qui traite le vecteur r reu, tandis que
le deuxime qk traite le vecteur de symboles estims
sk durant litration prcdente. Le
couple (pk , qk ) optimal est celui qui minimise lerreur quadratique moyenne entre r et
sk
[33]. Loptimisation des filtres pk et qk au sens du critre MMSE revient rsoudre le
problme suivant :
h
2 i
opt 
(2.34)
= arg min E sk sk
popt
k , qk
pk ,qk

H
sk = pH
sk
k r qk

o
sk CQ1 est le vecteur dfini comme suit :

T

sk = s1 . . . sk1 0 sk+1 . . . sQ CQ1

(2.35)

58

2. Systme MIMO itratif et codage LDPC

Il est important de noter que chaque filtrage est effectu par bloc : ceci sexplique par
le fait que, dans le modle utilis, le canal est matriciel. Nous avons galement impos
lgaliseur une structure telle que lentre sk nait pas deffet sur le calcul de sk dans le
but de reconstruire seulement les interfrences provenant des autres symboles. Lorsque les
filtres avant et arrire de lgaliseur sont optimiss au sens du critre MMSE, nous parlerons
d annulateur dinterfrences MMSE .
Afin de fournir une information souple par bit au dcodeur canal, il est ncessaire de calculer
la probabilit P (
s/s). Nous crivons le symbole galis sous la forme suivante :
(2.36)

sk = k .sk + k

k reprsente le biais de lgaliseur et k contient le bruit gaussien et le reste dinterfrence


(suppose gaussienne N (0, k2 )). Nous pouvons ainsi calculer le rapport de vraisemblance
pour chaque bit i du symbole sk :
P
|
sk k .s|2 )
sS0i exp (
2k2
(2.37)
LLRbi ,k = ln P
|
sk k .s|2
exp
(
)
i
2
sS
2
1

En utilisant lapproximation Max-log lquation (2.37) scrit :


LLRbi ,k = M axsS i (
0

2.7.1.1

|
sk k .s|2
|
sk k .s|2
)

M
ax
)
(
i
sS1
2k2
2k2

(2.38)

Solution exacte

La solution de lquation (2.34) est donne dans les rfrences [108, 85, 109]. Nous en
donnons une dmonstration en annexe C. Les deux vecteurs optimaux scrivent comme
suit :
popt
k

s2

HVk H +

n2 IT Nr

H opt
qopt
k = H pk

1

Hek

(2.39)
(2.40)

avec,
Vk =

s2 ek eTk

Q
X

n2 eq eTq

(2.41)

q=1,q6=k

o s2 la puissance des symboles transmis et Vk CQQ une matrice diagonale dpendant


de lerreur rsiduelle sur chacun des symboles s qui a pour expression :

d1 = 12 0
...
...
0

..
..
..
0

.
.
.

..
.
..
.
..
Vk =
(2.42)

. dk = s2 . .
.

..

..
..
.
.

0
.
2
0
...
...
0 dQ = Q

59
avec,

k2 =



k2 = E |sk sk |2 |LLR(bi ), i = kQ + 1..(k + 1)Q
X
sS

(2.43)

|s|2 P (sk = s|LLR(bi ), i = kQ + 1..(k + 1)Q) |


sk |2

(2.44)

o S reprsente lensemble des symboles s et LLR(bi ) est linformation A-priori provenant du dcodeur canal.
Pour ces valeurs optimales, sont galement dmontrs les rsultats suivants :
k = p H
k Hek

(2.45)

k2
2k

(2.46)

= s2 k (1 k )
= s2 (1 k )

(2.47)

On dduit facilement lexpression du rapport signal sur interfrences plus bruit :


SINR =

s2 k2
k
=
2
1 k
k

(2.48)

Dun point de vue complexit dimplmentation, on note que le calcul des deux vecteurs
dgalisation optimaux ncessite une inversion matricielle de dimension T Nr T Nr relativement coteuse en temps de calcul. De plus le calcul de la matrice Vk ncessite lvaluation
de k2 chaque instant dchantillonnage. Cette opration augmente encore la complexit
globale du rcepteur. Pour remdier ces diffrents problmes, nous donnons deux approximations des vecteurs optimaux.

2.7.1.2

Approximation MMSE-IC1

Afin de simplifier le calcul des filtres, Tuchler propose dans [110], de remplacer les variances dans la matrice Vk par leurs moyennes :
2 = E(k2 )

(2.49)

Ceci nous permet de calculer les coefficients des filtres une seule fois pour chaque bloc.
Une autre simplification apporte par Laot et al. [109, 105], permet de calculer 2
partir de la puissance des symboles transmis et des symboles estims :

2 = E{k2 } = E

(


|s|2 P (sk = s|LLR(bi ), i = kQ + 1..(k + 1)Q) |


sk |2

sS

2

E |s|

s2 s2

 2
E |
sk |

(2.50)

60

2. Systme MIMO itratif et codage LDPC

De manire identique la solution exacte, les paramtres lis au symbole galis sont
donns par :
s2 k
1+s2 k

(2.51)

2k = s2 k (1 k )

(2.52)

k = p H
k hk =

(2.53)

Les expressions des filtres scrivent :

popt
k

s2

H[(s2

s2 )IQ

s2 ek eTk ]H H

n2 IT N r

H opt
qopt
k = H pk

1

Hek

(2.54)
(2.55)

En utilisant lgalit de Sherman-Morrison-Woodburry, lquation (2.54) peut tre transforme et simplifie sous la forme suivante :
popt
k = k p k

k =

s2
s2 + s2 ek T HH pk

k = k .k

(2.56)

k = pk Hek

pk = s2 (H.H H (s2 s2 ) + n2 .IT.N r )1 .H.ek

(2.57)
(2.58)

Il est possible de simplifier encore les expressions prcdentes du MMSE-IC en supposant


avoir une estimation parfaite des symboles transmis. Cette hypothse se traduit par :
k2 = 0, k.
Cette deuxime approximation ne sera pas considre dans la suite, on en trouve un premire
rfrence dans [111].

2.8

Conclusion

Dans ce chapitre on a introduit les codes LDPC, leur encodage, leur dcodage ainsi
que leurs techniques de construction et doptimisation, nous avons aussi soulign limportance particulire de certaines familles et structures de codes qui les rend attractifs pour les
applications pratiques.
Nous avons galement dcrit les dtecteurs MIMO MMSE-IC et leur association avec les
codes LDPC. La structure optimale et es performances dun code LDPC sont troitement
lies au canal de propagation ainsi qu la configuration du rcepteur. Il est donc difficile de
construire un code optimal en performances et qui remplit en mme temps plusieurs autres
contraintes comme la complexit, larchitecture du rcepteur et la rapidit convergence. En
pratique, bien que les normes imposent plusieurs contraintes aux systmes, le constructeur

61
dispose de plusieurs choix lors de la conception dun rcepteur, ainsi le choix dutiliser
une galisation itrative ou non, ou le choix dun certain algorithme de dtection ou de
dcodage reste li lobjectif mis par le constructeur et remet en question loptimalit du
code relativement ses choix.
Dans ce contexte, nous pouvons envisager de rechercher des moyens de rduction de la
complexit permettant dutiliser des rcepteurs itratifs avec des codes LDPC non optimiss
spcialement pour ce type de rcepteurs. Dans les chapitres suivants, nous tudions ces
possibilits sous deux approches en nous intressant leur effet sur la complexit et les
performances du rcepteur.

62

2. Systme MIMO itratif et codage LDPC

63

Chapitre 3

Ordonnancement statique du
rcepteur
3.1

Introduction

Le principe Turbo a rvolutionn la conception des systmes et notamment les rcepteurs, il est possible de raliser des gains considrables en performance en utilisant des
rcepteurs itratifs permettant de saffranchir des rcepteurs optimaux complexes. Bien que
la complexit dun rcepteur itratif soit gnralement infrieure celle dun rcepteur ML
optimal, cette premire peut rester un point dlicat et doit tre prise en considration surtout dans le contexte actuel de rseaux haut dbit, dapplications temps rel et surtout
dquipement basse consommation nergtique.

3.2

Contexte

En utilisant les techniques dcrites dans le chapitre 2, il est possible doptimiser la


structure (profils dirrgularit) ainsi que le graphe dun code LDPC (DE, EXIT Charts,
PEG) dune manire adapt au canal de propagation, ainsi qu la configuration du rcepteur
et aux paramtres de transmission. Loptimisation du code peut tre oriente pour rpondre
certaines exigences comme un taux derreur binaire minimal ou aussi rpondre certaines
contraintes comme un nombre maximum ditrations dans un rcepteur itratif.
Lensemble de ces techniques suppose certaines conditions asymptotiques comme un
graphe sans cycles, une longueur infinie du code, etc. Par consquent lors de la construction
dun code pour une application pratique, certains phnomnes lis la non-ralisation de
ces conditions asymptotiques peuvent tre observs comme lexistence de cycles de faible
longueur et de squences pige, etc.
Dans les systmes rels, les codes LDPC doivent aussi rpondre certaines contraintes
associes leur dcodage, ainsi les codes LDPC normaliss ont une structure particulire
assurant des dlais dencodage et de dcodage moindres. On trouve dans [77] des constructions de codes optimisant larchitecture de dcodage et les performances conjointement.
titre dexemple les codes LDPC dfinis dans certaines normes comme (IEEE 802.16m, IEEE

64

3. Ordonnancement statique du rcepteur

802.11n, IEEE 802.11ac etc) ont des structures choisies pour respecter les requis en termes
de dlai et de dbit selon nature de lapplication vise et les obligations imposes par les
normes.
En rception les constructeurs disposent dune libert de choix de leurs techniques dgalisation et de leur algorithme de dcodage LDPC. Cependant, loptimisation du code en
utilisant les diagrammes EXIT est trs dpendante du dtecteur utilis (SD, MMSE, ZE,
etc). Les codes LDPC dfinis dans les normes ne sont pas optimiss pour des dtecteurs
donns ni selon les critres de construction spcifiques la rception itrative. Il est donc
difficile quun code LDPC normalis soit optimal pour plusieurs schmas de rception. Nous
verrons plus tard dans ce chapitre que pour un code LDPC, le nombre ditrations joue un
rle primordial dans la convergence du dcodage et par suite le diagramme EXIT du code en
dpend. Il convient donc doptimiser le jeu des itrations externes/internes afin de rduire
la complexit globale du rcepteur.

3.3

Rcepteur itrarif MMSE-IC LDPC

Le systme tudi est un systme de transmission MIMO OFDM mono-utilisateur en


mode multiplexage spatial utilisant un codage correcteur LDPC. Grce la modulation
CP-OFDM, le canal est transform en un canal vanouissements plats sur chaque sousporteuse. Une connaissance parfaite du canal en rception est suppose. Lobjectif de ce
chapitre est dexplorer les possibilits de la rduction de la complexit du rcepteur itratif
MIMO LDPC associ.
La figure (3.1) montre la configuration du systme tudi. On note par boucle externe
la boucle reliant la sortie souple du dcodeur de canal lentre du dtecteur MIMO (boucle
dgalisation turbo) en passant par un bloc de re-mapping souple permettant de reconstruire
les symboles complexes partir de linformation souple sortant du dcodeur LDPC. On
note dautre part par boucle interne la boucle de dcodage itratif LDPC. Dans cette
configuration, chaque boucle dgalisation externe engage nouveau une srie ditrations
de dcodage interne (LDPC) permettant damliorer linformation sur les bits, mais qui
augmente aussi le dlai et la complexit. On se propose dexploiter les itrations externes et
internes afin de trouver une solution permettant de raliser un rcepteur itratif avec une
complexit comparable avec celle dun rcepteur simple.
Notre proposition consiste tablir un ordonnancement du jeu des itrations internes
et externes afin de permettre au dcodeur ditrer suffisamment pour converger et viter les
itrations qui ne rapportent pas de gains significatifs. Ceci est quivalent une modification
de la trajectoire de dcodage (EXIT curves) de sorte limiter le nombre ditrations. On se
propose dans ce qui suit de chercher les ordres ditrations internes/externes qui optimisent
la complexit et les performances.

3.4

Entrelacement

Un schma BICM gnral ([112], [113]) consiste entrelacer les bits cods avant la
phase de modulation. Dans le cas dun code LDPC dont la structure est alatoire, on peut

65

Figure 3.1 Rcepteur MIMO OFDM itratif


considrer que lentrelaceur est implicitement prsent dans le code LDPC. Si le code LDPC
est structur, il sera prfrable dutiliser un entrelaceur. Cependant, lentrelacement peut
ajouter des dlais considrables notamment pour un rcepteur itratif puisque deux phases
de dsentrelacement et dentrelacement seront ncessaires chaque boucle externe.

3.5

Complexit

Afin de rduire la complexit du rcepteur itratif, il est ncessaire danalyser et dterminer le poids de chacun des deux principaux traitements en rception, la dtection et le
dcodage.

3.5.1

Complexit LDPC

Nous donnons les expressions des nombres doprations effectues lors du dcodage LDPC
selon les quations du chapitre 2, Eqs (2.21) et (2.20) pour le dcodage BP (Flooding). Les
tables (3.1) et (3.2) donnent ces expressions littrales en fonction des paramtres du code
prcisment les degrs de connexion des noeuds de variable (resp de parit) dvi (resp dci ),
sa longueur N et son rendement 1 M/N . Les fonctions f et f 1 sont ralises sous formes
de Lookup tables.
Algo
BP

Additions et Soustractions
PM

i=1 (dci

1) +

PN

j=1 (dvj )

PM

i=1 (dci )

Table 3.1 Complexit du dcodage LDPC

PN

j=1 (dvj )

66

3. Ordonnancement statique du rcepteur


Algo

Accs mmoire, Lookup tables, RW

BP

PM
PN
PM
(dci ) +
(dvj ) +
i=1
j=1
i=1 (dci ) +
PN
PM
P
N
+ j=1 (dvj ) 1 +
i=1 (dci ) +
j=1 (dvj ) 1
Table 3.2 Complexit du dcodage LDPC

Daprs les tables (3.1) et (3.2), la structure du code joue un rle important dans la
complexit du dcodage. Plus les degrs de connexions sont levs, plus le dcodage est
complexe cause du nombre lev de messages calculer au niveau des noeuds. Les codes
standards (IEEE 802.11) quon a choisis sont des codes en expansion (construits partir
de matrices identits permutes) appartenant la famille Repeat-Accumulate dont la partie
Hp de la matrice de contrle est bidiagonale(voir Annexe B).

3.5.2

Complexit MMSE-IC

On trouve dans [33] une estimation littrale de la complexit MMSE-IC ainsi que sa
version approximative MMSE-IC1 en fonction du nombre dantennes en rception Nr , de
la dure T dun bloc espace-temps et du nombre de symboles utiles Q par dure symbole.
Les tapes de calcul des filtres pk et qk ncessite des produits matriciels, des additions ainsi
quune opration dinversion. Les tables (3.3) et (3.4) donnent ces diffrentes tapes et leurs
complexits pour lalgorithme exact MMSE-IC, les tables (3.5) et (3.6) donnent aussi ces
estimations pour lalgorithme MMSE-IC1.
En comparaison avec lalgorithme exact MMSE-IC, lalgorithme simplifi MMSE-IC1
permet de rduire le nombre de produits matriciels ainsi que le nombre dappels des deux
premires tapes les plus exigeantes en complexit.
tape
1
2
3
4
5

Expression
A = HVk HH + n2 IT Nr
B = A1
pk = s2 BHek
qk = HH pk
Hs
sk = pH
k pour k = [1, . . . , Q]
k r + qk

Nombre dappels
Q
Q
Q
Q
Q

Table 3.3 Algorithme MMSE-IC sous sa forme exacte pour un bloc de Q symboles galiss

La complexit totale du rcepteur (MMSE et LDPC) scrit formellement :


Ctotale =

N
.CM M SE .Ne + CLDP C .NLDP C .Ne
Q.m

CM M SE : la complexit de lalgorithme MMSE utilis,

(3.1)

67
tape
1
2
3
4
5
Total

multiplication relle
T Nr Q(1 + 4T Nr )
2(T Nr )2 (T Nr + 1)
4(T Nr )2 + T Nr
4QT Nr
4T Nr + 4Q
4Q2 T Nr2 + 5Q2 T Nr + 4Q2
+2Q(T Nr )3 + 6Q(T Nr )2
+5QT Nr

addition relle
T Nr (4T Nr Q + 1)
2(T Nr )2 (T Nr + 1)
4(T Nr )2
4QT Nr
4T Nr + 4Q + 1
4Q2 (T Nr )2 + 4Q2 T Nr + 4Q2
+2Q(T Nr )3 + 6Q(T Nr )2
+5QT Nr + Q

div. relle
0
(T Nr )2
0
0
0
Q(T Nr )2

LUT
0
T Nr
0
0
0
QT Nr

Table 3.4 Complexit (nombre doprations) de la mise en oeuvre du MMSE-IC sous sa


forme exacte pour un bloc de Q symboles galiss
tape
1
2
3
4
5
6
7

Expression
A = HHH (s2 s2 ) + n2 IT Nr
B = A1
p
k = s2 BHek
2
k = 2 +2 eTs HH p
s

s
k

p k = k p
k
H
qk = H pk
Hs
sk = pH
k
k r + qk

pour k = [1, . . . , Q]

Nombre dappels
1
1
Q
Q
Q
Q
Q

Table 3.5 Algorithme MMSE-IC1 pour un bloc de Q symboles galiss


CLDP C : la complexit dune itration de dcodage LDPC pour Q symboles,
NLDP C : le nombre ditrations internes (LDPC) utilis.
Ne : le nombre ditrations externes (boucle turbo-galisation).

