ComNum3 Hand PDF

Sommaire
Introduction
Emetteur
Canal
Recepteur
Hypothèses du cours
Communications numeriques
Transmission en bande de base
Codage en ligne
Conversion bits/symboles
Mise en forme
Energie moyenne par bit
Densites spectrale de puissance
Laurent Oudre
laurent.oudre@univ-paris13.fr
Transmission en absence de bruit

Hypothèses
Interferences entre symboles
Reception en absence de bruit
Universit
e Paris 13, Institut Galil
ee
Ecole ding
enieurs Sup Galil
ee
Parcours Informatique et R
eseaux Alternance - 2ème ann
ee
2015-2016
Transmission en presence de bruit blanc additif gaussien

Hypothèses
Recepteur optimal
Reception en presence de bruit
Transmission sur un canal `
a bande passante limitee
Laurent Oudre laurent.oudre@univ-paris13.fr
Communications num
eriques
2015-2016
1 / 107
Communications num
eriques
Introduction
2015-2016
2 / 107
Introduction
Sommaire
Chane de transmission ideale : rappel
Introduction
Emetteur
Canal
Recepteur
Hypothèses du cours
dn
Codage en ligne
e(t)
Emetteur
Canal de
transmission
r (t)
R
ecepteur
dn

Communications num
eriques
2015-2016
3 / 107
Communications num
eriques
2015-2016
4 / 107
Introduction
Emetteur
Introduction
Chane de transmission ideale : emetteur
e(t)
dn
Emetteur
Canal de
transmission
r (t)
Emetteur : differentes etapes
R
ecepteur
dn
dn
Emetteur : transformer le signal numerique dn en un signal physique e(t) (onde

electromagnetique, signal electrique, etc...) qui puisse etre transmis sur le canal de
transmission
Transmettre le maximum de donn
ees avec une fiabilite maximale
Sadapter au canal de transmission utilise
Introduction
2015-2016
5 / 107
Conversion
bits/symboles
ak
Filtre de
mise en
forme he (t)
x(t)
e(t)
dn
Modulation
2015-2016
6 / 107
Emetteur
Conversion
bits/symboles
ak
Filtre de
mise en
forme he (t)
x(t)
e(t)
Modulation
Emetteur
Modulation :
Transformation du signal numerique en un signal physique

Choix du filtre de mise en forme depend de la largeur de bande souhaitee, de
la presence de raies à la frequence dhorloge...
e(t)
Modulation
Mise en forme :
x(t)
Communications num
eriques
Introduction
Emetteur
Filtre de
mise en
forme he (t)
Modification de la taille de lalphabet

Modification du rythme
Emetteur
dn
ak
Conversion bits/symboles (transcodage) :
Communications num
eriques
Conversion
bits/symboles
Emetteur
Emetteur
Communications num
eriques
2015-2016
7 / 107
Adaptation au canal de transmission (bande passante)

Large choix de possibilites : depend de la puissance, de la probabilite derreur
acceptable...
Communications num
eriques
2015-2016
8 / 107
Introduction
Canal
Introduction
Chane de transmission ideale : canal
dn
e(t)
r (t)
Canal de
transmission
Emetteur
Canal : differentes etapes
R
ecepteur
dn
e(t)
Canal de transmission : cables coaxiaux, paires torsadees, reseau hertzien,

infrarouge, fibres optiques,....
Eventuellement source derreurs (bruit, perte de donnees, etc...)
Introduction
2015-2016
9 / 107
Filtre de
canal hc (t)
2015-2016
10 / 107
R
ecepteur
Chane de transmission ideale : recepteur
e (t)
Bruit
additif b(t)
r (t)
dn
Souvent suppose bruit blanc additif gaussien independant du signal

b (f ) = N20
Communications num
eriques
e(t)
Emetteur
Canal de
transmission
r (t)
R
ecepteur
dn
Recepteur : transformer le signal physique recu r (t) pour retrouver le signal

numerique envoye dn
Bruit additif b(t)
Communications num
eriques
Introduction
Canal de transmission
r (t)
Bruit
additif b(t)
Depend à priori de la frequence : notion de bande passante du canal

Canal ideal : Hc (f ) constant dans la bande passante
Canal
Canal : differentes etapes
e(t)
e (t)
Filtre de canal ayant pour fonction de transfert Hc (f )
Communications num
eriques
Filtre de
canal hc (t)
Proprietes physiques differentes selon le canal utilise : bande passante, debit

maximal, etc...
Canal
2015-2016
11 / 107
Echantillonnage, detection, elimination du bruit

Parfois difficile sil y a eu des erreurs de transmission
Communications num
eriques
2015-2016
12 / 107
Introduction
R
ecepteur
Introduction
Recepteur : differentes etapes

r (t)
r (t)
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
D
emodulation
y (t)
z(t)
Echantillonage
zk = z(kT )
dn
D
ecodage
Filtre de
r
eception
hr (t)
Echantillonage
zk = z(kT )
dn
R
ecepteur
D
ecodage
ak
D
ecision
D
ecision
ak
R
ecepteur
R
ecepteur
Filtre de reception :
Demodulation : inverse de letape de modulation
Communications num
eriques
Introduction
2015-2016
13 / 107
D
emodulation
y (t)
R
ecepteur
Filtre de
r
eception
hr (t)
Communications num
eriques
Introduction
r (t)
Adapte au filtre de mise en forme utilise lors de lemission

Vise à minimiser les interactions entre symboles et à maximiser le rapport
signal sur bruit
2015-2016
R
ecepteur
z(t)
r (t)
Echantillonage
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
zk = z(kT )
dn
D
ecodage
ak
D
ecision
dn
ak
D
ecision
Decision :
Transformation du signal physique en signal discret

Necessite une synchronisation sur le temps dhorloge
D
ecodage
R
ecepteur
Echantillonage :
Echantillonage
zk = z(kT )
R
ecepteur
14 / 107
Communications num
eriques
2015-2016
15 / 107
A partir des valeurs echantillonnees, on retrouve les symboles emis

