TP Traitement d’Antenne

On se place dans le cadre du traitement d’antenne en radiocommunications. L’antenne est constituée

de N capteurs (typiquement : 2 ≤ N ≤ 10 ) disposés dans le plan horizontal (antenne linéaire,
circulaire, …). Les sources reçues par l’antenne dans la bande d’intérêt sont en nombre M limité
( M ≤ N ). Les sources sont à bande étroite : ce sont des signaux basse fréquence (bande B )
transportés par une fréquence porteuse f 0 ( B << f 0 ).

capteurs source

r
φ
θ

Point de référence

Exercice 1 - Vecteurs directionnels

Ce premier exercice est destiné à établir la table des vecteurs directionnels. Elle nous servira plus tard
à générer les signaux capteurs puis à établir les réponses des filtres spatiaux.

Les vecteurs directionnels sont les vecteurs des N gains complexes relatifs aux déphasages que
subirait un signal source provenant d’une direction θ pour parvenir à chacun des capteurs
(déphasages par rapport à un point de référence arbitraire). La table des vecteurs directionnels est
une matrice dont les colonnes sont les vecteurs directionnels associés aux différentes directions
d’arrivée possibles.

1) Etablir l’expression de la différence de marche subie par un front d’onde provenant d’une direction
θ pour parvenir à un capteur de coordonnées ( r ,φ ) (par rapport au point et à l’axe de référence).

2) En déduire l’expression du retard différentiel et du déphasage induit sur la porteuse.

3) Programmer sous Matlab le calcul d’un vecteur directionnel pour une direction θ quelconque
( 30° par exemple). On partira du code suivant :

f0=1e+9; % Fréquence porteuse

vp=3e+8; % Vitesse de propagation
lambda=vp/f0; % Longueur d'onde

N=5; % Nombre de capteurs

% Coordonnées des capteurs. Cas d’une antenne linéaire

r=(0:N-1)*lambda/2; % Distance au point de réf. (capteur 1)
phi=ones(1,N)*pi/2; % Angle 90° (orientation verticale)

4) Etablir la table des vecteurs directionnels en adoptant un échantillonnage spatial avec un pas dθ
( 1° par exemple).
5) Calculer la réponse d’un filtre spatial w quelconque (pondérations toutes égales à 1 N par
exemple). Tracer le module de cette réponse en linéaire et en dB.
Exercice 2 – Signaux capteurs

Dans cet exercice, nous allons simuler la réception bruitée de M signaux sources par les capteurs de
l’antenne. Nous obtiendrons ainsi N signaux capteurs que nous chercherons ensuite à combiner pour
retrouver les signaux sources.

1) Générer sous Matlab des signaux sources en bande de base. Typiquement, il pourrait s’agir de
signaux constitués de symboles aléatoires ( Ts = 8Te par exemple). Mais par soucis de facilité, nous
pouvons commencer par générer des signaux sources sinusoïdaux :

M=N; % Nombre de sources

T=100; % Nombre d'échantillons
fe=1; % Fréquence d'échantillonnage (fréq. réduite)
f=(1:M)'/M*0.1*fe; % Fréquences des sources 0<f<0.1fe
S=exp(j*2*pi*f*(0:T-1)); % Sources sinusoïdales complexes
figure; plot(real(S')); grid; % Tracé des signaux sources

2) Constituer la matrice de mélange dont les colonnes sont les vecteurs directionnels des sources :
theta=(0:M-1)/(M-1)*pi/2; % Angles d'arrivée des sources
theta=round(theta/dtheta)*dtheta; % Arrondi
Z=D(:,round(1+theta/dtheta)); % Matrice des vect. direct. des sources

3) Générer les signaux capteurs en réglant τ (sigma), la valeur efficace du bruit pour que le rapport
signal à bruit soit de 40 dB :
X=Z*S;
sigma=...; % 40 dB
X=X+sigma*(1/sqrt(2))*(randn(size(X))+j*randn(size(X)));
figure; plot(real(X')); grid;