3.5.3

Application numrique

Prenons une application numrique des expressions de complexit donnes ci-devant. La


table (3.7) donne les nombres doprations pour diffrentes longueurs de code et diffrents
rendements pour une seule itration et pour 50 itrations (nombre couramment utilis dans
la littrature).
La complexit crot videmment avec la longueur du code, cependant elle varie lgrement avec la variation du rendement du code. En effet laugmentation du rendement du code
signifie la diminution du nombre des bits de parit pour tre remplacs par des bits dinformation. Sachant que la matrice de contrle HLDP C a une structure bidiagonale (section
2.5, annexe B), le nombre de bits dont le degr de connexion est lev augmente. Cependant le nombre dquations de parit diminue ce qui compense laugmentation du nombre
de connexions. Ceci fait que la complexit LDPC nest pas trs sensible la variation du
rendement du code.
Nous rappelons que les expressions de complexit MMSE sont donnes pour un bloc
de Q symboles utiles. Afin de comparer la complexit MMSE avec la complexit LDPC

68

3. Ordonnancement statique du rcepteur

tape
1
2
3
4
5
6
7
Total

multiplication relle
4(T Nr )2 Q + T Nr
2(T Nr )2 (T Nr + 1)
4(T Nr )2 + T Nr
4T Nr + 2
2T Nr
4QT Nr
4T Nr + 4Q
4Q2 T Nr + 4Q2 + 8QT Nr2
+11QT Nr + 2Q + 2(T Nr )3
+2(T Nr )2 + T Nr

addition relle
4(T Nr )2 Q + T Nr
2(T Nr )2 (T Nr + 1)
4(T Nr )2
4T Nr + 1
0
4QT Nr
4T Nr + 4Q + 1
4Q2 T Nr + 4Q2 + 8Q(T Nr )2
+8QT Nr + 2Q + 2(T Nr )3
+2(T Nr )2 + T Nr

div. relle
0
(T Nr )2
0
1
0
0
0
(T Nr )2
+
Q

LUT
0
T Nr
0
0
0
0
0
T Nr

Table 3.6 Complexit (nombre doprations) de la mise en oeuvre du MMSE-IC1 pour


un bloc de Q symboles galiss

N
N
N
N
N
N
N
N

Paramtres
= 1296, R = 1/2
= 1296, R = 2/3
= 1296, R = 3/4
= 1296, R = 5/6
= 1944, R = 1/2
= 1944, R = 2/3
= 1296, R = 3/4
= 1944, R = 5/6

Adds
17928
18576
18684
18144
26892
27864
27054
25272

accs mmoire (RW f et f 1 )


27863
28511
28511
27539
41795
42767
41309
38393

50
896400
928800
934200
907200
1344600
1393200
1352700
1263600

50
1393150
1425550
1425550
1376950
2089750
2138350
2065450
1919650

Table 3.7 Nombre doprations effectues pendant une seule itration BP puis 50 itrations de dcodage
pour un mme nombre de bits, il est ncessaire de multiplier la complexit du MMSE par
un coefficient prenant en compte le nombre de symboles et la modulation. Les symboles
appartiennent une constellation de type (Quadrature Amplitude Modulation) QAM (m
bits, 2m symboles). Un mot de code LDPC de taille N contient donc N/m symboles ou
aussi N/(Q m) blocs espace-temps. Les tables (3.8) et (3.9) en donnent une application
numrique (NT = 4, NR = 4, QPSK m = 2, Q = 4, T = 1, N = 1296).
Algorithme
M M SE IC
M M SE IC1

multiplication relle
2384
1180

addition relle
2324
1132

div. relle
64
20

LUT
16
4

Table 3.8 Complexit de calcul des algorithmes MMSE-IC et MMSE-IC1 pour un bloc
de Q symboles galiss
Dans la suite, la solution approximative MMSE-IC1 sera utilise grce sa complexit
largement infrieure celle de la solution exacte MMSE-IC.

69
Algorithme
M M SE IC
M M SE IC1

multiplication relle
386208
191160

addition relle
376488
183384

div. relle
10368
3240

LUT
2592
648

Table 3.9 Complexit de calcul des algorithmes MMSE-IC et MMSE-IC1 pour un bloc
de N/(Q.m) symboles galiss
Le dcodage LDPC ncessite nettement plus doprations dadditions et daccs mmoire
tandis que la complexit de la dtection MMSE rside essentiellement dans les oprations
de multiplication. La complexit de la dtection MMSE est constante tandis que laspect
itratif du dcodage LDPC fait que sa complexit est proportionnelle au nombre ditrations
de dcodage.

3.6

Ordonnancement du rcepteur

partir, des symboles reus et des symboles estims a priori, le dtecteur MIMO MMSEIC reconstitue les symboles transmis. Ces derniers sont dmoduls et entrs au dcodeur
LDPC. Aprs un certain nombre ditrations NLDP C , une dcision dure a posteriori est
prise sur chaque bit et linformation extrinsque sur chaque bit en sortie est remodule pour
fournir les symboles a priori, s. Ce processus se rpte Ne fois. la fin de chaque itration
de dcodage LDPC dun bloc y le syndrome e = HLDP C .y t est calcul. Le dcodage sarrte
si un syndrome nul est trouv ou si un maximum ditrations est atteint (un maximum
suffisamment lev pour permettre au dcodeur de converger).
Ceci fait du nombre ditrations de dcodage LDPC un degr de libert quon peut exploiter pour rduire la complexit. La complexit du dcodeur LDPC tant pesante dans la
complexit du rcepteur, on se propose de minimiser le nombre ditrations LDPC ncessaires en dfinissant un ordonnancement des itrations internes et externes. Le but de cet
ordonnancement est dtablir un ordre de droulement du dcodage de sorte que le gain du
rcepteur itratif soit ralis avec un nombre ditrations minimum comparable celui dun
rcepteur simple (non itratif).
Lide consiste dune part ne faire de dcodage LDPC que lorsquil y a un gain significatif raliser puis rutiliser la boucle externe le plus tt possible. Il est donc ncessaire
dintroduire un ordre de droulement des itrations externes et internes afin de minimiser ces
itrations en gardant les mmes performances, le nombre ditrations NLDP C sera variable
dune itration externe lautre. Pour se faire, deux types dordonnancement sont proposs,
lordonnancement statique et lordonnancement dynamique. Nous traiterons dans la suite
lordonnancement statique. Lordonnancement dynamique tant bien plus intressant, mais
plus complexe cerner, sera relay au chapitre suivant. Notons que bien que le terme ordonnancement a dj utilis dans le chapitre 2 pour le dcodage LDPC mme, dans les chapitres
3 et 4 il sagit de lordonnancement des itrations internes/externes. Sans abus de langage
nous utiliserons les deux termes quivalents itration et boucle .

70

3.7
3.7.1

3. Ordonnancement statique du rcepteur

Ordonnancement statique
Nombre ditrations externes

Daprs lexpression de la complexit de lquation (3.1), il est ncessaire de fixer le


nombre ditrations externes Ne . Il est possible de se servir des diagrammes EXIT pour
estimer le nombre ditrations ncessaires. Cependant une telle estimation suppose dune
part, lutilisation dun entrelaceur la sortie du dtecteur MMSE-IC, et dautre part dpend
du rapport signal sur bruit en rception (figure 3.7). On peut cependant fixer Ne en se basant
sur des simulations off-line. On trouve dans la littrature des valeurs allant jusqu 10
itrations externes. La figure (3.2) montre les performances dun rcepteur MIMO (MMSEIC) 4 4 QPSK pour diffrentes valeurs de Ne . Le nombre ditrations internes (LDPC)
est cependant maintenu constant et suffisamment lev afin de dterminer une limite de
performance de la configuration propose. On observe un gain de 0.5 dB aprs 4 itrations
externes, aprs cette quatrime itration aucun gain nest ralisable.

100

PER

101
102
8 outer loops
6 outer loops
4 outer loops
3 outer loops
2 outer loops
1 outer loop

103
104
105
3

2
1
Eb /N0 (dB)

Figure 3.2 Performance du rcepteur MMSE-IC 4x4 pour diffrentes valeurs de Ne avec
50 itrations LDPC dans boucle externe
Le nombre ditrations externes Ne est fix. la ie itration externe, le dcodeur LDPC
effectue NLDP C i itrations internes. Nous utiliserons dans la suite la notation en Ne uplets
(NLDP C 1 , NLDP C 2 , . . . , NLDP C Ne ) pour reprsenter les ordonnancements On se propose de
P e
minimiser le nombre total ditrations LDPC soit la somme ( N
i=1 NLDP C 1 ) en prservant
les mmes performances limites de la figure (3.2).

71

3.7.2

Diagrammes EXIT du code LDPC

Chaque message (LLR) transmis au dcodeur correspond un bit x {1, +1}. Aprs
un certain nombre ditrations de dcodage, le message sortant du dcodeur est plus fiable.
Iin reprsente linformation mutuelle entre le message entrant au dcodeur et son bit x
correspondant, calcule en moyenne pour un nombre lev de bits (Eq (2.25)). De mme,
Iout reprsente linformation mutuelle moyenne entre le message sortant du dcodeur et son
bit correspondant (figure 3.3). Ceci permet de caractriser le dcodeur par sa caractristique
Iin = f (Iout ). Cette caractristique permettra donc de comparer les codes et leurs sensibilits
aux variations des paramtres.

Figure 3.3 Calcul des caractristiques EXIT


Les figures (3.4), (3.5) et (3.6) donnent les courbes EXIT, Iin = f (Iout ) du code LDPC
standard, pour les longueurs de code (1296 et 1944), pour les rendements (1/2 et 2/3) et
aussi pour diffrents nombres ditrations. Pour une mme information mutuelle en entre
Iin : plus la taille du code est leve plus linformation mutuelle Iout est leve (figures 3.4
et 3.6), moins le rendement du code est lev plus linformation Iout est leve (figures 3.4
et 3.5).
On sintresse aussi leffet du nombre ditrations de dcodage sur les caractristiques
EXIT. Leffet de laugmentation du nombre ditrations se traduit par une augmentation
de linformation mutuelle en sortie. Cependant cet effet napparat quaprs un seuil Iin
dinformation mutuelle (e.g [Iin = 0.55, N= 1296, R=1/2], [Iin = 0.5, N=1944, R =1/2],
[Iin = 0.6, N= 1296, R= 2/3] ). Aussi, laugmentation de linformation mutuelle en sortie
Iout nest pas constante (linaire) en fonction des itrations. En effet, faible rapport SNR
les caractristiques Iout = f (Iin ) sont superposes quelque soit le nombre ditrations utilis.
Pour 0 < Iin < 0.55 linformation mutuelle en sortie reste inchange, il conviendra donc de
ne faire que peu ditrations faible SNR. Pour Iin plus leve , Iout devient plus sensible au
nombre ditrations. les courbes EXIT Iout = f (Iin ) du dtecteur MIMO MMSE-IC (4x4)
sont dpendantes du SNR, la figure (3.7) en donne les courbes pour diffrentes valeurs SNR.

72

3. Ordonnancement statique du rcepteur

0.8

Iin

0.6
0.4
5 its LDPC
10 its LDPC
15 its LDPC
50 its LDPC

0.2
0
0

0.2

0.4

0.6

0.8

Iout
Figure 3.4 Courbe EXIT du code LDPC, Rendement 1/2, 1296 bits pour diffrents
nombres ditrations

3.7.3

Ordonnancement propos

On se rfre nouveau aux courbes EXIT des codes LDPC (3.4, 3.5 et 3.6). On observe
(daprs les pentes des courbes) que les quelques premires itrations LDPC sont celles qui
apportent le plus de gain. La figure (3.8) montre leffet du nombre ditrations LDPC sur les
performances. Aprs la 9e itration, les courbes P ER se superposent et aucun gain significatif
ne peut tre apport par un excs ditrations LDPC. Cette valeur sera fixe comme borne
suprieure du nombre ditrations LDPC, NLDP C
Au cours des itrations externes, la fiabilit des symboles est amliore, et chaque
boucle externe, linformation mutuelle en entre du dcodeur LDPC est plus leve. Ceci
veut dire (daprs les courbes EXIT) que le nombre ditrations LDPC doit augmenter entre
deux itrations externes :
NLDP C i NLDP C i+1 NLDP C Ne
NLDP C i reprsente le nombre ditrations LDPC effectues la ieme itration externe.
Les meilleurs ordonnancements sont ceux pour lesquels la somme
duite et les performances PER sont prserves.

P Ne

i=1 NLDP C i

est r-

Nous commencerons par minimiser la premire composante NLDP C 1 , en gardant toutes


les autres composantes 9 (valeur choisie ci-avant) itrations. La figure (3.9) donne les
performances pour des valeurs 1 NLDP C 1 9. Pour NLDP C 1 = 3 le taux derreur paquet

73

0.8

Iin

0.6
0.4
5 its LDPC
10 its LDPC
15 its LDPC
50 its LDPC

0.2
0
0

0.2

0.4

0.6

0.8

Iout
Figure 3.5 Courbe EXIT du code LDPC, Rendement 2/3, 1296 bits pour diffrents
nombres ditrations
est minimum, en outre laugmentation de NLDP C 1 ce stade peut dgrader le taux derreur
paquet, ceci est le cas des quadruplets (1, 3, 7, 9) et (1, 3, 7, 9). Ceci peut tre expliqu par
la prsence de cycles courts dans le graphe du code. En effet, vu que la taille du code est
relativement faible et en prsence de cycles courts, laugmentation du nombre ditrations
propage les erreurs dans le graphe.
De la mme manire on dtermine les autres composantes NLDP C 2 et NLDP C 3 (figures
3.10 et 3.11) et lordonnancement (3, 7, 7, 9) peut dans ce cas tre choisi comme ayant un
nombre ditrations LDPC total relativement faible sans dgradation remarquable des performances.
Daprs les courbes EXIT des codes LDPC (section 3.7.2), on peut voir quen variant le
rendement du code ou sa taille le nombre ditrations ncessaires varie. Ceci veut dire que
lordonnancement doit tre calcul pour chaque variation des paramtres du code et aussi
pour la variation de lordre de modulation. En outre, lordonnancement propos est obtenu
par simulation sur un nombre lev de paquets et sur plusieurs valeurs SNR, il correspond
donc une moyenne et le mme jeu ditrations sapplique galement tous les blocs reus
quelque soient leurs fiabilits (SNR en rception). Certains paquets seront donc sanctionns
par les limites fixes par cet ordonnancement. Ceci nous motive rechercher des mthodes
dordonnancement plus flexibles.

74

3. Ordonnancement statique du rcepteur

0.8

Iin

0.6
0.4
5 its LDPC
10 its LDPC
15 its LDPC
50 its LDPC

0.2
0
0

0.2

0.4

0.6

0.8

Iout
Figure 3.6 Courbe EXIT du code LDPC, Rendement 1/2, 1944 bits pour diffrents
nombres ditrations

3.8

Conclusion

Dans ce chapitre on a analys la complexit du rcepteur itratif MMSE-IC LDPC. La


complexit MMSE est fixe tandis que le nombre ditrations de dcodage LDPC peut tre
exploit pour rduire la complexit du rcepteur en introduisant la notion dordonnancement
interne/externe des itrations. Lobservation de la sensibilit des diagrammes EXIT du code
au nombre ditrations de dcodage nous permet de dterminer des ordonnancements statiques faible nombre total ditrations. Lavantage des ordonnancements statiques est le
fait davoir une complexit et un dlai constants, cependant ils manquent de flexibilit et
doivent tre modifis pour chaque variation des paramtres du systme. Dans le chapitre
suivant, nous explorons des possibilits dutiliser des ordonnancements dynamiques flexibles.