Sensible au bruit ajoute par le canal
Communications num
eriques
2015-2016
16 / 107
Introduction
R
ecepteur
Introduction
Hypothèses
dn
r (t)
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
Conversion
bits/symboles
dn
Filtre de
mise en
forme he (t)
ak
x(t)
e(t)
Modulation
On sinteresse ici `
a la transmission en
bande de base :
Emetteur
Echantillonage
Pas d
etape de
modulation/d
emodulation
zk = z(kT )
D
ecodage
Hypoth`
eses du cours
ak
e(t)
Filtre de
canal hc (t)
e (t)
Transmission des signaux tels
r (t)
Bruit
additif b(t)
quels, dans la bande de fr

equence
originale
D
ecision
On supposera aussi que le canal utilis

e
est id
eal, invariant, et de gain unitaire
r (t)
R
ecepteur
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
Echantillonage
zk = z(kT )
Decodage : on transforme les symboles detectes en bits dinformation
dn
D
ecodage
D
ecision
ak
Hc (f ) = 1
Sa bande passante est donc suppos
ee
infinie.
R
ecepteur
Communications num
eriques
2015-2016
17 / 107
Codage en ligne
Communications num
eriques
2015-2016
18 / 107
Codage en ligne
Sommaire
Codage en ligne
Introduction
dn
Codage en ligne
Mise en forme
Densites spectrale de puissance
Conversion
bits/symboles
x(t)
Mise en forme
e(t)
Modulation
Codage en ligne

Codage en ligne :

ak
Communications num
eriques
2015-2016
19 / 107
Toutes les etapes en bande de base, avant letape de modulation

But : donner de bonnes proprietes au signal physique cree (largeur de bande,
raies ou annulations du spectre à certaines frequences, etc...)
Communications num
eriques
2015-2016
20 / 107
Codage en ligne
Codage en ligne
Emetteur : conversion bits/symboles
Debit binaire
1.5
dn
Conversion
bits/symboles
ak
Filtre de
mise en
forme he (t)
x(t)
e(t)
Conversion bits/symboles (transcodage) :
Entree : signal binaire initial

dn
d = 1010001101
Modulation
Emetteur
0.5
Un bit emis toutes les Tb

secondes
Debit binaire :
0.5
0
1Tb
2Tb
3Tb
4Tb
5Tb
6Tb
7Tb
Modification de la taille de lalphabet

Modification du rythme
8Tb
9Tb
d(t) =
Db =
...
1
(bits/seconde)
Tb
dn (t nTb )
nZ
Communications num
eriques
Codage en ligne
2015-2016
21 / 107
Codage en ligne
Transcodage : conversion bits/symboles
Principe : remplacer les bits ou des groupements de bits par des symboles
Idee : passer de deux valeurs possibles (0 ou 1) à M valeurs possibles
Plusieurs facons de proceder :
2015-2016
22 / 107
Codage par dictionnaire
Communications num
eriques
Codage par dictionnaire : regrouper les bits m par m et associer un symbole `

a
chaque groupement
Codage par diagramme detats
Codage par equation lineaire
Dictionnaire à M symboles (M : valence)

Regrouper les bits m par m et associer un symbole du dictionnaire à chaque
groupement
Dans ce cas :
M = 2m
m = log2 M
Exemple avec m = 1 :
1010001101 1 0 1 0 0 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1
1010001101 10 10 00 11 01 2 2 0 3 1
Communications num
eriques
2015-2016
23 / 107
Communications num
eriques
2015-2016
24 / 107
Codage en ligne
Codage en ligne
Codage par dictionnaire
Exemples
Plusieurs facons dattribuer un symbole ak à chaque groupe de m bits
Codage M-aire unipolaire :
Codage binaire unipolaire
ak {0, 1, , M 1}
Codage M-aire antipolaire :

ak {(M 1), , 3, 1, 1, 3, , M 1} (uniquement les valeurs impaires)
dn
0
1
ak
0
1
dn
0
1
ak
-1
1
Codage binaire antipolaire
10 10 00 11 01 2 2 0 3 1 (unipolaire)
10 10 00 11 01 3 3 3 1 1 (antipolaire)
Communications num
eriques
Codage en ligne
2015-2016
25 / 107
Codage en ligne
Exemples
26 / 107
Si on regroupe les bits m par m, on transmet m fois moins vite. Un symbole

emis toutes les T secondes (periode symbole) avec
T = mTb = log2 M Tb =
Codage quaternaire antipolaire (ou 2B1Q)

dn dn+1 ak
00
-3
01
-1
11
1
10
3
codage de Grey : un bit de difference entre chaque etat
a(t) =
ak (t kT )
kZ
Rapidite de modulation R (debit symbole)
R=
Communications num
eriques
log2 M
Db
On a un nouveau signal
R=
2015-2016
Rapidite de modulation
Communications num
eriques
2015-2016
27 / 107
1
T
Db
(bauds)
log2 M
Communications num
eriques
2015-2016
28 / 107
Codage en ligne
Codage en ligne
Exemple : codage 2B1Q
Mise en forme
Emetteur : mise en forme

d
1.5
1
dn
0.5
Conversion
bits/symboles
ak
Filtre de
mise en
forme he (t)
x(t)
e(t)
Modulation
0.5
0
1Tb
2Tb
3Tb
4Tb
5Tb
6Tb
7Tb
8Tb
9Tb
...
Emetteur
ak
Mise en forme :
2
0
1T=2Tb
2T=4Tb
3T=6Tb
4T=8Tb
...
10 10 00 11 01 3 3 3 1 1
Communications num
eriques
Codage en ligne
2015-2016
29 / 107
Communications num
eriques
Codage en ligne
2015-2016
30 / 107
Mise en forme
Filtre NRZ (non retour à zero)
Entree : suite de symboles M-aires ak . Un symbole emis toutes les T secondes

X
a(t) =
ak (t kT )
kZ
Mise en forme
Mise en forme
Transformation du signal numerique en un signal physique

Choix du filtre de mise en forme depend de la largeur de bande souhaitee, de
la presence de raies à la frequence dhorloge...
0.8
0.6
Principe : associer un signal physique x(t) à cette suite de symboles en