4) Appliquer un premier filtre spatial constitué du vecteur directionnel de la source désirée (formation
de voie) :
desire=1; % Numéro de la source désirée
w=Z(:,desire)/N; % Filtre spatial tel que w'*Z(:,desire)=1;
y=w'*X; % Filtrage
figure; hold on; plot(real(y)); plot(real(S(desire,:)),'r'); grid;

4) Mesurer le rapport signal à bruit plus interférence (SNIR) en cherchant à prédire le signal source
estimé à partir du signal source original :

y( n ) b( n ) [
E su ( n )
2
]
+
-
+ SNIR = S =
B [
E b( n )
2
]
sd ( n ) su ( n )

:
a=(S(desire,:)*y')/(S(desire,:)*S(desire,:)');
su=a'*S(desire,:);
b=y-su;
SNIR=mean(abs(su).^2)/mean(abs(b).^2);
Exercice 3 – Filtre MMSE (Minimum Mean Square Error)

Dans cet exercice nous allons chercher à traiter les signaux capteurs pour estimer les signaux sources
au sens du minimum de l’erreur quadratique moyenne :

x1 ( n )

x2 ( n )
w1* E e( n )[ 2
] = min ⇒ w = R xx
−1
rxd

w*2
y( n ) + - d( n )
+ +

e( n )

xN ( n )

w*N

1) Définir le signal désiré d ( n ) comme le signal de la source N° 1. Estimer avec Matlab la matrice
d’autocorrélation R xx du vecteur signal X ( n ) (vecteur des signaux capteurs) ainsi que le vecteur
d’intercorrélation rxd entre le vecteur signal X ( n ) et le signal désiré d ( n ) :

[
R xx = E X ( n ) X ( n )T ]
[
rxd = E X ( n )d ( n )* ]
2) Calculer le filtre spatial minimisant l’erreur quadratique moyenne w = R xx −1 rxd et l’appliquer au
signaux capteurs pour obtenir l’estimation du signal source recherché. Représenter cette estimation
ainsi que le signal source recherché.

3) Mesurer le rapport signal à bruit plus interférence en appliquant la méthode utilisée lors de
l’exercice 2.

4) Tracer la réponse spatiale du filtre (diagramme de rayonnement de l’antenne multicapteurs) en

linéaire puis en dB pour apprécier les zones d’affaiblissement.

5) Programmer l’algorithme LMS (gradient stochastique) de manière à déterminer progressivement

au cours du temps le vecteur filtre w . Calculer à chaque instant l’erreur quadratique moyenne :
[
EQM ( w ) = E e w ( n )
2
]= w R
T
xx w − 2 Re( w
T
rxd ) + r0 avec r0 = E d ( n )[ 2
]
Puis représenter cette grandeur pour apprécier la convergence de l’algorithme. On pourra aussi
représenter l’erreur instantanée.

6) Séparation de sources : Estimer un signal source en mettant à profit son module constant.
Exercice 4 – Goniométrie

Dans cet exercice nous allons tester différentes méthodes permettant de localiser les différentes
sources présentes dans l’environnement. Pour que ces méthodes fonctionnent il faut que le nombre
de sources soit strictement inférieur au nombre de capteurs. Nous nous placerons donc dans le cas :

M=N-1; % Nombre de sources

1) Formation de voie : P fv ( θ ) = d ( θ )T R xx d ( θ ) où d ( θ ) est le vecteur directionnel associé à la

direction θ . Calculer avec Matlab P fv ( θ ) puis représenter cette grandeur (linéaire et dB).

2) Méthode de Capon : Pcap ( θ ) = 1 . Calculer avec Matlab Pcap ( θ ) puis représenter

d ( θ )T R xx −1 d ( θ )
cette grandeur (linéaire et dB).

3) Méthode à haute résolution : w tel que R xx w = λ min w ( w : vecteur propre min de R xx ) :

[V,L]=eig(Rxx); [lmin, index]=min(diag(L)); w=V(:,index);

λ min
Et Phr ( θ ) = 2
. Calculer avec Matlab Pcap ( θ ) puis représenter cette grandeur (linéaire et dB).
wT d ( θ )

4) Comparer les résultats obtenus avec la méthode de Capon à ceux obtenus avec la méthode à haute
résolution lorsque le rapport signal à bruit est plus faible (20 dB par exemple).