75

0.9

Iout

0.8
0 dB
-1 dB
-2 dB
-4 dB

0.7

0.6
0

0.2

0.4
Iin

0.6

0.8

Figure 3.7 Diagramme EXIT du MMSE-IC 4x4 QPSK, pour differentes valeurs SNR

100

PER

101
102
1 itration LDPC
3 itrations LDPC
5 itrations LDPC
7 itrations LDPC
9 itrations LDPC
10 itrations LDPC

103
104
105
3

2
1
Eb /N0 (dB)

Figure 3.8 Itrations LDPC

76

3. Ordonnancement statique du rcepteur

100

PER

101
102
103
(9, 9, 9, 9)
(5, 9, 9, 9)
(3, 9, 9, 9)
(1, 9, 9, 9)

104
105
3

2
1
Eb /N0 (dB)

Figure 3.9 Performances des ordonnancements, composante N1

100

PER

101
102
103
(3, 9, 9, 9)
(3, 7, 9, 9)
(3, 5, 9, 9)
(3, 3, 9, 9)

104
105
3

2
1
Eb /N0 (dB)

Figure 3.10 Performances des ordonnancements, composante N2

77

100

PER

101
102
103
(3, 7, 9, 9)
(3, 7, 7, 9)
(3, 7, 5, 9)
(3, 7, 3, 9)

104
105
3

2
1
Eb /N0 (dB)

Figure 3.11 Performances des ordonnancements, composante N3

78

3. Ordonnancement statique du rcepteur

79

Chapitre 4

Ordonnancement dynamique du
rcepteur
4.1

Introduction

Afin de rduire la complexit du rcepteur itratif MIMO LDPC, la notion dordonnancement a t introduite dans le chapitre 3, afin de rduire le nombre ditrations de dcodage
LDPC en sappuyant sur les diagrammes EXIT du code. Dans ce chapitre nous explorons
les possibilits dutiliser des ordonnancements dynamiques en se basant sur des mtriques
de fiabilit de linformation disponible au niveau des noeuds du code.

4.2

Ordonnancement dynamique

Laspect itratif de lalgorithme de dcodage LDPC permet dexploiter le nombre ditrations pour rduire la complexit du rcepteur itratif. Dans le chapitre prcdent, nous avons
introduit la notion dordonnancement des itrations externes et internes, une premire solution dordonnancement statique a t propose. Elle permet en sappuyant sur les courbes
EXIT dun code donn de dterminer un ordonnancement faible nombre ditrations.
Lordonnancement statique est sensible la longueur du code, son rendement ainsi que
dautres paramtres du systme. Nous proposons dans ce chapitre dutiliser des ordonnancements dynamiques dans le sens que le nombre ditrations LDPC effectues chaque boucle
externe est variable et dpendant de la fiabilit des vraisemblances des bits du bloc en cours
de dcodage. En dautres mots, au lieu dutiliser un ordonnancement prdfini calcul comme
une moyenne sur une plage SNR, chaque bloc LDPC reu sera trait selon la fiabilit de
ses bits permettant ainsi de prendre en compte les variations du canal et les variations des
paramtres du code.

80

4.3

4. Ordonnancement dynamique du rcepteur

volution de la fiabilit avec les itrations

Lutilisation dordonnancements dynamiques ncessite de dterminer le nombre ditrations NLDP C i effectuer lors de la i-me boucle externe. Ceci revient dcider si le dcodage
LDPC doit sarrter en se basant sur une mtrique donne avant commencer une nouvelle
phase dgalisation, on parle donc de critre darrt.
On dfinit la mtrique de fiabilit moyenne (Mean Reliability) (MR) sur les bits bi dun
mot de code de taille N par :
MR =

N
1 X
|LLR(bi )|
N

(4.1)

i=1

o LLR(bi ) dsigne le rapport de vraisemblance extrinsque dun bit.

0.14

MR

0.12
0.1

8 102
6 102
0

10

20
30
iterations

40

50

Figure 4.1 volution de la fiabilit MR au cours des itrations 4dB


La figure (4.1) montre lvolution de la fiabilit moyenne de plusieurs paquets chantillons
au cours des itrations pour un faible rapport signal sur bruit, e.g 4 dB. La fiabilit
moyenne augmente trs lgrement au cours des premires itrations puis se stabilise sur
une valeur toujours trs faible. Pour un rapport SNR plus lev (e.g 2 dB) (4.2), certains
blocs arrivent converger aprs un certain nombre ditrations, tandis dautres ny arrivent
pas. Pour un SNR encore plus lev (4.3) la majorit des blocs montre une convergence et
une volution rapides de leurs fiabilits moyennes.

81

MR

30

20

10

0
0

10

20
30
iterations

40

50

Figure 4.2 volution de la fiabilit MR au cours des itrations 2dB

MR

30

20

10

0
0

10

20
30
iterations

40

50

Figure 4.3 volution de la fiabilit MR au cours des itrations 1 dB

82

4. Ordonnancement dynamique du rcepteur

Ces observations montrent quau lieu des ordonnancements statiques il serait plus astucieux dutiliser des ordonnancements dynamiques flexibles pouvant prendre en compte la
particularit de chaque bloc.
Dans [114], [115] and [116], des critres darrt du dcodage LDPC sur canal AWGN
sont proposs afin de rduire le nombre ditrations. Les auteurs classent les blocs reus
grossirement sous trois catgories. Certains blocs convergent rapidement aprs quelques
itrations, dautres convergent lentement ou oscillent sans converger (blocs non dcodables)
mme aprs un nombre lev ditrations. Nous analyserons dans la suite plusieurs critres
darrt.

4.4

Critres darrt

Lordonnancement dynamique est rgi par le critre darrt du dcodage LDPC. Les
critres darrts recherchs utilisent des mtriques de fiabilit pour prendre une dcision
darrt, une telle dcision permet de rduire le nombre ditrations quand on estime que
le dcodage ne peut plus apporter de gain. La mtrique de fiabilit est calcule la fin de
chaque itration LDPC, il faut donc quelle soit simple calculer.

4.4.1

Critre du premier maximum - FMMR

La fiabilit moyenne crot au cours des itrations, la constatation dune baisse peut trs
probablement signifier une difficult de convergence. Selon le critre FMMR 1 , ds quune
baisse est constate entre deux itrations i et i + 1, le dcodage sarrte et une nouvelle
boucle externe commence permettant ainsi dviter les itrations inutiles. Ce critre est
particulirement convenable faible SNR et son principal.
M R(iti ) > M R(iti+1 )

4.4.2

(4.2)

Critre de la fiabilit moyenne constante - CMR

Lorsque la fiabilit moyenne devient constante durant deux ou plusieurs itrations (fentre ditrations) on peut estimer quaucune amlioration significative ne peut tre espre.
Une dcision darrt de dcodage sera prise et une nouvelle boucle externe est dclenche.
M R(iti ) = M R(iti+1 )

4.4.3

(4.3)

Pondration de la fiabilit moyenne

La fiabilit moyenne telle que dfinie dans lquation (4.1) associe le mme poids tous
les bits du bloc dcod. Les bits dun mot de code LDPC irrgulier nont pas le mme niveau
de protection, laffectation de poids diffrents aux bits a pour effet de modifier lvolution de
1. First Maximum Mean Reliabity

83
la mtrique de fiabilit et par suite modifier le nombre ditrations avant larrt du dcodage.
Dans cette section nous proposons de pondrer les fiabilits (LLR) des bits lors du calcul
dune mtrique de fiabilit moyenne et nous analysons par la suite son effet sur le nombre
ditrations.
4.4.3.1

Mean Reliability On Information bits - MRI

Nous proposons de sintresser uniquement la fiabilit des bits dinformation. En effet


selon la structure nous dfinissions la fiabilit moyenne sur les bits dinformation (MRI) en
associant un poids nul aux bits de parit et un mme poids aux K bits dinformation. Cette
mtrique est simple calculer puisquelle ne concerne quune partie (K bits) du bloc.
K
1 X
| LLR(bi ) |
K

M RI =

(4.4)

i=1

4.4.3.2

Weighted Mean Reliability - WMR

Dans un code LDPC irrgulier, les noeuds ont des degrs de connexion diffrents. Les
noeuds les plus connects (dvi plus lev) reoivent plus dinformations et convergent avant
les autres noeuds. Afin de prendre en compte les degrs de connexion des noeuds, nous
dfinissons la mtrique de fiabilit pondre WMR par :
1

W M R = PN

N
X

i=1 dvi i=1

dvi |LLR(bi )|

(4.5)

Selon cette dfinition les noeuds les plus protgs sont plus pesants dans la dcision
darrt. En effet ds que ces derniers convergent on peux esprer une amlioration importante
grce une nouvelle boucle externe.
4.4.3.3

Weighted Penalized Mean Reliability - WPMR

Contrairement la mtrique WMR, les noeuds les plus protgs sont pnaliss afin de
permettre aux noeuds de faibles degrs de mieux contribuer la dcision darrt. On dfinit
la mtrique WMPR par :
1

W P M R = PN

1
i=1 dvi

N
X
1
.
|LLR(bi )|,
d vi

(4.6)

i=1

En utilisant ces mtriques pondres, on dfinit les critres (CMRI), (CWMR) et


(CWPMR) par la stabilit de leurs mtriques respectives durant deux itrations conscutives.
CM RI 2 : M RI(iti ) = M RI(iti+1 )
(4.7)
2. Constant Mean Reliability on Information

84

4. Ordonnancement dynamique du rcepteur


CW M R 3 :
CW P M R 4 :

Mtrique
MR
MRI
WMR
WPMR

W M R(iti ) = W M R(iti+1 )
W P M R(iti ) = W P M R(iti+1 )

Additions
N-1
K-1
N-1
N-1

Multiplications
0
0
N
N

(4.8)
(4.9)

Divisions
1
1
1
N+1

Table 4.1 Complexit de calcul des mtriques de fiabilit


Le calcul dune mtrique est ncessaire la fin de chaque itration il est donc ncessaire
de comparer les complexits de calcul des mtriques. La table 4.1 donne une estimation
littrale des nombres doprations ncessaires pour les diffrentes mtriques. La mtrique
MRI ncessite le moins de calcul vu quelle ne concerne que les bits dinformations. Les
mtriques WMR et WPMR ncessitent
bien
PNplus1 doprations cause de la pondration.
PN
Les facteurs de normalisation i=1 dvi et i=1 dv peuvent tre calcul une seule fois pour
i
un mme code vu quils dpendent uniquement des degrs de connexion des noeuds et ne
seront pas pris en compte dans la table 4.1. Dans ce qui suit, nous comparons la complexit
et les performances des diffrents critres bass sur les mtriques ci-devant.

4.5

Simulations

Les critres darrt dfinis dans la section 4.2 sont appliqus au dcodeur LDPC associ
au rcepteur MIMO itratif. Nous considrons les mmes paramtres de simulation que ceux
du chapitre 3 pour les mmes paramtres de modulation et de codage (QPSK, R = 1/2,
N = 1296) et 4 itrations externes. Les figures (4.4) et (4.5) montrent respectivement les
performances des diffrents critres dans les cas de rcepteur non itratif et itratif.
Tous les critres utiliss lexception du critre FMMR offrent les mmes performances,
il en est de mme pour le critre du syndrome (SC 5 eq (2.7)). En comparaison avec un
rcepteur simple (Non-Iter, figure (4.5)), on observe un gain de 0.5 dB. Le critre FMMR
montre une dgradation de 0.25 dB par rapport aux autres critres. En effet, le critre
FMMR arrte le dcodage mme pour certains blocs dcodables dont la convergence est
lente cause dune volution non monotone de leur fiabilit moyenne (e.g figure 4.1).

3. Constant Weighted Mean Reliability


4. Constant Weight Penalized Mean Reliability
5. Syndrome Criterion

85

100

PER

101
CMR
SC
FMMR
CMRI
CWMR
CWPMR

102

103

2
Eb /N0 (dB)

0.5

Figure 4.4 Performances des diffrents critres darrt dans un rcepteur non itratif,
MIMO 4x4, LDPC R = 1/2, N = 1296 bits

100

PER

101
Non-Iter
CMR
SC
FMMR
CMRI
CWMR
CWPMR

102
103
104
3

2
Eb /N0 (dB)

0.5

Figure 4.5 Performances des diffrents critres darrt dans un rcepteur itratif, MIMO
4x4, LDPC R = 1/2, N = 1296 bits

86

4. Ordonnancement dynamique du rcepteur

Average Number of Iterations

Afin de comparer limpact des diffrents critres sur la complexit du dcodeur LDPC
dans le rcepteur MIMO itratif, nous avons choisi de comparer le nombre moyen ditrations
effectues. Lcart-type du nombre ditrations (it ) est galement un indicateur important
pour avoir une estimation des bornes de leur nombre. Cette borne doit tre prise en compte
lors dune ralisation matrielle du dcodeur. Les courbes du nombre moyen ditrations en
fonction du rapport SNR sont donnes dans les figures (4.7), (4.6), (4.9) et (4.8). Pour la
clart des figures, seule la borne suprieure de lintervalle (+it ) est reprsente.
FMMR
CWMR
CWPMR

50
40
30
20
10
4

3
2
Eb/No (dB)

Figure 4.6 Nombre moyen ditrations la 1ere boucle externe pour les critres FMMR,
CWMR et CWPMR

Average Number of Iterations

87

CMR
CMRI
SC

50
40
30
20
10
4

3
2
Eb/No (dB)

Average Number of Iterations

Figure 4.7 Nombre moyen ditrations la 1re boucle externe pour les critres SC, CMR
et CMRI

FMMR
CWMR
CWPMR

50
40
30
20
10
4

3
2
Eb/No (dB)

Figure 4.8 Nombre moyen ditrations la 4me boucle externe pour les critres FMMR,
CWMR and CWPMR

88

Average Number of Iterations

4. Ordonnancement dynamique du rcepteur

CMR
CMRI
SC

50
40
30
20
10
4

3
2
Eb/No (dB)

Figure 4.9 Nombre moyen ditrations la 4e boucle externe pour les critres SC, CMR
and CMRI
Les critres CWMR et CWPMR offrent des performances trs proches malgr quils
sont dfinis sur des principes opposs, le premier favorise les noeuds dont les degrs de
connexion sont levs dans le calcul de la mtrique tandis que le second favorise les noeuds
les moins connects. En effet les poids associs

d
PN i

i=1

di

et

1
d

PN i

1
i=1 di

ont des valeurs trs faibles

relativement au LLR(bi ), ce qui cache leffet de la diffrence des degrs de connexion dans
le calcul de la mtrique et rend leurs performances trs proches. Cependant on observe une
moyenne ditrations plus leve pour le critre CWPMR que pour le critre CWMR.

4.5.1

Premire itration externe

la 1re itration externe (figures (4.6) et (4.7)), les nombres moyens ditrations augmentent avec le rapport signal sur bruit Eb /N0 et atteignent leurs pics 2 dB (sauf le
critre FMMR dont le pic apparat 1 dB). Les moyennes dcroissent aprs et convergent
0.5 dB. Pour critre du syndrome SC.
Pour les faibles valeurs dEb /N0 tous les critres montrent des moyennes infrieures
celle du critre du syndrome SC. Dautre part les moyennes des critres CMRI and CMR
sont infrieures celles des critres CWMR and CWPMR. Le critre FMMR parait trs
convenable pour cette premire itration externe cause de sa moyenne et son cart type
bas, fort Eb /N0 (> 2 dB) ses performances se dgradent. Au point 2 dB, les courbes
CMRI et SC se croisent et la courbe SC montre une diminution.

89

4.5.2

Quatrime itration externe

la 4e itration externe (figures (4.8) et (4.9)). Par rapport la 1re itration externe, ses
pics sont plus bas et sont dplacs de 2 dB 3 dB ce qui signifie quune partie des mots
de code non fiables la premire itration sont devenus fiables aprs 4 itrations externes. Il
en est de mme pour le point de croisement des courbes SC et and CMRI. Les cart-types
montrent un comportement semblable.
Daprs ce qui prcde le critre CMRI semble tre le plus intressant grce son nombre
ditrations et aussi la simplicit de calcul de sa mtrique (Table 4.1). Notons que lorsque
lEb /N0 devient trs lev, le nombre moyen ditrations pour critres bass sur les mtriques
de fiabilit montre un pallier suprieur la courbe du critre du syndrome. En effet, ceci
peut tre justifi par le fait que la fiabilit moyenne continue avoir des variations mme
trop minimes qui empchent larrt du dcodage. Si les messages LLR sont quantifis cet
effet pourra disparatre et les nombres moyens ditrations convergeront vers un mme point.
Parmi les intrts de lordonnancement dynamique est la capacit du dcodeur estimer
quun bloc est dcodable ou non partir de sa fiabilit moyenne, ceci est particulirement
intressant pour un systme utilisant une voie de retour (e.g ARQ 6 ), dans ce cas le rcepteur peut dcider de renvoyer une demande de retransmission plutt, ou aussi demander la
transmission de nouveaux bits de redondance dans le cas (HARQ) 7 .