convoluant a(t) par la reponse impulsionnelle he (t) dun filtre de mise en
forme (aussi appele filtre demission).
Codes à formant : meme filtre de mise en forme pour tous les symboles
he (t) =
0.4
1 si 0 t < T
0 sinon
0.2
x(t) = a(t) he (t) =
ak he (t kT )
kZ
Communications num
eriques
2015-2016
31 / 107
Communications num
eriques
2015-2016
32 / 107
Codage en ligne
Mise en forme
Codage en ligne
Exemple : Codage binaire unipolaire NRZ
Mise en forme
Exemple : Codage binaire antipolaire NRZ
1
0.8
0.6
0.8
0.4
0.6
0.2
0.4
0.2
0.4
0.2
0.6
0.8
1T
2T
3T
4T
5T
6T
7T
8T
9T
Communications num
eriques
Codage en ligne
2T
3T
4T
5T
6T
7T
8T
9T
1010001101 1111111111
1010001101 1010001101
1T
2015-2016
33 / 107
Communications num
eriques
Mise en forme
Codage en ligne
Filtre RZ (retour à zero)
2015-2016
34 / 107
2015-2016
36 / 107
Mise en forme
Exemple : Codage binaire unipolaire RZ
1
1
0.8
0.8
0.6
0.6
he (t) =
0.4
1 si 0 t <
0 sinon
T
2
0.4
0.2
0.2
0
0
T2
1T
2T
3T
4T
5T
6T
7T
8T
9T
1010001101 1010001101
Communications num
eriques
2015-2016
35 / 107
Communications num
eriques
Codage en ligne
Mise en forme
Codage en ligne
Exemple : Codage binaire antipolaire RZ
Mise en forme
Filtre biphase Manchester
1
0.8
0.6
0.8
0.4
0.6
0.4
0.2
si 0 t < T2
1
he (t) = 1 si T2 t < T
0
sinon
0.2
0
0
0.2
0.2
0.4
0.4
0.6
0.6
0.8
0.8
1
1T
2T
3T
4T
5T
6T
7T
8T
T2
9T
1010001101 1111111111
Communications num
eriques
Codage en ligne
2015-2016
37 / 107
Communications num
eriques
Mise en forme
Codage en ligne
Exemple : Codage binaire antipolaire Manchester
0.8
0.4
0.2
0
0.2
0.4
0.6

2
X

Ex =
|x(t)| dt =
ak he (t kT ) dt

1
3T
4T
5T
6T
7T
8T
9T
1010001101 1111111111
Communications num
eriques
2015-2016
39 / 107
kZ
Si le support temporel de he (t) est egal à T , on a :

Z
X
X
|ak |2
|ak |2 Ehe
Ex =
|he (t kT )|2 dt =
kZ
0.8
2T
Comment evaluer lenergie totale du signal en bande de base x(t) ?

Z
0.6
1T
38 / 107
Notion denergie
2015-2016
kZ
Problème : on ne connait pas les ak a priori car ils sont aleatoires !

Solution : au lieu de definir une energie totale, on va definir une
energie
moyenne
Communications num
eriques
2015-2016
40 / 107
Codage en ligne
Codage en ligne
Energie moyenne par symbole
Energie moyenne par symbole
Lenergie correspondant à lemission dun seul symbole ai est

Z
Eai =
|ai he (t)|2 dt = |ai |2 Ehe
En notant a et a2 respectivement la moyenne et la variance des symboles du

dictionnaire, on peut remarquer que :
i =1
1
Esym
=
=
log2 M
M log2 M
M
X
i =1
i =1
Donc on a aussi :
Esym = (a2 + |a |2 )Ehe
|ai | Ehe
2015-2016
41 / 107
Communications num
eriques
Codage en ligne
2015-2016
42 / 107
2015-2016
44 / 107
Formules generales
On peut montrer que pour un dictionnaire M-aire
Exemple : dictionnaire binaire antipolaire

Esym = Ebit =
i =1
M
1 X 2
|ai | |a |2
M
i =1
Exemples
M
M
M
1 X 2
2 X
1 X
|ai |
|ai ||a | +
|a |2
M
M
M
Communications num
eriques
Codage en ligne
M
1 X
|ai a |2
M
i =1
i =1
Comme un symbole correspond à m = log2 M bits, on peut aussi definir

lenergie moyenne par bit comme
Ebit
i =1
M
M
1 X
1 X 2
Eai =
|ai | Ehe
M
M
Esym =
a2
Si lon suppose que tous les symboles du dictionnaire sont equiprobables,

lenergie moyenne par symbole peut donc etre definie comme
1
((1)2 + (1)2 )Ehe = Ehe
2
unipolaire ak {0, 1, , M 1}
Ebit =
Exemple : dictionnaire 2B1Q

Esym =
1
((3)2 + (1)2 + (1)2 + (3)2 )Ehe = 5Ehe
4
Ebit =
antipolaire ak {(M 1), , 3, 1, 1, 3, , M 1}

Ebit =
Esym
5
= E he
log2 4
2
Communications num
eriques
(M 1)(2M 1)
E he
log2 M
2015-2016
43 / 107
M2 1
Eh
3 log2 M e
Communications num
eriques
Codage en ligne
Densit
es spectrale de puissance
Codage en ligne
Notion de puissance
Densite spectrale de puissance
Chaque symbole est emis durant une periode T , donc on peut definir la
puissance moyenne totale du signal x(t) comme
Px =
kZ
Esym
T
x (f ) = |He (f )|2 a (f )
Si les symboles sont supposes equiprobables et independants, on a :
De la meme facon, on peut definir la puissance moyenne totale du signal x(t)

comme
Ebit
= Ebit Db
Px =
Tb
a (f ) =
Le signal x(t) est un signal aleatoire dont laspect frequentiel doit donc etre etudie
gr
ace `
a une densite spectrale de puissance
X
Il correspond au filtrage du signal aleatoire a(t) =
ak (t kT ) par un filtre de
fonction de transfert He (f ), sa densite spectrale de puissance x (f ) verifie donc :
Densit
Pour simplifier, on appelle souvent Px la puissance emise moyenne

+
a2
2 X
k
+ a2
f
T
T k=
T
Et donc :
x (f ) =
2

+
k
a2
2 X
k
|He (f )|2 + a2
H
e

T
T
T
T
k=
Communications num
eriques
Codage en ligne
2015-2016
45 / 107
Densit
Codage en ligne
Proprietes spectrales des signaux en bande de base
2

+
a2
2a X
k
k
2
x (f ) =
|He (f )| + 2
He T f T
T
T
Le dictionnaire utilise influence a et a2 : en particulier, si a 6= 0, on fait

apparatre sur la DSP des raies frequentielles aux frequences multiples de T1
Le filtre de mise en forme utilise conditionne la forme de la DSP : en
particulier, lorsque lon utilise un filtre NRZ, RZ ou biphase Manchester, on
obtient un signal en bande de base, où la majorite de la puissance est repartie
dans la bande [B , +B] où B est la largeur de bande du signal.
Comme nous le verrons en Travaux Pratiques, à debit binaire constant, le
dictionnaire et le filtre utilises impactent directement la largeur de bande du
signal
Communications num
eriques
2015-2016
2015-2016
46 / 107
Densit
Liens entre les notions de puissance
k=
Communications num
eriques
47 / 107
Nous avons defini avec les mains la puissance moyenne totale Px du signal
x(t) comme etant :
Esym
2 + |a |2
Px =
= a
E he
T
T
Dun autre c
ote, nous savons que par definition, on a :
Z +
Px =
x (f )df
Ces deux expressions sont-elles compatibles ?
Communications num
eriques
2015-2016
48 / 107
Codage en ligne
Densit
Codage en ligne
Liens entre les notions de puissance

