Académique Documents
Professionnel Documents
Culture Documents
TP TD TraitementAntenne PDF
TP TD TraitementAntenne PDF
capteurs source
r
φ
θ
Point de référence
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).
3) Programmer sous Matlab le calcul d’un vecteur directionnel pour une direction θ quelconque
( 30° par exemple). On partira du code suivant :
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 :
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.
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 :
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).