4.5.3

Comparaison des ordonnancements

Lavantage de lapproche statique est quelle permet de dterminer un ordonnancement


avec une complexit et une latence constantes en ayant un nombre ditrations LDPC total
relativement faible et comparable au nombre ditrations LDPC utilis dans un rcepteur
non itratif. Cependant dune part, le dcodeur ne dispose pas toujours dun nombre suffisamment lev ditrations et certains blocs peuvent tre sanctionns. Dautre part les
ordonnancements statiques sont lis aux paramtres du code et doivent tre dtermins
pour chaque ensemble de paramtres.
En utilisant lordonnancement dynamique, le dcodeur LDPC dispose de plus libert
dans la dcision darrter au dtriment dune complexit plus leve et variable en comparaison avec les ordonnancements statiques. Les critres darrt dynamique sont cependant
plus flexibles et permettent de saffranchir des variations des paramtres du code ou de la
modulation.

4.6

Conclusion

En utilisant linformation souple disponible la sortie du dcodeur. Il est possible de


dfinir des critres darrt permettant de prendre une dcision darrt du dcodage canal et
6. Automatic Retransmission Request
7. Hybrid Automatic Retransmission Request

90

4. Ordonnancement dynamique du rcepteur

de recommencer lgalisation MIMO. faible SNR, une rduction relativement importante


du nombre ditrations est ralise. La comparaison des ordonnancements statiques et dynamiques montre que lintrt de chacun restera li lapplication vise et ses contraintes
de complexit et de flexibilit.

91

Chapitre 5

Le MIMO multi-utilisateur
5.1

(Xuser MIMO)

Introduction

Dans les chapitres prcdents, on sest intress la turbo-galisation et son ordonnancement dans un systme MIMO mono-utilisateur. Lobjectif de ce chapitre est dtudier le
cas MIMO multi-utilisateur avec un accs multiple par division spatiale (SDMA). Dans le
cas idal, lusage de laccs multiple SDMA tablit une orthogonalit entre les faisceaux destins aux diffrents utilisateurs et aucune interfrence naura lieu. Ceci se ramne au cas du
chapitre prcdent (cas mono-utilisateur). Malgr la formation des faisceaux dune manire
adapte au canal rencontr, linterfrence interutilisateur reste susceptible daugmenter
cause de la dynamique du canal ou cause des dplacements du rcepteur ou de lmetteur.
Cette interfrence peut atteindre un niveau important pouvant dgrader significativement la
qualit de la transmission. Une premire solution consiste refaire lestimation du canal et
adapter les faisceaux ces nouvelles conditions. Une deuxime solution consiste supprimer
linterfrence en profitant de la connaissance des conditions de propagation (Channel Side
Information)(CSI) rencontres par lutilisateur interfrent. On sintresse dans ce chapitre
tudier cette deuxime solution.

5.2

Accs Multiple par Division Spatiale ou MU-MIMO

Laccs multiple SDMA constitue aujourdhui une technique daccs particulirement intressante pour les systmes MIMO. En effet cette technique permet dexploiter la dimension
spatiale (antennes multiples) pour sparer les diffrents utilisateurs qui partagent la mme
bande de frquence. Ceci constitue un atout trs fort pour laccs multiple SDMA vis--vis
des enjeux des nouveaux systmes de communication sans fil pour lesquels lamlioration
de lefficacit spectrale est lun des objectifs essentiels. Le SDMA a rcemment t choisi
dans les nouvelles normes de rseaux radio mobile (3GPP LTE) et de rseaux locaux sans
fil (WiFi 802.11n, 802.11ac). En utilisant linformation sur ltat du canal (CSI) disponible
lmission grce une voie de retour, des faisceaux (aussi appels modes ) sont forms
pour tre destins aux diffrents utilisateurs de sorte viter les interfrences. Idalement

92

5. Le MIMO multi-utilisateur (Xuser MIMO)

les faisceaux sont orthogonaux en mission et chaque rcepteur ne reoit que le faisceau qui
lui est destin. Dans ces conditions, une simple galisation en rception permet de rcuprer
les symboles transmis et le systme multi-utilisateur se transforme en plusieurs systmes
mono-utilisateur. On note lintrt de la combinaison de laccs SDMA avec lOFDM en
appliquant un prcodage par sous-porteuse OFDM.
La mise en oeuvre dune transmission avec un accs multiple SDMA ncessite deux
phases. Dans une premire phase (phase de feedback ), les rcepteurs estiment leurs canaux
respectifs et renvoient cette information lmetteur. Durant la deuxime phase, lmetteur
utilise ces informations pour tablir laccs multiple par prcodage (beamforming) et commencer la transmission de donnes utiles (phase de transmission). La figure (5.1) montre
les diffrentes phases dune transmission SDMA. Tant que le canal de propagation na pas
chang, la transmission de donnes utiles peut continuer. Quand le canal varie, les interfrences entre utilisateurs prennent lieu causant ainsi une dgradation des performances (taux
de rejet de paquets lev). Une nouvelle phase de feedback savre ncessaire afin dadapter
les faisceaux ces variations. Ceci implique videmment larrt de la transmission de donnes utiles en attendant que les nouvelles informations CSI et schmas de prcodage soient
calculs. Leffet de la rptition des phases de feedback est videmment une diminution du
dbit total du systme, do lintrt de minimiser leur nombre.

Figure 5.1 Transmission SDMA

5.2.1

Prcodage et beamforming

En mission une opration de prcodage permet de sparer les diffrents faisceaux. Il


existe dans la littrature plusieurs techniques de prcodage linaire et non linaire. Le prcodage thorique optimal est obtenu laide de la mthode Dirty Paper Coding (DPC) [117],
[118], mais reste une solution non pratique cause de sa forte complexit ce qui fait du prcodage linaire la solution la plus envisageable et la plus connue, bien que sous-optimale.

93
On considre la transmission MIMO dans la voie descendante entre un point daccs et
un ensemble de K utilisateurs (figure 5.2). Pour le kieme utilisateur Mk flux sont envoys
et le vecteur de symboles qui lui correspond est not sk (de dimensions Mk 1). Soit s le
vecteur contenant lensemble des vecteurs sk concatns destins aux K utilisateurs.
s = [s1 . . . sk . . . sK ]T
sk = [s1 . . . sMk ]
P
s est donc de dimensions M 1 o M = K
k=1 Mk .
Une matrice de prcodage F de dimensions Nt M est applique au vecteur s. F est
compose de sous-matrices Fk de dimensions Nt Mk . Le vecteur prcod transmis x de
dimensions Nt 1 est donn par :
(5.1)

x = F.s

x1
.. 
. = F1 . . . Fk
x Nt

s1
..

 .

. . . FK
sk
..
.
sK

(5.2)

Chaque utilisateur possde Nk antennes de rception et reoit donc un vecteur rk de


dimensions Nk 1 :
(5.3)

rk = Hk .F.s + nk
interf erence entre utilisateurs

rk =

H .F .s +
| k {zk k}

symboles utiles

z X
}|
{
Hk
Fj .sj

+nk

(5.4)

j6=k

Hk est la matrice du canal entre le point daccs et le keme utilisateur. Lannulation


des interfrences revient satisfaire la condition Hk .Fj = 0 pour j 6= k. Pour ce faire
plusieurs critres de prcodage linaire existent, comme le prcodage ZF ([119], [120]) qui est
particulirement intressant dans le cas dune seule antenne en rception (pas de corrlation),
le prcodage MMSE ainsi que dautres critres rpondant aux contraintes de QoS ([121],
[122]).
Il est aussi possible de raliser la condition Hk .Fj = 0 pour j 6= k en utilisant la
diagonalisation donne dans [123].

94

5. Le MIMO multi-utilisateur (Xuser MIMO)

Figure 5.2 Accs multiple SDMA

5.3

Scnarios dinterfrence

Dans le cas idal o les conditions thoriques sont parfaitement remplies, les diffrents
flux destins aux utilisateurs sont orthogonaux de sorte que chaque rcepteur ne reoit que
le flux qui lui est destin. En ralit il est difficile de remplir les conditions thoriques et les
interfrences persistent malgr le prcodage. Notamment quand lmetteur ou le rcepteur
se dplace, ou quand dautres changements dans lenvironnement auront lieu comme lentre
dun nouvel obstacle (personne, objet, etc.). Le canal rencontr peut tre trs diffrent du
canal estim durant la phase de feedback et sur lequel se base la transmission. Dans ces
conditions, linterfrence interutilisateur peut augmenter dramatiquement (figure 5.3). Ceci
est notamment le cas en MIMO o la multiplicit des antennes de rception peut rendre le
systme plus sensible aux interfrences.
Afin de combattre linterfrence entre utilisateurs plusieurs solutions existent dont lajustement de la transmission par une mise jour de ltat du canal (CSI) et du prcodage, et
aussi la solution dannulation de linterfrence en rception. Dans la suite nous discuterons
ces deux possibilits et on sintressera particulirement lannulation itrative de linterfrence entre utilisateurs.

5.3.1

Retour dinformation sur linterfrence

La mise jour de linformation du canal ncessite le lancement dune nouvelle phase


de feedback. Certaines normes (notamment le WiFi 802.11ac) autorisent un utilisateur
destimer, en plus de son propre canal, les canaux des autres utilisateurs. Ainsi un utilisateur devient capable destimer linterfrence provenant des donnes transmises aux autres
utilisateurs et de la rduire ou supprimer. Dans la plupart des cas, une grande partie de lin-

95

Figure 5.3 Interfrence entre utilisateurs


terfrence provient dun seul interfreur. Une premire solution consiste utiliser lestimation
de linterfrence afin de dterminer lutilisateur qui lengendre et renvoyer cette information
lmetteur afin de relancer une nouvelle phase de feedback ou bien dintroduire un multiplexage temporel entre ces deux utilisateurs [124]. Cette solution est ralisable en utilisant
des champs disponibles dans la trame de retour dacquittement.
Lavantage de cette solution est quelle peut rapidement mettre fin la transmission
selon des CSI obsoltes et permet au systme de les corriger en lanant une nouvelle phase
de feedback. Cependant quand linterfrence est due un changement ponctuel du canal suivi
dun rtablissement, cette solution parat coteuse en termes de dbit total du systme.

5.3.2

Annulation itrative de linterfrence entre utilisateurs

Une autre solution consiste viter le lancement dune nouvelle phase de feedback et exploiter la connaissance du canal de linterfreur afin de supprimer linterfrence laide dune
dtection multi-utilisateur itrative. La dtection multi-utilisateur a t largement explore
dans la littrature notamment pour la voie montante. Elle est par contre rarement envisage
en voie descendante. En effet, un tel schma de dtection peut ncessiter un nombre trs
lev doprations de calcul, les terminaux sont aliments par des batteries et disposent donc
dune autonomie nergtique limite. Cependant quand le nombre dutilisateurs considrs
en rception est faible, cette solution devient envisageable.
Dautre part, quand le nombre dutilisateurs est lev, linterfrence est suppose suivre
une distribution gaussienne [125], [126]. Cette hypothse est connue comme tant le pire

96

5. Le MIMO multi-utilisateur (Xuser MIMO)

cas. faible nombre dutilisateurs, linterfrence ne peut pas tre assimile une variable
alatoire gaussienne surtout si les modulations utilises appartiennent des constellations
discrtes non gaussiennes de type QAM 1 . Ceci est mis en vidence par Ghaffar et al. dans
[127] en utilisant linformation mutuelle comme mesure, en fonction du rapport de la puissance utile la puissance dinterfrence. Les auteurs proposent aussi dans [127] un rcepteur
ML complexit rduite tenant compte de la structure de linterfrence (Interference Aware
Receiver ) pour la suppression de linterfrence intercellule. Ils montrent que les meilleures
performances sont observes trs faible interfrence, mais aussi trs forte interfrence. En
effet quand la puissance dinterfrence est leve le rcepteur propos est capable dtecter
cette interfrence correctement et de la supprimer sous condition de connaissance parfaite
de la modulation utilise. Plus lordre de modulation de linterfrence augmente mois le
rcepteur est performant.
Dans la rfrence [128], les auteurs tudient la sensibilit du rcepteur (IA) 2 propos dans
[127], en connaissance des modulations utilises par les interfreurs. Ils constatent une faible
dgradation des performances en assimilant les modulations inconnues une modulation
16-QAM. Ceci est justifi par le fait que la modulation 16-QAM constitue un intermdiaire
qui contient la constellation QPSK et qui est contenue par la constellation 64-QAM.
Dans notre cas, linterfrence est suppose tre engendre essentiellement par un seul
utilisateur et nous supposerons que lordre de modulation de cet interfreur est connu. Bien
que la complexit du rcepteur propos dans [127] soit diminue, cette solution reste non
envisageable pour un terminal (voie descendante). Nous proposons dans la suite dexplorer
lannulation dinterfrence en utilisant un rcepteur itratif MMSE-IC, auquel on associera
un dcodeur LDPC. Nous dfinissons le rapport SIR comme tant le rapport entre la puissance du signal utile destin un utilisateur et la puissance du signal dinterfrence provenant
dun autre utilisateur :
SIR = 10. log10

5.3.2.1

s2
I2

(5.5)

Schma PIC-SIC

Lannulation itrative dinterfrence entre utilisateurs/flux peut tre ralise laide


dun schma parallle PIC (Parallel Interference Cancelation), ou travers un schma srie
SIC (Successive Interference Cancelation). Une description dtaill des deux mthodes est
donne dans [129]. La solution PIC nous parat plus intressante vis--vis du dlai important
que peut entraner la solution SIC. La figure (5.4) montre le schma bloc du rcepteur.
Dans les chapitres 3 et 4, nous avons utilis la dtection MMSE dans sa version approximative (MMSE-IC1 section 2.7.1.2) pour des raisons de complexit. Cette version suppose
que la puissance dinterfrence est la mme pour tous les symboles. Dans le cas de la figure
(5.4), il est ncessaire destimer les puissances dinterfrences des deux branches sparment.
1. Quadrature Amplitude Modulation
2. Interference Aware

97

Figure 5.4 Rcepteur MIMO-OFDM multi-utilisateur itratif


Nous utilisons donc la version MMSE-IC exacte (section 2.7.1.1). Ceci impose le calcul des
filtres pk et qk chaque itration externe afin de prendre en compte la nouvelle interfrence
rsiduelle. Le dtecteur MMSE estime Nt symboles qui seront dmoduls et d-multiplexs
vers deux dcodeurs LDPC qui effectuent un certain nombre ditrations chacun avant de
reconstruire les symboles complexes et recommencer une nouvelle itration externe.

5.4

La connaissance des MCS des interfreurs

Les diffrents utilisateurs peuvent utiliser des schmas de modulation et de codage (MCS)
diffrents. Selon le schma du rcepteur de la figure (5.4), il est indispensable pour un
utilisateur de connatre, en plus de son ordre de modulation, celui de linterfreur. Il en est
de mme pour le rendement de codage. Si le systme transmet chaque utilisateur tous les
MCS des autres utilisateurs, chacun devient capable dexploiter cette information pour la
dtection multi-utilisateur. Si le systme ne transmet pas cette information, un utilisateur
peut lestimer (MCS) en utilisant des algorithmes de dtection et de classification durant la
phase de feedback (figure 5.1).

5.4.1

Classification de modulation

La classification aveugle de modulation joue un rle important dans les systmes de


communication militaires et commerciaux. titre dexemple la classification de modulation
savre ncessaire pour la radio logicielle cause de la multiplicit des systmes et des
technologies. Elle a t largement explore dans la littrature [130],[131]. Un algorithme

98

5. Le MIMO multi-utilisateur (Xuser MIMO)

destimation de modulation efficace doit tre fiable, de faible complexit et doit aussi tre
capable de fonctionner faible puissance (seuil SNR).
Ces techniques peuvent tre classes en deux grandes familles : les techniques bases sur la
vraisemblance (Likelihood based LB) [132] et les techniques bases sur les caractristiques des
signaux et des constellations (Feature based FB), surtout certaines proprits statistiques
comme les moments dordre lev et les cumulants ([133], [134], [135], [136]). On trouve
galement certains travaux sur la classification de modulation pour le cas MIMO ([137],
[138]).