Prenons le cas simple dun dictionnaire antipolaire
On a donc a = 0 et dans ce cas, la definition avec les mains nous donne :
(f)
En faisant le calcul à partir de la DSP, on trouve :

Z +
Px =
x (f )df
Z +
|He (f )|2 df
10
10
10
15
15
15
20
25
20
25
20
25
30
30
30
35
35
35
40
40
45
45
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
5Db
50
5Db
40
45
4Db
Filtre NRZ
B Db T1
|He (f )|2 df
(f)
50
5Db
Z
a2 +
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
Filtre RZ
B 2Db
3Db
4Db
5Db
50
5Db
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
5Db
Filtre Manchester
B 2Db T2
2
T
Db = 1 bit/seconde, M = 2, dictionnaire antipolaire
a2
Eh
T e
a2
Dcibels
(f)
Esym
2
Px =
= a E he
T
T
Dcibels
Quelques DSP des codes en ligne
Dcibels
Densit
Les deux definitions sont donc parfaitement coherentes !
Communications num
eriques
Codage en ligne
2015-2016
49 / 107
Communications num
eriques
Densit
Codage en ligne
2015-2016
50 / 107
Densit

x(f)
x(f)
5
10
0
(f)
0
5
10
10
10
15
15
15
25
20
25
25
30
30
35
35
35
40
40
40
45
45
45
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
Filtre NRZ
B Db T1
5Db
50
5Db
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
Filtre RZ
B 2Db
2Db
3Db
2
T
4Db
5Db
15
20
30
50
5Db
0
10
Dcibels
0
5
Dcibels
20
Dcibels
Dcibels
(f)
50
5Db
10
Dcibels
(f)
5
20
25
20
30
30
35
40
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
5Db
50
5Db
Filtre Manchester
B 2Db T2
Db = 1 bit/seconde, M = 2, dictionnaire unipolaire

Idem au dictionnaire antipolaire, mais apparition de raies frequentielles pour f =
k
T
40
45
4Db
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
5Db
50
5Db
4Db
Filtre NRZ
M=2
B Db T1
3Db
2Db
Db
0
Db
Frquence (en Hz)
2Db
3Db
4Db
5Db
Filtre NRZ
M =4
1
B D2b 2T
Db = 1 bit/seconde, dictionnaire antiipolaire

A debit binaire, dictionnaire et filtre constant, lorsque M augmente, la largeur de
bande diminue
Communications num
eriques
2015-2016
51 / 107
Communications num
eriques
2015-2016
52 / 107
Codage en ligne
Densit
Sommaire
Quelques DSP des codes en ligne : conclusion
Introduction
Dictionnaire antipolaire :
Codage en ligne
1
T
2
BNRZ
BRZ
BManchester

Hypothèses
Interferences entre symboles
Reception en absence de bruit
2
T
Dictionnaire unipolaire : idem + apparition de raies frequentielles pour f =
Communications num
eriques
2015-2016
k
T
53 / 107
Filtre de
canal hc (t)
Hypoth`
eses
e (t)
Communications num
eriques
e(t)

2015-2016
54 / 107
Hypoth`
eses
Bruit
additif b(t)
dn
r (t)
Conversion
bits/symboles
ak
Filtre de
mise en
forme he (t)
x(t)
e(t)
e(t)
Modulation
Filtre de
canal hc (t)
Emetteur
r (t)
e (t)
Bruit
additif b(t)
r (t)
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
Echantillonage
zk = z(kT )
Rappel :
dn
D
ecodage
ak
D
ecision
On travaille en bande de base

R
ecepteur
On suppose le canal id
eal, invariant et de gain unitaire Hc (f ) = 1 (bande passante du canal
infinie)
y (t) = x(t) =
Ici, on suppose une absence de bruit b(t) = 0
kZ
r (t) = e(t)
Communications num
eriques
2015-2016
55 / 107
ak he (t kT )
Communications num
eriques
2015-2016
56 / 107
Interf
erences entre symboles
Recepteur : filtre de reception
r (t)
D
emodulation
Recepteur : echantillonnage
Filtre de
r
eception
hr (t)
y (t)
Interf
z(t)
r (t)
Echantillonage
D
emodulation
Filtre de
r
eception
hr (t)
y (t)
z(t)
Echantillonage
zk = z(kT )
D
ecodage
dn
ak
zk = z(kT )
D
ecision
D
ecodage
dn
R
ecepteur
Si synchronisation parfaite :
zk = z(kT ) =
kZ
zk = ak h(0) +
ak h(t kT ) avec h = he hr
Communications num
eriques
2015-2016
57 / 107
Interf
Communications num
eriques
58 / 107
Interf
h(kT ) = h(0)(k) et h(0) 6= 0
Problème : pour retrouver ak `

a partir de zk , il y a un terme parasite qui depend des
symboles emis avant et après : interference entre symboles
Si lon veut que ce terme soit nul, il faut que

h(kT ) = 0 pour k 6= 0
Exemples :
Filtres `
a support temporel borne centre et strictement inferieur à 2T
Filtres `
a support temporel non borne mais sannulant à tous les multiples de
T
Exemple important : filtre en cosinus sureleve (0 1)
ce qui secrit aussi
h(t) =
h(kT ) = h(0)(k) : condition de Nyquist
Communications num
eriques
2015-2016
Filtres de Nyquist : filtre de reponse impulsionnelle h(t) telle que
ak h((k k )T )
Filtres de Nyquist
ak h((k k )T )
{z
IES
k 6=k
ak h(kT k T )
k 6=k
Interference entre symboles (IES)
zk = ak h(0) +
k Z
kZ
z(t) =
D
ecision
R
ecepteur
z(t) = (y hr )(t)
z(t) =
ak he (t kT ) hr (t)
X
ak
2015-2016
59 / 107
sin(t/T ) cos(t/T )
t/T 1 (2t/T )2
Communications num
eriques
2015-2016
60 / 107
Interf
Filtre en cosinus sureleve
Interf
Filtre en cosinus surlev : h(t)

1
0.6
Fonction de transfert :
T h

H(f ) = T2 1 + cos t
(|f |
01
=0
=0.25
=0.5
=0.75
=1
0.8
R
eponse impulsionnelle :
0.4
sin(t/T ) cos(t/T )
h(t) =
t/T 1 (2t/T )2
0.2
Support temporel infini

0.2
4T
3T
2T
0
Temps (t)
2T
3T
1
i si |f | < 2T
1
si 1
2T )
2T < |f |
1+
2T
sinon
4T
Communications num
eriques
2015-2016
61 / 107
Interf
Communications num
eriques
2015-2016
62 / 107
R
eception en absence de bruit
Decision en absence de bruit
r (t)
Filtre en cosinus surlev : H(f)
D
emodulation
Filtre de
r
eception
hr (t)
y (t)
z(t)
Echantillonage
zk = z(kT )
Bande passante :
=0
=0.25
=0.5
=0.75
=1
T/2
comprise entre
1
2T
et
1/2T
0
Frquence (f)
1/2T
ak
D
ecision
R
ecepteur
1
T
Si lon suppose que h = he hr est un filtre de Nyquist, alors lIES est nulle et on a donc
0
1/T
D
ecodage
dn
1+
BP =
2T
zk = ak h(0)
1/T
En connaissant h(0) on peut donc estimer a

k =
zk
.
h(0)
La probabilit
e derreur symbole est ici nulle
car a
k = ak
Communications num
eriques
2015-2016
63 / 107
Communications num
eriques
2015-2016
64 / 107
R
eception en absence de bruit
Transmission en pr
esence de bruit blanc additif gaussien
Sommaire
Decodage en absence de bruit
Introduction
r (t)
D
emodulation
Filtre de
r
eception
hr (t)
y (t)
z(t)
Codage en ligne
Echantillonage
zk = z(kT )
D
ecodage
dn
ak

Hypothèses
Recepteur optimal
Reception en presence de bruit
D
ecision
R
ecepteur

En connaissant le dictionnaire utilis

e, on peut retrouver dn `
a partir de
ak = ak de facon parfaite.
n = dn .
La probabilit
e derreur binaire est nulle car d
Communications num
eriques
Transmission en pr
2015-2016
65 / 107
Hypoth`
eses
Filtre de
canal hc (t)
e (t)
Bruit
additif b(t)
Communications num
eriques
Transmission en pr
e(t)
66 / 107
Hypoth`
eses
Bruit blanc gaussien
r (t)
Signal al
eatoire : on ne peut pas savoir
1.5
quelles valeurs le signal va prendre, donc

on utilise des probabilit
es
Caract
erisation par la moyenne (nulle pour
0.5
un bruit blanc) et la variance 2 =
quelle valeur, on sait juste que plus cette

valeur est
eloign
ee de la moyenne, moins
elle est probable
Rappel :
On travaille en bande de base (e(t) = x(t), r (t) = y (t))
On suppose le canal id
eal, invariant et de gain unitaire Hc (f ) = 1 (bande passante du canal
infinie)
1.5
Plus la variance est elev

ee, plus le signal a
0
200
400
600
Temps (t)
Ici 2 = 0.1
Ici, on suppose que b(t) est un bruit blanc gaussien de densit

e spectrale de puissance
N0
2
A priori, le signal peut prendre nimporte
0.5
b (f ) =
2015-2016
800
1000
le droit de prendre des valeurs

eloign
ees
de la moyenne
N0
2
y (t) = x(t) + b(t)
Communications num
eriques
2015-2016
67 / 107
Communications num
eriques
2015-2016
68 / 107
Transmission en pr
Hypoth`
eses
Transmission en pr
Bruit gaussien
Hypoth`
eses
Fonction de Marcum Q(x)
dn
1
Q(x) =
2
z 2
2
Conversion
bits/symboles
Filtre de
mise en
forme he (t)
ak
Communications num
eriques
D
emodulation
e (t)
Bruit
additif b(t)
r (t)
2015-2016
Filtre de
r
eception
hr (t)
y (t)
z(t)
Echantillonage
D
ecodage
D
ecision
ak
R
ecepteur
y (t) = x(t) + b(t) =
kZ
69 / 107
R
ecepteur optimal
Filtre de
r
eception
hr (t)
D
emodulation
dn
ak he (t kT ) + b(t)
Communications num
eriques
Transmission en pr
2015-2016
70 / 107
2015-2016
72 / 107
R
ecepteur optimal
Recepteur : echantillonnage
r (t)
y (t)
Filtre de
canal hc (t)
zk = z(kT )
Recepteur : filtre de reception
r (t)
e(t)
x
r (t)
Transmission en pr
e(t)
Modulation
Emetteur
dz
Si b(t) est un bruit gaussien de moyenne nulle et de variance 2

b1
b1
b0
p(b(t) < b1 ) = Q
=1Q
p(b(t) > b0 ) = Q

b0
b1
p(b0 < b(t) < b1 ) = Q
Q
x(t)
z(t)
y (t)
D
emodulation
Filtre de
r
eception
hr (t)
z(t)
Echantillonage
Echantillonage
zk = z(kT )
zk = z(kT )
dn
dn
D
ecodage
ak
D
ecodage
ak
D
ecision
D
ecision
R
ecepteur
R
ecepteur
Si synchronisation parfaite :
z(t) =
kZ
z(t) = (y hr )(t)
zk = z(kT ) =
ak h(t kT ) + n(t) avec h = he hr et n = b hr
ak h(kT k T ) + n(kT )
ak h((k k )T ) + n(kT )
k Z
zk = ak h(0) +
k 6=k
Communications num
eriques
2015-2016
71 / 107
Communications num
eriques
Transmission en pr
R
ecepteur optimal
Transmission en pr
Recepteur optimal
R
ecepteur optimal
Rappel : filtrage adapte
zk = ak h(0) +
x(t) = ak (t)
ak h((k k )T ) + n(kT )
| {z }
k 6=k
bruit
|
{z
}
IES
he (t)
hr (t)
y (t)
b(t)
Si on veut faire le moins derreur possible, il faut que lIES soit nulle et que linfluence du
bruit soit la plus faible possible.