5.4.2

Classification du rendement de codage

Lestimation du rendement du codage reste cependant plus difficile raliser. On trouve


dans la littrature des travaux portant notamment sur lestimation du rendement des codes
LDPC rendement variable (RC-LDPC). Dans [139], Kita propose un algorithme pour un
dcodage LDPC de type bit flipping. Dans [140], [141], [142], les auteurs considrent galement une estimation aveugle du rendement des codes RC-LDPC dans le cas de retransmission
incrmentale HARQ, en utilisant des fonctions bases sur la vraisemblance.
En pratique, les utilisateurs peuvent avoir des modulations diffrentes, mais utilisent
gnralement le mme rendement de codage et ceci dans un souci de minimisation de la
complexit du rcepteur, cest par exemple le cas de la norme WiFi 802.11ac. Dans ce
qui suit, on considre que le rcepteur dispose dune connaissance parfaite des MCS des
interfreurs.

5.5

Simulations

On considre un systme de transmission MU-MIMO ayant lmission deux faisceaux


destins deux utilisateurs sont forms et transmis sur Nt antennes en raison de Q = Nt
symboles par utilisation canal. En rception, nous utilisons Nr = Nt antennes et une dtection multi-utilisateur parallle (PIC) avec lalgorithme MMSE-IC exact (section 2.7.1.1).
Lintensit des interfrences est simule laide du rapport SIR (Equation(5.5)). Le canal
est de type Rayleigh vanouissements plats (hypothse rendue possible grce lutilisation
de la CP-OFDM). La dtection/suppression dinterfrences est donc ralise pour chaque
sous-porteuse OFDM. Le rcepteur utilise la connaissance du canal de linterfreur pour
effectuer une dtection parallle de la totalit des symboles. Il est donc ncessaire que le
nombre dantennes de rception soit au moins gal au nombre dantennes dmission. Dans
les simulations qui suivent, les flux utile et interfrent utilisent la mme modulation (QPSK).

5.5.1

Cas 2x2

Les figures (5.5), (5.6) et (5.7), donnent les performances du rcepteur MMSE itratif
avec un dcodage LDPC (N = 1296 bits, R = 1/2, 50 itrations internes). Chaque utilisateur
reoit un flux Q = 1 symbole/utilisateur et reoit aussi un flux interfrent dont la puissance

99
est donne par le rapport SIR (SIR = 0 dB puissance dinterfrence gale la puissance
utile, 1dB et 3dB).

100

PER

101
102
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3

103
104
105
1

0
1
Eb /N0 (dB)

1.5

Figure 5.5 2x2 MU-MIMO, SIR 0 dB

PER

100

101
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3

102

0
Eb /N0 (dB)

Figure 5.6 2x2 MU-MIMO, SIR 1 dB

1.5

100

5. Le MIMO multi-utilisateur (Xuser MIMO)

100

PER

101
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3

102
103

0
Eb /N0 (dB)

1.5

Figure 5.7 2x2 MU-MIMO, SIR 3 dB


SIR = 0dB, le rcepteur montre un gain de 0.5 dB au bout de 3 itrations, et comme
prvu, les performances en taux derreur par paquet (PER) de lutilisateur et de linterfreur
sont les mmes. puissance dinterfrence plus faible (SIR = 1dB), ds la premire itration
les performances sont suprieures au cas SIR = 0dB, mais le gain final aprs 3 itrations
externes devient faible ( 0.25dB). Les performances pour linterfreur convergent aussi
vers celles de lutilisateur. puissance dinterfrence plus leve (SIR = 3dB) aucun gain
significatif nest ralis.

5.5.2

Cas 4 x 4

Dans le cas dun systme (DL) 4 4 deux utilisateurs, chaque utilisateur reoit deux
flux (Q = 2 symboles/utilisateur), et aussi linterfrence provenant des deux flux de linterfreur. Nous rappelons que les variances des symboles utiles et des symboles interfrents
sont estimes sparment. Nous donnons les performances en taux derreur paquet pour diffrentes valeurs du rapport de puissance (SIR = 0, 1, 2, 3 dB), aprs 5 itrations externes,
pour le mme code LDPC avec 50 itrations de dcodage.
La figure (5.8) montre les performances des puissances dinterfrence de lordre de la
puissance utile. Comme prvu, la premire itration les mmes performances sont observes
pour lutilisateur et linterfreur vu qaucune information priori nest disponible. Au cours
des itrations un gain de 0.5 dB est observ. Mais nous observons aussi un phnomne
doscillation : les performances atteintes par lutilisateur dintrt (courbes en trait plein) la
troisime itration externe se dgradent durant la quatrime tandis que celles de linterfreur
samliorent. Durant la cinquime itration, le positionnement des courbes est invers.

101

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

PER

101
102
103
104
3

2
Eb /N0 (dB)

Figure 5.8 4x4 MU-MIMO, SIR 0 dB


La figure (5.9) donne les performances pour une puissance dinterfrence plus faible
(SIR = 1dB). la premire itration les performances sont meilleures par rapport au cas
SIR = 0dB cependant, au cours des itrations les performances de lutilisateur se dgradent
tandis que celles de linterfreur samliorent. Cette observation est confirme par les figures
(5.10) et (5.11) pour des puissances dinterfrence encore plus faibles.

5.6

Effet du dcodage LDPC sur les performances du rcepteur multi-utilisateur

Quand la puissance dinterfrence est comparable la puissance utile, un phnomne


doscillation est observ, montrant lincapacit du rcepteur converger. Afin de mieux
comprendre ce phnomne qui peut tre li au dcodage LDPC, nous proposons de traiter
les flux de lutilisateur et de linterfreur sortant du MMSE diffremment. Les symboles
de linterfreur sont directement rinjects au dtecteur MMSE-IC sans utiliser de dcodage
LDPC durant les quelques premires boucles externes (les 3 premires par exemple). partir
de la quatrime itration, les symboles de linterfreur seront dcods avant detre injects
dans le dtecteur. En dautres mots, le dcodeur LDPC est court-circuit durant les trois
premires itrations externes.
La figure (5.12) donne les performances de cette configuration pour SIR = 0dB. Les performances associes au flux utile samliorent au cours des itrations montrant un gain de
1dB sans apparition du phnomne doscillation observ dans la figure (5.8). Le flux interfrent est galement dtect avec les mmes performances. Les performances de cette mme

102

5. Le MIMO multi-utilisateur (Xuser MIMO)

configuration pour une puissance dinterfrence plus faible (SIR = 2dB) sont prsentes
dans la figure (5.13).
Finalement la figure (5.14) donne les performances pour une configuration similaire pour
laquelle le dcodage LDPC est activ uniquement la cinquime (dernire) itration. Par
rapport la figure (5.12), et pour le mme rapport SIR = 0dB, une dgradation de lordre
de 0.3dB des performances est note. Ceci montre que le dcodage LDPC du flux interfrent
aux deux dernires itrations permet de mieux dtecter le flux utile.
Dans [143], les auteurs donnent une tude de loptimisation des codes LDPC pour des
schmas multi-utilisateurs. On montre quil est ncessaire doptimiser conjointement le code
LDPC et le dtecteur multi-utilisateur. Cette rfrence peut constituer un bon point de
dpart afin danalyser et de comprendre les observations ci-devant.

5.7

Conclusion

Dans ce chapitre nous nous sommes intresss la rduction de linterfrence entre


utilisateurs dans un systme MIMO-OFDM prcod utilisant un codage LDPC. Nous avons
essentiellement considr lannulation itrative parallle de linterfrence en profitant de
la connaissance du canal rencontr par le flux interfrant. Le comportement du rcepteur
est variable en fonction du rapport de puissance entre le signal utile et linterfrence et
aussi en fonction de la configuration du rcepteur notamment le dcodage LDPC du flux
interfrant. Sous certaines conditions un phnomne doscillations des performances apparat
tandis quun gain considrable est observ dans dautres conditions lies au dcodage LDPC.
Ces observations peuvent tre analyses avec des outils comme les diagrammes EXIT afin
de mieux comprendre le rle du dcodage LDPC dans la convergence et les performances
finales du rcepteur propos. Il est aussi envisageable dtudier le comportement du rcepteur
quand lutilisateur et linterfreur utilisent des modulations diffrentes.

103

PER

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

101

102

2
Eb /N0 (dB)

Figure 5.9 4x4 MU-MIMO, SIR 1 dB

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

PER

101

102

103
3

2
Eb /N0 (dB)

Figure 5.10 4x4 MU-MIMO, SIR 2 dB

104

5. Le MIMO multi-utilisateur (Xuser MIMO)

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

PER

101
102
103
104

2
Eb /N0 (dB)

Figure 5.11 4x4 MU-MIMO, SIR 3 dB

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

PER

101
102
103
104

2
Eb /N0 (dB)

Figure 5.12 4x4 MU-MIMO SIR 0 dB, dcodage LDPC pour linterfreur activ partir
de la quatrime itration externe uniquement

105

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5
Interf It5

PER

101
102
103
104
3

2
Eb /N0 (dB)

Figure 5.13 4x4 MU-MIMO SIR 2 dB, dcodage LDPC pour linterfreur activ partir
de la quatrime itration externe uniquement

100
User It1
Interf It1
User It2
Interf It2
User It3
Interf It3
User It4
Interf It4
User It5

PER

101
102
103

Interf It5

2
Eb /N0 (dB)

Figure 5.14 4x4 MU-MIMO SIR 0 dB, dcodage LDPC pour linterfreur partir de la
dernire itration externe uniquement

106

5. Le MIMO multi-utilisateur (Xuser MIMO)

107

Chapitre 6

Conclusions et Perspectives
Cette thse est consacre ltude de la conception de rcepteurs itratifs pour des
systmes du type MIMO-OFDM utilisant des codes correcteurs correcteurs faible densit,
LDPC. Lgalisation itrative offre un compromis entre les performances et la complexit.
Aprs avoir discut les algorithmes de dtection MIMO, nous nous sommes intresss
lalgorithme MMSE-IC. Il existe des versions approximatives pour cet algorithme comme le
MMSE-IC1 permettant de rduire encore la complexit, et offrant de bonnes performances.
Les codes LDPC ont lavantage davoir des matrices de contrle de parit creuses, mais
leur importance rside surtout dans le fait quils sont facilement dcodable en utilisant le
principe turbo . Les codes LDPC ont un grand nombre de degrs de libert rendant leur
optimisation facilement adaptable diffrentes contraintes. Les techniques asymptotiques
dvolution de densit et doptimisation par diagrammes EXIT ont t dcrites. Parmi les
familles de codes LDPC on distingue les familles de codes en expansion, construites partir
de matrices identit permutes. Leurs structures les rendent particulirement intressants
pour limplmentation matrielle du dcodeur. Les familles de codes LDPC de type RepeatAccumulate prsentent lavantage dune grande simplicit de codage. La combinaison de ces
deux familles fournit des codes trs adquats aux applications pratiques.
Loptimisation des codes LDPC pour un rcepteur itratif en utilisant les diagrammes
EXIT sont trs dpendantes de lalgorithme dgalisation, du rapport signal sur bruit, ainsi
que dautres paramtres de transmission. Ceci rend difficile de construire des codes optimaux
pour plusieurs schmas. Les constructeurs de rcepteurs sont gnralement dans la libert
de choisir leurs propres techniques de rception ce qui rend la dfinition de codes standards
plus lie aux aspects pratiques de ralisation matrielle. Ainsi les codes LDPC dfinis dans
plusieurs normes ne sont pas particulirement optimiss pour les rcepteurs gnralement
utiliss.
Tel quon a pu le constater, le dtecteur MMSE a une complexit constante, tandis que
le celle du dcodeur LDPC dpend du nombre ditrations de dcodage (itrations internes)
effectues. Le nombre ditrations LDPC est donc exploitable pour rduire la complexit
globale. Dautre part, nous avons observ que les premires itrations de dcodage LDPC
apportent la majeure partie du gain. Il est donc possible de se contenter des itrations les

108

6. Conclusions et Perspectives

plus fructueuses, et puis recommencer lgalisation (itration externe) en fournissant de nouvelles informations a priori au dtecteur MMSE. Afin de dterminer le nombre ditrations
internes dans chaque itration externe nous avons introduit la notion dordonnancement
interne/externe des itrations et deux approches ont t tudies.
Lapproche statique consiste tablir un ordonnancement prdfini des itrations. Nous
avons remarqu que leffet du nombre ditrations sur le diagramme EXIT dun code rvle
qu faible et moyen rapport signal sur bruit, il est inutile deffectuer un nombre lev ditrations vu quaucun gain significatif nest ralisable. La sensibilit de linformation mutuelle
au nombre ditrations varie selon le rapport signal sur bruit pour diffrents rendements et
longueurs du code. Ceci nous a permis dlaborer des ordonnancement dont le nombre ditrations LDPC crot dune boucle externe lautre. Lordonnancement statique permet de
rduire la complexit totale du rcepteur mais aussi de la fixer. Cependant son inconvnient
est le manque de flexibilit vu que les ordonnancements sont sensibles au paramtres du
codage et de la modulation.
Lobservation de lvolution de la fiabilit moyenne au cours des itrations de dcodage
montre que les blocs reus peuvent avoir des comportements trs diffrents. Il est donc
plus convenable dadapter le nombre ditrations ltat actuel de chaque bloc dcod.
Plusieurs mtriques ont t proposes pour mieux reprsenter la fiabilit globale du bloc
dcod et plusieurs critres darrt ont t proposs. Ainsi le nombre ditrations varie dune
boucle externe lautre en fonction de la fiabilit observe. La complexit de calcul des
diffrentes mtriques est aussi value. Lordonnancement dynamique permet de saffranchir
des paramtres du code, et offre une certaine flexibilit. Cependant, sa complexit est variable
en comparaison avec la complexit constante des ordonnancements statiques.
Les techniques de dtection multi-utilisateur en voie descendante sont rarement envisageable cause de sa complexit et de lautonomie limite des terminaux. Quand linterfrence
est essentiellement engendre par un seul interfrant, dont le canal est connu, il est possible
dutiliser une annulation itrative de linterfrence dont la complexit peut tre acceptable.
Ltude de la dtection multi-utilisateur dans le cas SDMA montre que les performances du
rcepteur et sa convergence sont trs dpendantes du rapport entre la puissance utile et la
puissance dinterfrence et aussi de la configuration du rcepteur notamment le dcodage
LDPC du flux interfrant durant les premires boucles externes.

Les ides et les rsultats prsents dans cette thse nous permettent denvisager plusieurs
perspectives :
Lordonnancement interne/externe peut tre tudi pour dautres algorithmes de dcodage LDPC comme le dcodage brass (LBP) pour lequel les noeuds sont mis jour
autant de fois que leurs degrs de connexion pendant le dcodage. Notamment dans le
cas dordonnancement dynamique, ceci peut affecter les performances et la complexit

109
et nous pourrons tre amen dfinir de nouvelles mtriques pour les critres darrt.
Il est aussi ncessaire dtudier la quantification et ses effets aux ordonnancements
proposs.
Il est galement envisageable dtudier lutilisation des ordonnancements avec un autre
type de dtecteur notamment le dtecteur par sphre (SD). En effet linformation
fournie par le dcodeur peut tre utile au dcodeur SD pour adapter le rayon de
recherche ou lordre de traitement des candidats, tant connu que ces deux lments
sont dans la dtermination de sa complexit.
Le schma de dtection MIMO itrative multi-utilisateur peut dabord tre tudi dans
le cas o les flux utile et interfrant ont des modulations diffrentes afin de le comparer
aux schma existants. Il est aussi envisageable dutiliser des outils analytiques comme
les diagrammes EXIT afin danalyser le comportement du rcepteur tudi. Le systme
tudi suppose une dcorrlation spatiale parfaite des sous-canaux, il conviendra donc
dtudier le comportement du rcepteur vis vis de cette dcorrlation.