On a d
ej`
a vu que pour que lIES soit nulle : h = he hr doit
etre un filtre de Nyquist
h(kT ) = (he hr )(kT ) = h(0)(k)
Hr (f ) = He (f ) ce qui implique hr (t) = he (t)
Comment choisir le filtre de r

eception hr (t) pour que linfluence du bruit soit la plus faible
possible ?
cf TD 1 : maximisation du rapport signal sur bruit SNR =

hr doit
etre le filtre adapt
e`
a he
Communications num
eriques
Transmission en pr
Pour maximiser le rapport signal sur bruit en sortie du recepteur il faut
Dans ce cas, le rapport signal sur bruit vaut
h(0)2
Pn
SNR =
2015-2016
73 / 107
R
ecepteur optimal
Communications num
eriques
Transmission en pr
Recepteur optimal : domaine temporel
2Ehe
N0
2015-2016
74 / 107
R
ecepteur optimal
Exemple : filtre NRZ

x(t)
2
Dans le domaine temporel :
1.5
Si le filtre de reception est adapte au filtre demission, on a hr (t) = he (t)

(on suppose ici que les filtres sont reels)
On a donc h(t) = he (t) he (t)

On veut que h soit un filtre de Nyquist
0.5
Cas simple : si he (t) a un support strictement inferieur à T , alors en prenant

hr (t) = he (t), h est un filtre de Nyquist (ex : filtre NRZ, RZ, biphase
Manchester...)
0.5
3
Temps (s)
Message binaire 101011 cod

e avec un dictionnaire binaire unipolaire et mis en forme par un filtre
NRZ avec une p
eriode symbole T =1s
x(t)
Communications num
eriques
2015-2016
75 / 107
Communications num
eriques
2015-2016
76 / 107
Transmission en pr
R
ecepteur optimal
Transmission en pr

z(t)=(y * h )(t) = y(t) * h (t)
y(t) = x(t) + b(t)
1.5
1.5
0.5
0.5
0.5
0.5
R
ecepteur optimal
3
Temps (s)
Lors du passage dans le canal, ce signal a

et
e perturb
e par un bruit additif gaussien b(t) de
variance 2 =0.1
y (t) = x(t) + b(t)
Communications num
eriques
Transmission en pr
2015-2016
3
Temps (s)
Au niveau du r
ecepteur, le signal bruit
e est pass
e dans un filtre de r
eception adapt
e au filtre de
mise en forme :
z(t) = (y hr )(t) = y (t) he (t)
77 / 107
R
ecepteur optimal
Communications num
eriques
Transmission en pr
2015-2016
78 / 107
R
ecepteur optimal
Recepteur optimal : domaine frequentiel

z =z (kT)
k
1.5
Dans le domaine frequentiel :

Si le filtre de r
eception est adapte au filtre demission, on a Hr (f ) = He (f )
0.5
0.5
3
Temps (s)
On a donc H(f ) = He (f )Hr (f ) = |He (f )|2 , qui est reel et positif

Cas simple : partir dun filtre de Nyquist de reponse frequentielle H(f ) reelle
et positive et prendre
p
He (f ) = Hr (f ) = H(f )
Lorsquon
echantillonne ce signal aux multiples de la p
eriode symbole T on retrouve les symboles
envoy
es (mais pas exactement `
a cause du bruit)
Communications num
eriques
2015-2016
79 / 107
Communications num
eriques
2015-2016
80 / 107
Transmission en pr
R
ecepteur optimal
Transmission en pr
Filtre en racine de cosinus sureleve
R
ecepteur optimal
Filtre en racine de cosinus sureleve
Filtre en racine de cosinus surlev : h (t)
Filtre en racine de cosinus surlev : He(f)
1.2
sqrt(T)
=0
=0.25
=0.5
=0.75
=1
Dans le domaine fr
equentiel : racine de la
fonction de transfert dun filtre en cosinus

surelev
e
=0
=0.25
=0.5
=0.75
=1
sqrt(T)/2
Bande passante BP = 1+
2T
0.8
0.6
Dans le domaine temporel : ce nest plus
un filtre de Nyquist (pas dannulation aux

multiples de T )
0.4
En revanche, h(t) = he (t) he (t) est un
filtre de Nyquist
0.2
0
0
1/T
0.2
1/2T
0
Frquence (f)
1/2T
1/T
4T
Communications num
eriques
Transmission en pr
2015-2016
81 / 107
R
ecepteur optimal
3T
2T
0
Temps (t)
2T
3T
4T
Communications num
eriques
Transmission en pr
Exemple : filtre RCS

x(t)
1.5
1.5
0.5
0.5
0.5
0.5
3
Temps (s)
Message binaire 101011 cod

e avec un dictionnaire binaire unipolaire et mis en forme par un filtre
TRC avec une p
eriode symbole T =1s
x(t)
R
ecepteur optimal
y(t) = x(t) + b(t)

2
82 / 107
2015-2016
Communications num
eriques
2015-2016
83 / 107
3
Temps (s)
Lors du passage dans le canal, ce signal a

et
e perturb
e par un bruit additif gaussien b(t) de
variance 2 =0.1
y (t) = x(t) + b(t)
Communications num
eriques
2015-2016
84 / 107
Transmission en pr
R
ecepteur optimal
Transmission en pr

z(t)=(y * h )(t) = y(t) * h (t)
r
z =z (kT)
k
1.5
1.5
0.5
0.5
0.5
0.5
3
Temps (s)
Au niveau du r
ecepteur, le signal bruit
e est pass
e dans un filtre de r
eception adapt
e au filtre de
mise en forme :
z(t) = (y hr )(t) = y (t) he (t)
R
ecepteur optimal
Communications num
eriques
Transmission en pr
2015-2016
85 / 107
3
Temps (s)
envoy
es (mais pas exactement `
a cause du bruit)
R
ecepteur optimal
Communications num
eriques
Transmission en pr
Conditions :
Rappel :
2015-2016
88 / 107
X
l 6=k
h(kT ) = h(0)(k)
Deux cas simples de filtres formant un recepteur optimal

he (t) de support temporel inf
erieur à T , et hr (t) = he (t)
p
OU He (f ) = Hr (f ) =
H(f ) où H(f ) est un filtre de Nyquist
Communications num
eriques
86 / 107
al h((k l)T ) + n(kT )

| {z }
{z
} bruit
|
IES
Si le recepteur est optimal (ce qui sera le cas dans la suite du cours) :
zk = ak h(0) +
h = he hr doit etre un filtre de Nyquist
2015-2016
R
eception en pr
esence de bruit
Recepteur optimal : consequences
hr (t) doit etre le filtre adapte he (t) pour maximiser le SNR en sortie du
recepteur
hr (t) = he (t)
Hr (f ) = He (f )
Lorsquon
echantillonne ce signal aux multiples de la p
eriode symbole T on retrouve les symboles
Recepteur optimal : bilan
IES = 0
R +
h(0) = He (f )He (f )df = Ehe
Donc :
zk = Ehe ak + n(kT )
Il va falloir estimer ak `
a partir de zk , malgre le bruit
2015-2016
87 / 107
Communications num
eriques
Transmission en pr
R
eception en pr
esence de bruit
Transmission en pr
Decision
R
eception en pr
esence de bruit
Decision par seuil : cas binaire
r (t)
D
emodulation
Filtre de
r
eception
hr (t)
y (t)
z(t)
Echantillonage
zk = z(kT )
D
ecodage
dn
ak
D
ecision
Idee : utiliser un seuillage pour decider de la valeur de chaque symbole

Exemple : codage binaire antipolaire ak = 1 ou ak = 1 (quon suppose
equiprobable)
R
ecepteur
Etape suppl
ementaire `
a cause de la pr
esence de bruit : il faut affecter une valeur de symbole `
a
chaque zk
On a donc zk = Ehe + n(kT ) ou zk = Ehe + n(kT )

n(kT ) est aleatoire et gaussien, de moyenne nulle
Une idee intuitive est de seuiller :
si zk > 0 alors ak = 1
sinon ak = 1
Exemple : zk = 1.26Ehe ak = 1, zk = 0.34Ehe ak = 0, etc...
Communications num
eriques
Transmission en pr
2015-2016
89 / 107
R
eception en pr
esence de bruit
Communications num
eriques
Transmission en pr
Decision par seuil : cas M-aire
2015-2016
90 / 107
R
eception en pr
esence de bruit
Probabilite derreur
Si le bruit est trop important, on risque de faire des erreurs

Dans le cas de M symboles, on utilise le meme principe
On calcule zk et on regarde quel symbole du dictionnaire est le plus proche
Ehe
(au sens de la distance euclidienne)
On d
ecide ensuite que ak est ce symbole
Exemple : M = 4 et
zk
Ehe
= 1.56 3.82 2.10
Probabilite derreur par symbole

err
Psym
= p(ak 6= ak )
Cette erreur sur les symboles se repercute ensuite sur les bits après decodage.
2.10
Probabilite derreur par bit

1 3
3
err
Pbit
= p(dn 6= dn )
Communications num
eriques
2015-2016
91 / 107
Communications num
eriques
2015-2016
92 / 107
Transmission en pr
R
eception en pr
esence de bruit
Transmission en pr
Calcul de la probabilite derreur (cas binaire)
R
eception en pr
esence de bruit
Supposons que lon utilise un dictionnaire binaire antipolaire (ak = 1 ou ak = 1).

Quelle est la probabilite de faire une erreur sur le symbole ?
On a soit zk = Ehe + n(kT ), soit zk = Ehe + n(kT )

R +
N E
On a dej`
a vu que Pn = N20 |Hr (f )|2 df = 02 he (car le recepteur est suppose
optimal)
n2
n(t) est un bruit gaussien de moyenne nulle et de variance
Intuitivement on va dire que si zk > 0, alors ak = 1, et sinon ak = 1
Quand ak = 1 et que zk > 0

Quand ak = 1 et que zk < 0
= Pn
Communications num
eriques
Transmission en pr
Quand va-t-on faire une erreur ? 2 cas :
2015-2016
93 / 107
R
eception en pr
esence de bruit
Communications num
eriques
Transmission en pr
2015-2016
94 / 107
R
eception en pr
esence de bruit
Probabilite derreur M-aire (antipolaire)
Si ak = 1 alors zk = Eh + n(kT ). Si on a zk > 0, cest donc que n(kT ) > Eh . Or n(t)

e
e
est gaussien de moyenne nulle et de variance Pn donc

p(n(kT ) > Ehe ) = Q
Eh
e
Pn
=Q
2Ehe
N0
Si ak = 1 alors zk = Eh + n(kT ). Si on a zk < 0, cest donc que n(kT ) < Eh . Or n(t)

e
e
est gaussien de moyenne nulle et de variance Pn donc

p(n(kT ) < Ehe ) = 1 Q
Finalement comme les ak sont

equiprobables,
s
!
2Ehe
1
1
err
Psym = Q
+ Q
2
N0
2
=Q
2Ehe
N0
Ehe
Pn
Communications num
eriques
Eh
e
Pn
=Q
=Q
2Ehe
N0
2Ehe
N0
2015-2016
Generalisation (admise) : on peut montrer quavec un dictionnaire antipolaire à M

elements, on a
!
r
2Ehe
M 1
err
Psym = 2
Q
M
N0
95 / 107
Remarque : on retrouve bien notre expression quand M = 2 !

La probabilite derreur depend du nombre de symboles du dictionnaire M, de
la variance du bruit blanc additif gaussien 2 = N20 , et de lenergie du filtre de
mise en forme/filtre de reception Ehe .
Communications num
eriques
2015-2016
96 / 107
Transmission en pr
R
eception en pr
esence de bruit
Transmission en pr
R
eception en pr
esence de bruit
Rappel : Dans le cas dun dictionnaire antipolaire à M symboles, on peut montrer

que
M2 1
Ebit =
Eh
3 log2 M e
Avec cette definition, on peut reecrire pour un dictionnaire M-aire antipolaire

!
r
M 1
2Ebit 3 log2 M
err
Psym = 2
Q
M
N0 M 2 1
où Ebit est lenergie moyenne par bit emis. On a aussi Ebit = Pe Db où Pe est la
puissance emise moyenne et Db le debit binaire.
err
Pour minimiser Psym
, il faut augmenter Ebit donc soit augmenter la puissance
emise moyenne Pe , soit diminuer le debit binare Db
A ENbit0 fixe, plus on augmente M, plus la probabilite derreur augmente

Remarque : si on utilise un codage de Grey on a
err
Pbit
Communications num
eriques
Transmission en pr
2015-2016
97 / 107
R
eception en pr
esence de bruit
Communications num
eriques
Transmission en pr
err
Psym
log2 M
2015-2016
98 / 107
R
eception en pr
esence de bruit
Decodage
Probabilit derreur symbole pour un dictionnaire Maire antipolaire
10
r (t)
10
D
emodulation
y (t)
Filtre de
r
eception
hr (t)
z(t)
zk = z(kT )
err
Psym
10
10
dn
M=2
M=4
M=8
M = 16
M = 32
10
10
10
D
ecodage
ak
D
ecision
R
ecepteur
En connaissant le dictionnaire utilis

e, on peut retrouver dn `
a partir de
ak = ak . La probabilit
e
derreur binaire d
epend de la probabilit
e derreur par symbole et du dictionnaire utilis
e.
12
10
Echantillonage
10
15
Ebit/N0 (en dB)
Communications num
eriques
20
25
30
2015-2016
99 / 107
Communications num
eriques
2015-2016
100 / 107

a bande passante limit
ee

ee
Sommaire
Largeur du bande du signal
Introduction
Codage en ligne
Nous avons vu en TP que les signaux en bande de base ont une largeur de
bande que lon peut ecrire [B , +B]