110

6. Conclusions et Perspectives

111

Glossaire

AP : Access Point ;
ARQ : Automatic Retransmission Request ;
BCJR : Bahl Cocke Jelinek Raviv ;
BER : Bit Error Rate ;
BP : Belief Propagation ;
CDMA : Code Division Multiple Access ;
CMR : Constant Mean Reliability ;
CP : Cyclic Prefix ;
CSI : Channel State Information ;
DAST : Diagonal Algebraic Space-Time ;
DE : Density Evolution ;
DPC : Dirty Paper Coding ;
DUSTM : Differential Unitary Space Time Modulation ;
DVB : Digital Video Broadcasting ;
EXIT : Extrinsic Information Transfer Chart ;
FFT : Fast Fourrier Transform ;
FMMR : First Maximum Mean Reliability ;
FB : Feature Based ;
HARQ : Hybrid Automatic Retransmission Request ;
ICI : Inter Carrier Interference ;
IFFT : Inverse Fast Fourrier Transform ;
IRA : Irregular Repeat Accumulate ;
ISI : Inter Symbol Interference ;
LB : Likelihood Based ;
LBP : Layered Belief Propagation ;
LD : Linear Dispersive ;
LDPC : Low Density Parity Check ;
LLR : Logarithmic Likelihood Ratio ;
LSD : List Sphere Decoding ;
LTE : Long Term Evolution ;
MAP : Maximum A Posteriori ;
MIMO : Multiple Input Multiple Output ;
ML : Maximum Likelihood ;

112

6. Conclusions et Perspectives
MMSE : Minimum Mean Square Error ;
MMSE-IC : Minimum Mean Square Error Interference Canceller ;
MR : Mean Reliability ;
OFDM : Orthogonal Frequency Division Multiplexing ;
OFDMA : Orthogonal Frequency Division Multiple Access ;
OSIC : Ordered Successive Interference Cancellation ;
OSTBC : Orthogonal Space Time Block Coding ;
PEG : Progressive Edge Growing ;
PER : Packet Error Rate ;
PIC : Parallel Interference Cancellation ;
QAM : Quadrature Amplitude Modulation ;
QC-LDPC : Quasi-Cyclic LDPC ;
RA : Repeat Accumulate ;
SC : Syndrome Criterion ;
SD : Sphere Decoding ;
SDMA : Spatial Division Multiple Access ;
SIC : Successive Interference Cancellation ;
SISO : Single Input Single Output ;
SM : Spatial Multiplexing ;
SNR : Signal to Noise Ratio ;
SPA : Sum Product Algorithm ;
STBC : Space Time Block Coding ;
SQRD : Sorted QR Decomposition ;
TAST : Threaded Algebraic Space-Time ;
USTM : Unitary Space Time Modulation ;
VBLAST : Vertical Bell Labs Space Time ;
WiFi : Wireless Fidelity ;
WMR : Weighted Mean Reliability ;
WPMR : Weight Penalized Mean Reliability ;
ZF : Zero Forcing.

113

Notations
6.1

6.2

Notations mathmatiques
x scalaire
x conjugu de x
x Vecteur
xT Vecteur transpos
xH Vecteur transconjugu
X Matrice
X1 Inverse de la matrice X
E{Y } Esprance mathmatique de la variable alatoire Y
var(X) Variance de la variable alatoire X : E{|X E(X)|2 }
kxk2 Norme Euclidienne du vecteur x
kXk2 Norme de Froebenius de la matrice X
ek Vecteur de 0 de taille arbitraire avec un 1 la k-ime composante

ek Vecteur de 1 de taille arbitraire avec un 0 la k-ime composante

Variables
Ts Dure symbole
s2 Variance des symboles de modulation
n2 Variance du bruit blanc additif gaussien
S Constellation de la modulation
M Ordre de la modulation
m Nombre de bits par symbole de modulation
ij Coefficient de permutation circulaire dans la ligne i et la colonne j de la matrice
de base
RST Rendement du codage espace temps
Q Longueur du bloc pris en entre du codage espace temps en bloc
T Latence du codage espace temps en bloc
R Rendement du codage de canal
Lc Longueur de la rponse impulsionnelle discrte du canal en temps symbole
K Nombre dutilisateurs
Nt Nombre dantennes dmission

114

Glossaire
Nr Nombre dantennes de rception
H Matrice de canal MIMO vanouissements plats de taille Nr Nt
N (, 2 ) Loi normale de moyenne et de variance
NC (, 2 ) Loi normale complexe de moyenne et de variance totale
k Biais de lgaliseur
k2 Puissance des termes interfrents plus bruit en sortie de lgaliseur
2k Erreur quadratique moyenne
dc Degr de connexion dun noeud de parit
dv Degr de connexion dun noeud de variable
Ne Nombre ditrations externes
NLDP C Nombre ditrations LDPC

115

Annexe A

Calcul des vecteurs dgalisation


optimaux selon le critre MMSE
A.1

Minimum Mean Square Error

Considrons le systme de transmission MIMO reprsent par lquation suivante :


r = Hs + n

(A.1)

s = [s1 , . . . , sNt ]T , s S Nt 1 est le vecteur de symboles transmis, H C Nr Nt est la


matrice de canal et n CNr 1 est un vecteur quivalent de bruit tels que :
E[ssH ] = s2 INt

(A.2)



E Tr[HHH ] = Nt Nr INr

(A.3)

E[nnH ] = n2 INr

(A.4)

Les chantillons de bruit sont supposs parfaitement dcorrls des signaux mis i.e.
E[nsH ] = E[snH ] = 0. la table A.1 rappelle les rgles de drivations par rapport un
vecteur.
f (x)
H
u x + pH u
xH Mx

f (x)
x

u
Mx

Table A.1 Rgles de drivation vectorielle

116 A. Calcul des vecteurs dgalisation optimaux selon le critre MMSE

A.2

galisation linaire

Soit Pk CNr 1 , le vecteur dgalisation. Le symbole sk sortant de lgaliseur linaire


scrit :
sk = PH
(A.5)
k r
Le critre MMSE appliqu au vecteur Pk impose la minimisation de lerreur quadratique :
2
Popt
k = arg min k

(A.6)

Pk

avec :
h
2 i
2k = E sk sk
h
i
H
= E (sk PH
r)

(s

P
r)
k
k
k


 
T
H
T
= E s k s k E s k P k r PH
k rsk + Pk rPk r


H H
= s2 E sk rH Pk PH
k rsk + Pk rr Pk

(A.7)

En prenant le gradient par rapport Pk , il vient :

avec :

 


2k
= 0 E rsk + E rrH Pk
Pk
 
E rsk = s2 Hek


E rrH = s2 HH + n2 INr

(A.8)

(A.9)
(A.10)

La minimisation de lerreur quadratique moyenne revient trouver le vecteur dgalisation


2
pour lequel Pkk = 0, il correspond donc au vecteur dgalisation optimal au sens du critre
MMSE :

1
n2
opt
H
(A.11)
Pk = HH + 2 INr
Hek
s
Lexpression du signal galis en fonction du signal utile, des termes interfrents et du bruit
rsiduel scrit :
sk = PH
He s + PH
Hs + PH
(A.12)
k n
}
| k {z k k}
| k {z k}
| {z
signal utile

interfrences

bruit

o sk CNt 1 est le vecteur dfini comme suit :


T

sk = s1 . . . sk1 0 sk+1 . . . sNt

(A.13)

Le biais de lgaliseur k introduit dans la section 2.7.1 et ncessaire pour la conversion


M-aire/binaire devient :
k = PH
k Hek

(A.14)

117
En dveloppant cette dernire expression, on peut montrer que k est un scalaire rel. Le
terme k2 , correspond la puissance des termes interfrents plus celle du bruit. En utilisant
(A.12), on obtient :


k2 = E |
s k k sk | 2
 2


= E |
sk | k2 E |sk |2
h
 H H
 i
H
= E PH
Pk k2 s2
(A.15)
k Hs + n s H + n

2 2
H
2
2
= PH
k s HH + n INr Pk k s
2 2
= s2 PH
k Hek k s

En remplaant par (A.14), il vient :


k2 = s2 k (1 k )

(A.16)

Enfin on calcule lerreur quadratique moyenne optimale :




2k = E |sk k sk + k sk sk |2


= E |(1 k )sk |2 + k2
= (1

k2 )s2

(A.17)

k2

En utilisant (A.16), lexpression de lerreur devient :


2k = s2 (1 k )

A.3

(A.18)

Minimum Mean Square Error - Interference Canceler

Lalgorithme de dtection linaire MMSE-IC consiste appliquer les deux filtres pk


CNr 1 et qk CNt 1 au signal reu et au signal galis respectivement, la sortie de lgaliseur
dinterfrences scrit :
H
sk = pH
k
(A.19)
k r qk s
Lapplication du critre MMSE implique la minimisation suivante :
h
i
opt 
sk sk 2
=
arg
min
E
popt
,
q
k
k
pk ,qk

(A.20)

Lexpression du signal galis faisant apparatre le signal utile, les termes interfrents et le
bruit rsiduel :
sk = pH
He s + pH Hsk qH

s + pH
(A.21)
k n
| k {z k k} | k
{z k k} | {z
}
signal utile

interfrences

bruit

o sk CNt 1 est le vecteur dfini comme suit :


T
sk = s1 . . . sk1 0 sk+1 . . . sNt

(A.22)

118 A. Calcul des vecteurs dgalisation optimaux selon le critre MMSE


partir de cette relation, on en dduit le rapport signal sur interfrences plus bruit (SIN R) :
 2

H H
E pH
k2 s2
k Hek ek Hg pk s
i
(A.23)
=
SINR = h

H
k2
sk + pH n pH Hsk qH
sk + p H n
E pH Hsk qH
k

o k et k2 sont les variables introduites dans le paragraphe 2.7.1. Remarquons tout dabord
que lgaliseur optimal au sens du critres MMSE maximise le SNIR. Comme seul le dnominateur de ce dernier dpend de qk , le vecteur optimal qopt
sobtient en minimisant la
k
2
quantit k . Prenons le gradient relativement qk , il vient :


 H

 H H
k2
(A.24)
sk n H p k + E
sk
sk q k
= E
sk s k H p k E
qk
 H
 H
2
Si lon admet que E
sk s k = E
sk
sk , il suffit de fixer qkk = 0 pour trouver lexpression
du premier vecteur dgalisation optimal :
H
qopt
k = H pk

(A.25)

Lexpression de lerreur quadratique moyenne devient :




 
H
2
H
k = E sk pk r H
sk sk pk r H
sk

(A.26)

Drivons maintenant 2k par rapport pk :

h
h
 i
H i

2k
sk sk
pk E r H
sk
sk r H
= E r H
pk

h
 i




= HE (s
sk ) (s
sk )H HH + E nnH pk E Hs + n H
sk sk




= HE (s
sk ) (s
sk )H HH + n2 INr pk s2 Hek

(A.27)

et posons :

h
i
Vk = E (s
sk ) (s
sk ) H
h
i
= E (ek eTk sk + sk
sk ) (ek eTk sk + sk
sk ) H
=E

sk sk

ek eTk

= s2 ek eTk +

Nt
X

n=1,n6=k
Nt
X

E (sn sn ) (sn sn ) en eTn

(A.28)

n2 en eTn

n=1,n6=k

On obtient lexpression du deuxime vecteur optimal en fixant


2
H
2
popt
k = s HVk H + n INr

1

Hek

2k
pk

=0:
(A.29)

119
partir de la relation (A.21), on peut calculer le biais de lgaliseur :
k = p H
k Hek
De mme on calcule la puissance des termes interfrents rsiduels :


k2 = E |
s k k s k |2
h

 i
H
H
= E pH
sk ) + n (sH
sH
Pk k2 s2
k H(s
k )H + n

2 2
H
2
2
= pH
k s HVk H + n INr pk k s

(A.30)

(A.31)

2 2
= s2 pH
k Hek k s

En remplaant par (A.30), il vient :


k2 = s2 k (1 k )

(A.32)

Enfin, en utilisant le mme raisonnement que dans le paragraphe A.1, il vient :


2k = s2 (1 k )

(A.33)

120 A. Calcul des vecteurs dgalisation optimaux selon le critre MMSE

121

Annexe B

Codes LDPC
B.1

Codes LDPC de Gallager

Dans cette section, nous nous intressons au dcodage itratif souple des codes LDPC.
Lalgorithme de dcodage itratif prsent initialement par Gallager [54], revu ensuite par
MacKay [65] dans le cadre de la thorie des graphes, est connu sous le nom dalgorithme de
propagation de croyance (Belief Propagation BP). Cet algorithme peut tre vu comme un
algorithme dchange dinformation entre les noeuds du graphe travers les branches. Ces
messages transitant de noeud en noeud portent une information probabiliste sur ltat des
noeuds.
Le principe de la propagation de croyance est lapplication directe de la rgle de Bayes
sur chaque bit dune quation de parit. La vrification de parit permet de calculer une estimation de chaque bit. Ces estimations, formant des messages se propageant sur les branches
du graphe, sont alors changes itrativement afin de calculer une information a posteriori
sur chaque bit. Dans le cas dune propagation de croyance sur un graphe sans cycle, les messages changs sont indpendants, ce qui conduit au calcul simple et exact des probabilits a
posteriori : lalgorithme est dans ce cas optimal. Dans le cas des codes LDPC, le graphe factoriel prsente des cycles. Dans ces conditions, lhypothse de messages indpendants nest
plus valide. Cependant, plus le graphe est creux (cest dire, moins la matrice de contrle
de parit est dense), plus lapproximation dun graphe sans cycle devient valide. Cest donc
sous cette hypothse que lalgorithme de dcodage est dcrit.
Si on considre une quation de parit c faisant intervenir un ensemble de bits Vc , la
rgle de Bayes applique au bit v permet dexprimer les probabilits suivantes :
X
P r(v = 0) = P r(
v = 0)
(B.1)
v Vc /v

P r(v = 1) = P r(

v V

v = 1)

(B.2)

c /v

o la somme est ralise modulo 2. Gallager a dmontr dans [54] que ces deux probabilits

122

B. Codes LDPC

sont gales :
1+

(1 2P r(v = 1))

(1 2P r(v = 1))

v V

P r(v = 0) =

P r(v = 1) =

v V

c /v

(B.3)

c /v

(B.4)

En utilisant la relation :
tanh

1 1 P r(v = 1)
ln
2
P r(v = 1)

= 1 2P r(v = 1)

(B.5)

on peut calculer le rapport de vraissemblance suivant :




Q
r(v =0)
1+
tanh 12 ln PP r(v
=1)
P r(v = 0)
v Vc /v


=
Q

P r(v = 1)
1
tanh 1 ln P r(v =0)
2

v Vc /v

qui peut tre simplifi par :




1 P r(v = 0)
tanh
ln
=
2 P r(v = 1)

v V

tanh

c /v

(B.6)

P r(v =1)

1 P r(v = 0)
ln
2 P r(v = 1)

(B.7)

La fonction tanh tant une fonction monotone impaire, on peut dcomposer la relation
prcdente de la manire suivante :




Y
P r(v = 0)
P r(v = 0)
sign ln
=
sign ln
(B.8)
P r(v = 1)
P r(v = 1)

v Vc /v



1 P r(v = 0)
=
tanh ln
2 P r(v = 1)

v V

c /v

En utilisant le fait que :

f (x) = ln tanh

x
2

= ln



1 P r(v = 0)

tanh ln
2 P r(v = 1)

exp x + 1
= f 1 (x)
exp x 1

(B.9)

(B.10)

on peut exprimer la valeur absolue du rapport de vraissemblance dans lespace logarithmique


par :





X
P r(v = 0)
P r(v = 0)


ln

(B.11)
f ln
P r(v = 1) = f
P r(v = 1)
v Vc /v

Cette relation va servir de base pour la description de lalgorithme de propagation de


croyance.

123

B.2

Density Evolution

On considre un code LDPC irrgulier ((x), (x)) dcod par lalgorithme BP. Notons
par mli le ieme message calcul par un noeud de degr d litration l. mli est une fonction
des messages reus litration l 1 :
l1
l1
mli = f (ml1
1 , m2 , . . . , md )

(B.12)

La densit de probabilit de ml1


note p(mli ) dpend donc de la densit de probabilit
i
l1
l1
sauf ml1
conjointe des messages ml1
1 , m2 , . . ., md
i . Selon lquation (2.21) le message
sortant est la somme de plusieurs variables alatoires. En supposant que le graphe est localement sans cycles, ces messages deviennent indpendants et la d.d.p du message sortant
est une convolution des d.d.p des autres messages :
l1
pl (mi ) = p(v0 ) pl1 (ml1
(m2 ) pl1 (md )
1 )p

(B.13)

Afin de simplifier le calcul une deuxime approximation consiste considrer que les d.d.p
des diffrents messages sont gales une d.d.p moyenne sur lensemble des messages.
On note par plvc (resp plcv ) la d.d.p des messages mvc (resp mcv ) litration l. p0cv
reprsente la d.d.p des messages observs la sortie du canal.
En supposant que la d.d.p pvc est symtrique :
p(y/x = 0) = p(y/x = 1)
on peut se restreindre au mot de code (0, 0, . . . , 0) et la probabilit derreur devient indpendante du mot de code [80]. Pour un noeud de variable de degr i la d.d.p du message
mvc sortant litration l est donne par :
plvci = p0cv (plcv )(i1)

(B.14)

Une branche du graphe est connecte un noeud de variable de degr i avec une probabilit i , la d.d.p des messages m peut alors tre crite sous forme moyenne par :

plvc =

dvmax
X
i=2

i plcv plvc = p0cv

dX
vmax

i (plcv )(i1)

(B.15)

i=2

Lcriture logarithmique (B.16) permet de transformer le produit en une somme, dans


[144], on dfinit la fonction (x) qui permet de suivre lvolution du signe (sgn(x)) et de la
valeur absolue de la fiabilit sparment :
f :] , +[ GF (2) [0, +[

124

B. Codes LDPC

= (sgn(x), ln(tanh(

f (x) = (f1 (x), f2 (x))

|x|
)))
2

(B.16)

Le message de mise jour calcul par les noeuds de contrle :


mcv = f 1 (

f (mvc ))

v Vc /v

Soit F la densit de probabilit correspondant au changement de variable x f (x). La


densit de probabilit dun message sortant dun noeud de contrle scrit donc :
j1
)
plcv = F 1 (F (pl1
vc )

(B.17)

Compte tenu de lirrgularit i des noeuds de variable :


plcv

=F

dX
cmax

j1
i F (pl1
)
vc )

(B.18)

i=2

On en dduit finalement la d.d.p des messages mvc envoys par les noeuds de variable
aux noeuds de parit :
plvc = p0cv

dX
vmax
i=2

i (F 1 (

dX
cmax

j1
))
i F (pl1
vc )

(B.19)

j=2

La proprit de consistance galement dmontre dans [144] f (x) = exp(x)f (x) fait
que la probabilit derreur soit une fonction dcroissante au cours des itrations et que la
d.d.p des messages tend vers une impulsion de Dirac. Ceci permet de dfinir le seuil de
convergence comme tant la puissance de bruit au-dessous de laquelle la probabilit tend
vers zro. Ce seuil constitue un critre de comparaison des performances des codes LDPC,
les profils dirrgularit (x) et (x) peuvent ainsi tre choisis afin doptimiser le seuil de
convergence.