Communications num
eriques
2015-2016
101 / 107
filtre
filtre
filtre
filtre
NRZ : B T1
RZ : B T2
biphase Manchester : B T2
en racine de cosinus sureleve : B =
B depend du type de filtre de mise en forme he (t), du debit binaire Db , et de

la taille M de lalphabet utilise

ee
1+
2T
Communications num
eriques
2015-2016
102 / 107

ee
Bande passante du canal
Transmission en bande de base
Afin de transmettre le plus dinformation possible on fait en sorte dutiliser

toutes les capacites du canal, mais sans les depasser !
Si lon connait la bande passante du canal (ce qui est en pratique toujours le
cas), on va faire en sorte que la largeur du bande du signal en bande de base
soit du meme ordre
B BP
Pour le moment, on a considere que le canal etait ideal et avait une bande
passante infinie (Hc (f ) = 1)
En realite, la bande passante du canal BP est limitee et le canal est plutot de

la forme
(
1 si BP < f < BP
Hc (f ) =
0 sinon
Ceci est du
En effet, si B > BP de linformation sera perdue lors de la transmission, et si

B < BP alors on a tendance à etre plus sensible au bruit
Connaissant la bande passante du canal de transmission, la largeur de bande

va donc etre fixee. Ceci va contraintre les choix de dictionnaire, filtres de
mise en forme, etc...
soit `
a la nature physique du canal (ex : type de c
able, attenuation du signal
sur de grandes distances, etc...)
soit `
a des reglementations (ex : bande de frequence achetee par un operateur
telephonique, etc...)
Communications num
eriques
2015-2016
103 / 107
Communications num
eriques
2015-2016
104 / 107

ee

ee
Paramètres dune chane de transmission
Evaluation dune chane de transmission
Efficacite spectrale
Db : debit binaire (en bits/seconde)

B : largeur de bande occupee (en Hz) (egale à la bande passante BP du
canal).
Px = Ebit Db : puissance emise moyenne (en W)
log2 M
Db
=
B
T B
le plus grand possible : Db maximal et B minimal
=
err
Pbit
: probabilite derreur par bit
Taux derreur binaire
err
On veut Db le plus grand possible, Px et Pbit
les plus petits possibles, et B = BP
est souvent fixe.
Communications num
eriques
2015-2016
105 / 107

ee
Dimensionnement dune chane de transmission
err
Principe : on a des contraintes sur Db , B (=BP), Px et/ou Pbit
Selon lapplication et le type de transmission, on va realiser des compromis

entre ces paramètres
On va choisir en fonction de ces contraintes le dictionnaire (valence + type

de dictionnaire) et les filtres demission/reception
Communications num
eriques
2015-2016
107 / 107
nombre de bits mal detectes

nombre total de bits emis
est le TEB quand le nombre total de bits est infini
TEB =
err
NB : Pbit
Communications num
eriques
2015-2016
106 / 107

ComNum3 Hand PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ComNum3 Hand PDF

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Sommaire

Transmission en absence de bruit

Transmission en presence de bruit blanc additif gaussien

Laurent Oudre laurent.oudre@univ-paris13.fr

Laurent Oudre laurent.oudre@univ-paris13.fr

Chane de transmission ideale : rappel

Transmission en absence de bruit

Laurent Oudre laurent.oudre@univ-paris13.fr

Laurent Oudre laurent.oudre@univ-paris13.fr

Chane de transmission ideale : emetteur

Emetteur : differentes etapes

Emetteur : transformer le signal numerique dn en un signal physique e(t) (onde

Sadapter au canal de transmission utilise

Laurent Oudre laurent.oudre@univ-paris13.fr

Transformation du signal numerique en un signal physique

Laurent Oudre laurent.oudre@univ-paris13.fr

Emetteur : differentes etapes

Modification de la taille de lalphabet

Emetteur : differentes etapes

Conversion bits/symboles (transcodage) :

Laurent Oudre laurent.oudre@univ-paris13.fr

Adaptation au canal de transmission (bande passante)

Laurent Oudre laurent.oudre@univ-paris13.fr

Chane de transmission ideale : canal

Canal : differentes etapes

Canal de transmission : cables coaxiaux, paires torsadees, reseau hertzien,

Eventuellement source derreurs (bruit, perte de donnees, etc...)

Laurent Oudre laurent.oudre@univ-paris13.fr

Chane de transmission ideale : recepteur

Souvent suppose bruit blanc additif gaussien independant du signal

Recepteur : transformer le signal physique recu r (t) pour retrouver le signal

Bruit additif b(t)

Laurent Oudre laurent.oudre@univ-paris13.fr

Depend `a priori de la frequence : notion de bande passante du canal

Canal : differentes etapes

Filtre de canal ayant pour fonction de transfert Hc (f )

Proprietes physiques differentes selon le canal utilise : bande passante, debit

Laurent Oudre laurent.oudre@univ-paris13.fr

Echantillonnage, detection, elimination du bruit

Laurent Oudre laurent.oudre@univ-paris13.fr

Recepteur : differentes etapes

Recepteur : differentes etapes

Demodulation : inverse de letape de modulation

Laurent Oudre laurent.oudre@univ-paris13.fr

Laurent Oudre laurent.oudre@univ-paris13.fr

Recepteur : differentes etapes

Adapte au filtre de mise en forme utilise lors de lemission

Recepteur : differentes etapes

Transformation du signal physique en signal discret

Laurent Oudre laurent.oudre@univ-paris13.fr

A partir des valeurs echantillonnees, on retrouve les symboles emis

Laurent Oudre laurent.oudre@univ-paris13.fr

Recepteur : differentes etapes

Transmission des signaux tels

quels, dans la bande de fr

On supposera aussi que le canal utilis

Decodage : on transforme les symboles detectes en bits dinformation

Laurent Oudre laurent.oudre@univ-paris13.fr

Laurent Oudre laurent.oudre@univ-paris13.fr

Transmission en absence de bruit

Transmission sur un canal `

Laurent Oudre laurent.oudre@univ-paris13.fr