B.3

Matrices de codes LDPC de la norme IEEE 802.11n

Les matrices suivantes sont les matrices de base du code LDPC standard de longueur
1296 bits auquel est associ un facteur dexpansion z = 54. La partie Hp de la matrice
H = [Hs Hp] est bidiagonale. Afin de construire la matrice de parit correspondante,
les chiffres ij de ces matrices de base seront remplaces par des matrices identits Izz
permutes ij fois droite tandis que les positions marques par "-" seront remplaces par
des matrices carrs z z nulles.

125
Rendement R = 1/2.
40
50
39

33

45

51

47

33

49

1
50

11

18

25

27

17

38

48

34

22
48
4
37
0
35

6
24
1
23
30

35

22

17

49

45

23

43
13

1
20
44
51
13
23
38
0
34

42

40

35

30

18

44

49

46

19

0
0

0
0

0
0

0
0

0
0

0
0

0
0

0
0

0
0

0
0

0
0

(B.20)

Rendement R = 2/3

39
25
43
20
45
35
9
32

31
52
31
33
7
40
24
22

22
41
29
48
18
32
13
4

43
2
0

51
16
22
21

6
21
4
12
5
28
16

40

13
25

4
14
28

26

18
37

11
34

27

50

28

22

43
25

50

51

38

24
7

46

32
52

37
17
42

13
8

0
0

0
0

0
0

0
0

0
0

0
0

0
0
(B.21)

8
51
5
47
12
47

36

17

38

49

43

14

48

28

47

29

18

34

52

33

20

50

35

11

15

17

50

34

53

40

16

0
0

0
0

0
0

0
0


0
0
(B.22)

6
24
16
36

14
6
11
47

53
14
53
5

31
21
40
29

34
6
10
52

5
39
7
52

18
17
46
31

42
40
53
10

53
47
33
26

31
7
35
6

45
15

41
25
2

46
19
35

52

38
51

0
1

0
0

0
0

0
0
(B.23)

Rendement R = 3/4
39
48

30

29
1
13

40
21
39
0
32
7

51
47
28
1
11
15

41
9
42
43
23
47

3
48
50
36
10
23

29
35
39
30
44
16

Rendement R = 5/6

48
17

7
19

29
4
2
48

37
30
51
41

52
7
31
1

2
43
46
10

16
11
23
7

126

B. Codes LDPC

127

Annexe C

Publications
Confrences internationales


Turbo-equalization of LDPC coded MIMO inner-outer scheduling, A. Charaf, P. Pnard, L. Cariou, G. R-Guisantes, IEEE International Conference on Wireless Communications and Signal Processing (WCSP), Octobre 2010.
Study of Stopping Criteria in LDPC coded iterative MIMO-OFDM receiver, A. Charaf, P. Pnard, L. Cariou, G. R-Guisantes, 7th IEEE International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob), Octobre
2011.
Downlink Multi-User MIMO Iterative Interference Cancelation , A. Charaf, P. Pnard, L. Cariou, G. R-Guisantes, (En prparation).

Brevet


Mtrique de feedback pour les transmissions en MIMO multi-utilisateur, L. Cariou, A.


Charaf, FR 12 5682.

Article de revue


Low Complexity Schedules For LDPC Coded Iterative MIMO OFDM Receiver, A.
Charaf, P. Pnard, L. Cariou, G. R-Guisantes, (En prparation), soumettre IEEE
Transactions on Circuits and Systems.

128

C. Publications

129

Bibliographie
[1] M. Al-Nuaimi and A. Siamarou, Coherence bandwidth characterisation and estimation for indoor rician multipath wireless channels using measurements at 62.4 ghz,
IEE Proceedings - Microwaves, Antennas and Propagation, vol. 149, no. 3, pp. 181187,
2002.
[2] B. Sklar, Rayleigh fading channels in mobile digital communication systems. i. characterization, IEEE Communications Magazine, vol. 35, no. 7, pp. 90100, Jul. 1997.
[3] L. Bahl, J. Cocke, F. Jelinek, and J. Raviv, Optimal decoding of linear codes for
minimizing symbol error rate (corresp.), IEEE Transactions on Information Theory,
vol. 20, no. 2, pp. 284287, Mar. 1974.
[4] J. G. Proakis, Digital Communications, 3rd ed. McGraw-Hill Inc., 1995.
[5] T. Richardson and R. Urbanke, Modern Coding Theory. Cambridge University Press,
2008, ch. 7, pp. 382421.
[6] M. Doelz, E. Heald, and D. Martin, Binary data transmission techniques for linear
systems, Proceedings of the IRE, vol. 45, no. 5, pp. 656661, May 1957.
[7] R. R. Mosier and R. G. Clabaugh, Kineplex, a bandwidth-efficient binary transmission
system, American Institue of Electrical Engineers, vol. 76, pp. 723728, 1958.
[8] R. Chang and R. Gibby, Synthesis of band-limited orthogonal signals for multi-channel
data transmission, Bell System Technical Journal, vol. 45, Dec. 1966.
[9] S. Weinstein and P. Ebert, Data transmission by frequency-division multiplexing using
the discrete fourier transform, IEEE Transactions on Communications, vol. 628634,
no. 5, pp. 628634, Oct. 1971.
[10] A. Peled and A. Ruiz, Frequency domain data transmission using reduced computational complexity algorithms, in International Conference on Acoustics, Speech, and
Signal Processing, vol. 5, 2008.
[11] A. Skrpypczak, Contribution ltude de modulations multiporteuses ofdm/oqam et
ofdm surchantillonnes, Ph.D. dissertation, Universit de Rennes 1, 2007.
[12] A. V. Oppenheim and R. W. Schafer, Discrete-time signal processing. Prentice-Hall,
Englewood Cliffs, N.J. :, 1975.
[13] D. Lacroix-Penther and D. Castelain, A study of OFDM parameters for high data
rate radio LANs, in VTCS-00, vol. 2, 2000.

130

BIBLIOGRAPHIE

[14] J. Winters, On the capacity of radio communication systems with diversity in a rayleigh fading environment, IEEE Journal on Selected Areas in Communications, vol. 5,
no. 5, pp. 871878, Jun. 1987.
[15] E. Telatar, Capacity of multiantenna gaussian channel, Bell System Technical Memorandum, Jun. 1995.
[16] G. J. Foschini, Layered space-time architecture for wireless communication in a fading environment when using multielement antennas, Bell System Technical Journal,
vol. 1, pp. 4159, Oct. 1996.
[17] V. Tarokh, N. Seshadri, and A. Calderbank, Space-time codes for high data rate wireless communication : performance criterion and code construction, IEEE Transactions
on Information Theory, vol. 44, no. 2, pp. 744765, Mar. 1998.
[18] E. Biglieri and et al., MIMO Wireless Communications. Cambridge University Press,
2007.
[19] L. Zheng and D. Tse, Diversity and multiplexing : a fundamental tradeoff in multipleantenna channels, IEEE Transactions on Information Theory, vol. 49, no. 5, pp.
10731096, May 2003.
[20] C.-N. Chuah, J. Kahn, and D. Tse, Capacity of multi-antenna array systems in indoor
wireless environment, in Global Telecommunications Conference, 1998. GLOBECOM
98. The Bridge to Global Integration. IEEE, vol. 4, 1998.
[21] R. Ertel, P. Cardieri, K. Sowerby, T. Rappaport, and J. Reed, Overview of spatial
channel models for antenna array communication systems, Personal Communications,
IEEE, vol. 5, no. 1, pp. 10 22, Feb. 1998.
[22] D.-S. Shiu, G. Foschini, M. Gans, and J. Kahn, Fading correlation and its effect on the
capacity of multielement antenna systems, IEEE Transactions on Communications,
vol. 48, no. 3, pp. 502 513, mar 2000.
[23] P. Wolniansky, G. J. Foschini, G. Golden, and R. Valenzuela, V-blast : an architecture
for realizing very high data rates over the rich-scattering wireless channel, in URSI
International Symposium on Signals, Systems, and Electronics, ISSSE, 1998.
[24] G. Ungerboeck, Trellis-coded modulation with redundant signal sets part I : Introduction, IEEE Communications Magazine, vol. 25, no. 2, pp. 511, Feb. 1987.
[25] , Trellis-coded modulation with redundant signal sets part II : State of the art,
IEEE Communications Magazine, vol. 25, no. 2, pp. 1221, Feb. 1987.
[26] S. M. Alamouti, A simple transmit diversity technique for wireless communications,
IEEE Journal on Selected Areas in Communications, vol. 16, no. 8, pp. 14511458,
Oct. 1998.
[27] V. Tarokh, H. Jafarkhani, and R. Calderbank, Space-time block codes from orthogonal
designs, IEEE Transactions on Information Theory, vol. 45, no. 4, pp. 14561467, Jul.
1999.
[28] E. Telatar, Capacity of multiantenna gaussian channel, European Transactions on
Telecommunications, no. 6, pp. 585595, Nov. 1999.

131
[29] O. Tirkkonen, A. Boariu, and A. Hottinen, Minimal non-orthogonality rate 1 spacetime block code for 3+ tx antennas, in IEEE Sixth International Symposium on Spread
Spectrum Techniques and Applications, 2000, pp. 429432.
[30] B. Hassibi and B. M. Hochwald, High-rate codes that are linear in space and time,
IEEE Transactions on Information Theory, vol. 48, no. 7, pp. 18041824, Jul. 2002.
[31] M. O. Damen, K. Abed-Meraim, and J.-C. Belfiore, Diagonal algebraic space-time
block codes, IEEE Transactions on Information Theory, vol. 48, no. 3, pp. 628636,
Mar. 2002.
[32] J.-C. Belfiore, G. Rekaya, and E. Viterbo, The golden code : A 2 x 2 full-rate
space-time code with non-vanishing determinants, IEEE Transactions on Information
Theory, vol. 51, Apr. 2005.
[33] P.-J. Bouvet, Rcepteurs itratifs pour systmes multi-antennes, Ph.D. dissertation,
insa-re, 2005.
[34] H. E. Gamal and M. O. Damen, Universal space-time coding, IEEE Transactions on
Information Theory, vol. 49, pp. 10971119, May 2003.
[35] E. Visotsky and U. Madhow, Space-time transmit precoding with imperfect channel
feedback, IEEE Transactions on Information Theory, vol. 47, pp. 26322639, 2001.
[36] S. Zhou and G. Giannaki, Optimal transmitter eigen-beamforming and space-time
block coding based on channel mean feedback, IEEE Transactions on Signal Processing, vol. 50, pp. 25992613, Oct. 2002.
[37] S. Jafar, S. Vishwanath, and A. Goldsmith, Channel capacity and beamforming for
multiple transmit and receive antennas with covariance feedback, International Conference on Communications, Jun. 2001.
[38] T. Marzetta and B. Hochwald, Capacity of a mobile multiple-antenna communication
link in rayleigh flat fading, IEEE Transactions on Information Theory, vol. 45, Jan.
1999.
[39] B. Hochwald and T. Marzetta, Unitary space-time modulation for multiple-antenna
communications in rayleigh flat fading, IEEE Transactions on Information Theory,
vol. 46, Mar. 2000.
[40] B. Hochwald and W. Sweldens, Differential unitary space-time modulation, IEEE
Transactions on Communications, vol. 48, Dec. 2000.
[41] A. Moustakas, S. Simon, and T. Marzetta, Capacity of differential versus nondifferential unitary space-time modulation for MIMO channels, IEEE Transactions on
Information Theory, vol. 52, pp. 36223634, Aug. 2006.
[42] B. Le Saux, Estimation de canal pour systmes multi-antennes mult-iporteuses,
Ph.D. dissertation, Institut National de Sciences Appliques de Rennes, 2007.
[43] B. Hassibi, W. Shokrollahi, and B. Hassibi, Representation theory for high-rate
multiple-antenna code design, IEEE Transactions on Information Theory, vol. 47,
Sep. 2001.
[44] B. Hughes, Differential space-time modulation, IEEE Transactions on Information
Theory, vol. 46, Nov. 2000.

132

BIBLIOGRAPHIE

[45] V. Tarokh and H. Jafarkhani, A differential detection scheme for transmit diversity,
IEEE Journal on Selected Areas in Communications, vol. 18, no. 7, pp. 11691174,
Jul. 2000.
[46] H. Jafarkhani and V. Tarokh, Multiple transmit antenna differential detection from
generalized orthogonal designs, IEEE Transactions on Information Theory, vol. 47,
pp. 26262631, Sep. 2001.
[47] M. Pohst, On the computation of lattice vectors of minimal length, successive minima
and reduced basis with applications, ACM SIGSAM, vol. 15, pp. 3744, 1981.
[48] B. M. Hochwald and S. Ten Brink, Achieving near-capacity on a multiple-antenna
channel, IEEE Transactions on Communications, vol. 51, no. 3, pp. 389399, Mar.
2003.
[49] J. J. Boutros, N. Gresset, L. Brunel, and M. Fossorier, Soft-inputsoft-output lattice
sphere decoder for linear channels, in IEEE Global Communications Conference, 2003.
[50] Z. Guo and P. Nilsson, Algorithm and implementation of the k-best sphere decoding
for MIMO detection, IEEE Journal on Selected Areas in Communications, vol. 24,
no. 3, pp. 491503, Mar. 2006.
[51] D. Wubben, R. Bohnke, V. Kuhn, and K.-D. Kammeyer, Mmse extension of v-blast
based on sorted qr decomposition, Vehicular Technology Conference, vol. 1, pp. 508
512, Oct. 2003.
[52] B. Hassibi, An efficient square-root algorithm for V-BLAST, in IEEE International
Conference on Acoustics, Speech, and Signal Processing, ICASSP 00, 2000.
[53] A. G. C. Berrou and P. Thitimajshima, Near shannon limit error-correcting coding
and decoding : Turbo-codes, in IEEE International Conference on Communications,
1993.
[54] R. G. Gallager, Low-density parity-check codes. Ph.D. dissertation, M.I.T. 1963.
[55] S. Benedetto and G. Montorsi, Design of parallel concatenated convolutional codes,
IEEE Transactions on Communications, vol. 44, no. 5, pp. 591600, May 1996.
[56] S. Benedetto and G.Montorsi, Unveiling turbo codes : some results on parallel concatenated coding schemes, IEEE Transactions on Information Theory, vol. 42, no. 2,
pp. 409428, Mar. 1996.
[57] L. Perez, J. Seghers, and D. J. Costello, A distance spectrum interpretation of turbo
codes, IEEE Transactions on Information Theory, vol. 42, no. 6, pp. 1698 1709, Nov.
1996.
[58] J. Hagenauer, E. Offer, and L. Papke, Iterative decoding of binary block and convolutional codes, IEEE Transactions on Information Theory, vol. 42, no. 2, pp. 429445,
Mar. 1996.
[59] P. Jung and M. Nasshan, Performance evaluation of turbo codes for short frame
transmission systems, Electronics Letters, vol. 30, no. 2, pp. 111113, Jan. 1994.
[60] R. Pyndiah, Iterative decoding of product codes : Block turbo codes, in International
Symposium on Turbo Codes and related topics, 1997.

133
[61] R. Tanner, A recursive approach to low complexity codes, IEEE Transactions on
Information Theory, vol. 27, no. 5, pp. 533547, Sep. 1981.
[62] N. Wiberg, Codes and decoding on general graphs, Ph.D. dissertation, Department
of electrical engineering,Linkoping, Sweeden. Linkoping studies in sciences and technology, 1996.
[63] F. R. Kschischang, B. J. Frey, and H. A. Loeliger, Factor graphs and the sum-product
algorithm, IEEE Transactions on Information Theory, vol. 47, no. 2, pp. 498519,
Feb. 2001.
[64] H.-A. Loeliger, An introduction to factor graphs, IEEE Signal Processing Magazine,
vol. 21, no. 1, pp. 2841, Jan. 2004.
[65] D. MacKay and R. Neal, Near shannon limit performance of low density parity check
codes, Electronics Letters, vol. 32, no. 18, p. 1645, Aug. 1996.
[66] M. Sipser and D. Spielman, Expander codes, IEEE Transactions on Information
Theory, vol. 42, no. 6, pp. 17101722, Nov. 1996.
[67] M. Davey and D. MacKay, Low density parity check codes over GF(q), in Information
Theory Workshop, 1998.
[68] M. Luby, M. Mitzenmacher, A. Shokrollahi, and D. Spielman, Analysis of low density
codes and improved designs using irregular graphs, in Proceeding of 30th ACM Symp.
on Theory of Computing., 1998.
[69] H. Jin, A. Khandekar, and R. McEliece, Irregular repeat-accumulate codes, in Second
International Conference on Turbo Codes, 2000.
[70] D. Divsalar, H. Jin, and R. McEliece, Coding theorems for turbo-like codes, in Proceeding of the 36th Allerton conference on communication, control and computing,
1998.
[71] J. Fan, Array codes as low-density parity-check codes, in Second International Conference on Turbo Codes, 2000.
[72] L. Chen, Construction of structured low-density-parity-check codes : Combinatorial
and algebraic approaches, Ph.D. dissertation, University of California at Davis, 2004.
[73] R. McEliece, D. MacKay, and J.-F. Cheng, Turbo decoding as an instance of Pearls
belief propagation algorithm, IEEE Journal on Selected Areas in Communications,
vol. 16, no. 2, pp. 140152, Feb. 1998.
[74] M. Fossorier, M. Mihaljevic, and H. Imai, Reduced complexity iterative decoding of
low-density parity check codes based on belief propagation, IEEE Transactions on
Information Theory, vol. 47, no. 5, pp. 673680, May 1999.
[75] J. Chen and M. Fossorier, Density evolution for two improved BP-based decoding
algorithms of LDPC codes, IEEE Communications Letters, vol. 6, no. 5, pp. 208
210, May 2002.
[76] C. Jones, E. Valles, M. Smith, and J. Villasenor, Approximate-min constraint node updating for ldpc code decoding, in IEEE Military Communications Conference, MILCOM, vol. 1, Oct. 2003.

134

BIBLIOGRAPHIE

[77] J. B. Dor, Optimisation conjointe de codes ldpc et de leurs architectures de dcodage


et mise en oeuvre sur fpga, Ph.D. dissertation, insa-re, 2007.
[78] J. Zhang, Y. Wang, M. Fossorier, and J. Yedidia, Replica shuffled iterative decoding,
in International Symposium on Information Theory - ISIT, 2005.
[79] D. J. C. MacKay and M. J. Postol, Weaknesses of Margulis and RamanujanMargulis
low-density parity-check codes, in Proceedings of MFCSIT2002, Galway, vol. 74, 2003.
[80] The capacity of low-density parity-check codes under message-passing decoding,
2001.
[81] D. Divsalar, S. Dolinar, and F. Pollara, Iterative turbo decoder analysis based on
density evolution, IEEE Journal on Selected Areas in Communications, vol. 19, no. 5,
pp. 891907, May 2001.
[82] S. ten Brink, Convergence of iterative decoding, Electronics Letters, vol. 35, no. 10,
May 1999.
[83] S. T. Brink, Convergence behaviour of iteratively decoded parallel concatenated
codes, IEEE Transactions on Communications, vol. 49, no. 10, Oct. 2001.
[84] S. ten Brink, G. Kramer, and A. Ashikhmin, Design of low-density parity-check codes
for modulation and detection, IEEE Transactions on Communications, vol. 52, no. 4,
Apr. 2004.
[85] M. Tchler, R. Koetter, and A. C. Singer, Minimum mean squared error equalization
using a priori information, IEEE Transactions on Signal Processing, vol. 50, no. 3,
pp. 673683, Mar. 2002.
[86] E. Sharon, A. Ashikhmin, and S. Litsyn, Analysis of low-density parity-check codes
based on EXIT functions, IEEE Transactions on Communications, vol. 54, no. 8, pp.
14071414, Aug. 2006.
[87] E. Sharon, A. Ashikhmin, and S.Litsyn, EXIT functions for binary input memoryless
symmetric channels, IEEE Transactions on Communications, vol. 54, no. 7, pp. 1207
1214, Jul. 2006.
[88] X. Ma and E. Yang, Low-density parity-check codes with fast decoding convergence
speed, in IEEE Symposium on Information Theory (ISIT), vol. 1, 2004.
[89] M. Franceschini, G. Ferrari, and R. Raheli, LDPC-Coded modulations : Performance
bounds and a novel design criterion, in 4th International Symposium on Turbo Codes
Related Topics, Apr. 2006, pp. 16.
[90] R. Tanner, D. Sridhara, A. Sridharan, T. Fuja, and J. Costello, D.J., LDPC block and
convolutional codes based on circulant matrices, IEEE Transactions on Information
Theory, vol. 50, no. 12, pp. 29662984, Dec. 2004.
[91] M. Fossorier, Quasicyclic low-density parity-check codes from circulant permutation
matrices, IEEE Transactions on Information Theory, vol. 50, no. 8, pp. 17881793,
Aug. 2004.
[92] Y. Kou, S. Lin, and M. Fossorier, Low-density parity-check codes based on finite geometries : a rediscovery and new results, IEEE Transactions on Information Theory,
vol. 47, no. 7, pp. 27112736, Nov. 2001.

135
[93] J. Thorpe, Low density parity check (LDPC) codes constructed from protographs,
Jet Propulsion Laboratory - INP Progress Report 42-154, Tech. Rep., 2003.
[94] A. Roumy, S. Guemghar, G. Caire, and S. Verdu, Design methods for irregular repeataccumulate codes, IEEE Transactions on Information Theory, vol. 50, no. 8, pp.
17111727, Aug. 2004.
[95] K. Shimizu, T. Ishikawa, N. Togawa, T. Ikenaga, and S. Goto, Partially-parallel
LDPC decoder based on high-efficiency message-passing algorithm, IEEE International Conference on Computer Design, Oct. 2005.
[96] F. Kienle and N. Wehn, Design methodology for IRA codes, in Proceedings of the
Asia and South Pacific Design Automation Conference, 2004.
[97] M. Rovini and L. F. N. E. LInsalata, F. Rossi, VLSI design of a high-throughput
multi-rate decoder for structured LDPC codes, in 8th Euromicro Conference on Digital System Design, 2005.
[98] L. Dinoi, F. Sottile, and S. Benedetto, Design of variable-rate irregular LDPC codes
with low error floor, in IEEE International Conference on Communications, 2005.
[99] G. Richter and A. Hof, On a construction method of irregular LDPC codes without
small stopping sets, in IEEE International Conference on Communications, Jun. 2006.
[100] D. J. MacKay and M. S. Postol, Weaknesses of margulis and ramanujan-margulis
low-density parity-check codes, in Electronic Notes in Theoretical Computer Science,
2003.
[101] X.-Y. Hu, E. Eleftheriou, and D.-M. Arnold, Progressive edge-growth Tanner graphs,
in IEEE Global Telecommunications Conference - GLOBECOM, vol. 2, 2001.
[102] R. R. Muller and W. H. Gerstacker, On the capacity loss due to separation of detection
and decoding, IEEE Transactions on Information Theory, vol. 50, no. 8, pp. 1769
1778, Aug. 2004.
[103] C. Douillard, A. Picart, P. Didier, M. Jezequel, C. Berrou, and A. Glavieux, Iterative
correction of intersymbol interference : Turbo-equalization, European Transactions
on Telecommunications, vol. 6, no. 5, Sep. 1995.
[104] A. Glavieux, C. Laot, and J. Labat, Turbo equalization over a frequency selective
channel, in First Symposium on Turbo Codes, 1997, pp. 96102.
[105] R. Le Bidan, Turbo-equalization for bandwith-efficient digital communications over
frequency-selective channels, Ph.D. dissertation, Institut National de Sciences Appliques de Rennes, 2003.
[106] L. Boher, tude et mise en uvre de rcepteurs itratifs pour les systmes mimo,
Ph.D. dissertation, Institut National de Sciences Appliques de Rennes, 2008.
[107] L. Boher, R. Rabineau, and M. Helard, Fpga implementation of an iterative receiver
for mimo-ofdm systems, IEEE Journal on Selected Areas in Communications, 2008.
[108] D. Reynolds and X. Wang, Low-complexity turbo-equalization for diversity channels,
IEEE Transactions on Signal Processing, vol. 81, no. 5, pp. 989995, 2001.

136

BIBLIOGRAPHIE

[109] C. Laot and R. LeBidan, Low complexity linear turbo equalization : A possible solution for edge with iterative receivers, IEEE Transactions on Wireless Communications, May 2005.
[110] M. Tchler, R. Koetter, and A. C. Singer, Turbo equalization : principles and new
results, IEEE Transactions on Communications, vol. 50, no. 5, pp. 754767, May
2002.
[111] H. Omori, T. Asai, and T. Matsumoto, A matched filter approximation for SC/MMSE
iterative equalizers, IEEE Communications Letters, vol. 5, no. 7, pp. 310312, Jul.
2001.
[112] E. Zehavi, 8-PSK trellis codes for a Rayleigh channel, IEEE Transactions on Communications, vol. 40, no. 5, pp. 873884, May 1992.
[113] G. Caire, G. Taricco, and E. Biglieri, Bit-interleaved coded modulation, IEEE Transactions on Information Theory, vol. 44, no. 3, pp. 927946, May 1998.
[114] D. Shin, K. Heo, S. Oh, and J. Ha, A stopping criteria for low density parity check
codes, in IEEE 65th Vehicular Technology Conference, VTC2007-Spring, vol. 1, 2007.
[115] F. Kienle and N. Wehn, Low complexity stopping criterion for LDPC code decoders,
in IEEE 61st Vehicular Technology Conference, vol. 1, 2005.
[116] F. Pereira and J. Ascenso, Complexity efficient stopping criterion for LDPC based
Distributed Video Coding, in Mobimedia09, 2009.
[117] M. Costa, Writing on dirty paper, IEEE Transactions on Information Theory, vol. 29,
no. 3, pp. 439441, May 1983.
[118] G. Caire and S. Shamai, On achievable rates in a multi-antenna broadcast downlink, in Proceedings of of annual Allerton conference on comminication, control and
computing, October 2000.
[119] M. Kountouris, Multi-users multi-antennas systems with limited feedback, Ph.D.
dissertation, Institut EURECOM, 2007.
[120] T. Yoo and A. Goldsmith, On the optimality of multiantenna broadcast scheduling
using zero-forcing beamforming, IEEE Journal on Selected Areas in Communications,
vol. 24, no. 3, pp. 528541, Mar. 2006.
[121] H. Sampath, P. Stoica, and A. Paulraj, Generalized linear precoder and decoder
design for MIMO channels using the weighted MMSE criterion, IEEE Transactions
on Communications, vol. 49, no. 12, pp. 21982206, Dec. 2001.
[122] C. Peel, B. Hochwald, and A. Swindlehurst, A vector-perturbation technique for nearcapacity multiantenna multiuser communication-part I : channel inversion and regularization, IEEE Transactions on Communications, vol. 53, no. 1, pp. 195202, Jan.
2005.
[123] Q. Spencer, A. Swindlehurst, and M. Haardt, Zero-forcing methods for downlink
spatial multiplexing in multiuser mimo channels, IEEE Transactions on Signal Processing, vol. 52, no. 2, pp. 461471, Feb. 2004.
[124] L. Cariou and A. Charaf, Mtrique de feedback pour les transmissions mimo multiutilisateurs, French Patent 5682, 2011.

137
[125] ETSI, LTE, requirements for Evolved UTRA (E-UTRA) and Evolved UTRAN (EUTRAN), in 3GPP TR 25.913 v.7.3.0 2006, 2006.
[126] H. Poor and S. Verdu, Probability of error in mmse multiuser detection, IEEE Transactions on Information Theory, vol. 43, no. 3, pp. 858871, May 1997.
[127] R. Ghaffar and R. Knopp, Interference suppression for next generation wireless systems, in Vehicular Technology Conference, 2009. VTC Spring 2009. IEEE 69th, 2009.
[128] J. Duplicy, B. Badic, R. Balraj, R. Ghaffar, P. Horvath, F. Kaltenberger, R. Knopp,
I. Z. Kovacs, H. T. Nguyen, D. Tandur, and G. Vivier, MU-MIMO in LTE systems,
EURASIP journal on wireless communications and networking, MU-MIMO Special
Issue, Nov. 2010.
[129] G. Berardinelli, C. Manchon, L. Deneire, T. Sorensen, P. Mogensen, and K. Pajukoski, Turbo receivers for single user MIMO LTE-A uplink, in IEEE 69th Vehicular
Technology Conference - VTC, 2009.
[130] O. Dobre, A. Abdi, Y. Bar-Ness, and W. Su, Blind modulation classification : a
concept whose time has come, in IEEE/Sarnoff Symposium on Advances in Wired
and Wireless Communication, 2005.
[131] , Survey of automatic modulation classification techniques : classical approaches
and new trends, Institution of Engineering and Technology, Communications, vol. 1,
no. 2, pp. 137156, Apr. 2007.
[132] M. Rakhshanfar, Maximum likelihood approach to classification of digitally frequencymodulated signals, in 7th International Symposium on Wireless Communication Systems (ISWCS), 2010.
[133] C. Le Martret and D. Boiteau, Modulation classification by means of different orders
statistical moments, in MILCOM 97, vol. 3, 1997.
[134] Q. Zhang, O. Dobre, S. Rajan, and R. Inkol, On the second-order cyclostationarity
for joint signal detection and classification in cognitive radio systems, in Canadian
Conference on Electrical and Computer Engineering - CCECE, 2009.
[135] N. Ahmadi and R. Berangi, Modulation classification of QAM and PSK from their
constellation using Genetic Algorithm and hierarchical clustering, in 3rd International
Conference on Information and Communication Technologies - ICTTA, 2008.
[136] A. Swami and B. Sadler, Hierarchical digital modulation classification using cumulants, IEEE Transactions on Communications, vol. 48, no. 3, pp. 416429, Mar. 2000.
[137] V. Choqueuse, S. Azou, K. Yao, L. Collin, and G. Burel, Modulation recognition for
MIMO systems, ATM review, 2008.
[138] K. Hassan, C. Nzza, M. Berbineau, W. Hamouda, and I. Dayoub, Blind modulation
identification for MIMO systems, in IEEE Global Telecommunications Conference GLOBECOM2010, 2010.
[139] K. Kita and T. Tsujioka, Rate estimation scheme for weighted bit-flipping decoding
of rate compatible LDPC codes, in International Symposium on Information Theory
and Its Applications - ISITA, 2008.

138

BIBLIOGRAPHIE

[140] M. Tsuji and T. Tsujioka, A study on Hybrid-ARQ system with blind rate estimation
of RC-LDPC codes, in Taiwan-Japan Joint Conference on Communications Technology 2007, 2007.
[141] Y. Tomoyasu, T. Tetsuo, S. Hisayoshi, and M. Masashi, Comparison of rate estimation techniques for rate-compatible LDPC codes, IEIC Technical Report (Institute of
Electronics, Information and Communication Engineers), vol. 105, no. 83, pp. 1924,
2005.
[142] Y. Tomoyasu, T. Tetsuo, S. Hisayoshi, and M.Masashi, Rate estimation techniques
for rate-compatible ldpc codes, IEIC Institute of Electronics, Information and Communication Engineers, Tech. Rep., 2006.
[143] A. Sanderovich, M. Peleg, and S. Shamai, LDPC coded MIMO multiple access with
iterative joint decoding, IEEE Transactions on Information Theory, vol. 51, no. 4,
pp. 1437 1450, Apr. 2005.
[144] T. Richardson, M. Shokrollahi, and R. Urbanke, Design of capacity-approaching irregular low-density parity-check codes, IEEE Transactions on Information Theory,
vol. 47, no. 2, pp. 619637, Feb. 2001.