Etude D'Un Systeme de Transmission Sur Fibre Optique Plastique À Saut D'Indice

TOGNICLO CAROLLE THON-ADJALIN
ETUDE D'UN SYSTEME DE TRANSMISSION SUR

FIBRE OPTIQUE PLASTIQUE À SAUT D'INDICE
Mémoire présenté
à la Faculté des études supérieures de l'Université Laval
dans le cadre du programme de maîtrise en génie électrique
pour l'obtention du grade de Maître es sciences (M.Sc.)
DEPARTEMENT DE GENIE ELECTRIQUE ET DE GENIE INFORMATIQUE

FACULTÉ DES SCIENCES ET DE GÉNIE
UNIVERSITÉ LAVAL
QUÉBEC
2011
Togniclo Carolle Thon-Adjalin, 2011

Résumé court
La demande croissante pour des débits plus élevés a atteint la limite des solutions
câblées actuelles. Dans ce contexte, la fibre optique plastique à saut d'indice (SI-FOP),
avec son gros diamètre de câble (3 à 4 mm) et sa grande ouverture numérique semble être
un candidat idéal pour la transmission du gigabit Ethernet à faible coût. Les avantages de la
SI-FOP sont sa simplicité d'utilisation, sa connexion facile, l'installation à la portée de tous
et sa longueur d'onde d'utilisation. Dans ce mémoire, nous déterminons un modèle
mathématique réaliste de la SI-FOP dans un système à modulation d'intensité et détection
directe (IM/DD) utilisant la modulation Discrete Multi Tone (DMT). Les caractéristiques
du canal sont évaluées en déterminant la capacité théorique au sens de Shannon et la
capacité pratique DMT avec les algorithmes d'allocation de bits (« rate adaptive bit
loading ») comme le water-filling, les algorithmes de Chow et de Levin-Campello.
Mots clés : fibre optique plastique, saut d'indice, modulation d'intensité, détection directe,
modulation DMT, couplage de modes, « power flow equation », problèmes d'optimisation
sous-contraintes, « rate adaptive water-filling », algorithme de Chow, algorithme de Levin-
Campello, capacité théorique au sens de Shannon, capacité pratique DMT.
Résumé long
Aujourd'hui, avec le développement croissant de nouvelles applications et

technologies, l'apparition de nouveaux services liés au développement du multimédia et à
l'essor de l'Internet, l'évolution des systèmes de télécommunications tend toujours vers une
augmentation des capacités de transmission. Le besoin d'un débit de transmission
d'informations encore plus élevé est apparu. Cet appétit continuera à croître avec
l'émergence sur le marché des technologies comme la télévision haute définition {High
Definition Television, HDTV), l'émergence d'applications et de services internet de plus en
plus gourmands comme Facebook, YouTube, les jeux en ligne, la téléphonie IP (Voice over
IP, VoIP) etc. Le terme FTTx réfère à l'ensemble des technologies qui ramènent la fibre le
plus près de l'abonné. Le but ultime du réseau local optique d'accès au réseau large bande
est de s'orienter vers la fibre à domicile (Fiber To The Home, FTTH) où tous les utilisateurs
finaux ont une connexion haute vitesse sur fibre physique. Cependant, l'installation d'un tel
réseau d'accès sur fibre est très coûteuse. Afin de continuer à augmenter la capacité du
système, l'approche actuelle est d'étendre progressivement les réseaux de fibres optiques
existants vers les utilisateurs finaux, puis de couvrir le dernier mille ou kilomètre avec
d'autres technologies d'accès haut débit comme l'ADSL {Asymmetric Digital Subscriber
Line) ou plus généralement xDSL, les PLC (Power Line Communication) ou transmission
sur lignes d'énergie, etc. À ce jour, le fil de cuivre est essentiellement utilisé pour la
composante périphérique. La fibre optique semble néanmoins être le seul média capable à
long terme de répondre aux besoins futurs en termes de capacité même si aujourd'hui les
technologies xDSL et sans fils permettent d'offrir un accès haute vitesse à l'abonné.
La fibre optique a révolutionné le monde des télécommunications. En théorie, les
réseaux à fibres optiques permettent d'atteindre un débit de plusieurs Gbit/s avec des pertes
minimes. Mais en pratique, on se heurte à divers problèmes tels que le traitement
électronique avant modulation et après détection. Pour surmonter ces limitations et
optimiser la fiabilité de la transmission, on imagine différentes techniques de multiplexage
et de codage. L'objectif est de combiner les atouts de la fibre optique qui sont entre autres
le haut débit et la faible atténuation aux techniques telles que les modulations multi-
porteuses comme l'OFDM {Orthogonal Frequency Division Multiplexing). Plus connu sous
le nom de sa variante, la DMT {Discrete Multi Tone) dans les réseaux filaires, l'OFDM qui
a fait ses preuves dans les réseaux filaires et sans fils, apparaît comme une solution
prometteuse. Un réseau tout optique permettrait donc d'augmenter le débit disponible chez
l'abonné. Néanmoins, le remplacement des fils de cuivre par de la fibre optique serait une
entreprise très onéreuse en raison du coût d'installation et d'entretien très élevé de la fibre
optique [1]. En général, la dernière centaine de mètres représente 30% des coûts de
remplacement par la fibre optique du commutateur téléphonique au particulier. L'objectif
de la recherche aujourd'hui est de trouver une solution technique aux coûts élevés
qu'engendrerait cette mission. Le défi est donc d'implémenter un système économique
utilisant une technologie simple qui réutilise ce qui existe déjà comme infrastructure et dont
le coût d'installation d'extrémité est modique.
Généralement, lorsque l'on entend parler de fibres optiques, on pense

immédiatement aux fibres de verre. Peu de personnes ont une connaissance de la fibre
optique plastique (FOP) pour la transmission des données [2]. Bien qu'antérieure aux fibres
de verre traditionnelles, la FOP est généralement utilisée dans les domaines de
l'automatisation industrielle, l'automobile et l'éclairage. Néanmoins, ces dernières années,
l'intérêt que suscite la FOP est croissant pour les applications courtes distances en
télécommunications. La FOP constitue pour plusieurs raisons, telles que la longueur d'onde
de fonctionnement (longueur d'onde de la lumière visible), la flexibilité, la résistance aux
stress mécaniques, l'immunité aux interférences électromagnétiques, le faible coût par
rapport à la fibre de verre, le gros diamètre du cœur qui simplifie l'utilisation, la
VI
manipulation et l'installation, la solution à un réseau d'extrémité simple et moins coûteux

où les distances à couvrir sont inférieures à un kilomètre. La FOP pourrait donc être une
alternative idéale aux solutions standards qui sont la transmission radio, sur câble de cuivre
et fibre de verre. L'utilisation de la FOP requiert des transmetteurs, récepteurs et
connecteurs semblables à ceux utilisés pour la fibre de verre [118], [119]. Il existe plusieurs
types de FOP mais la plus répandue et la moins coûteuse est celle à saut d'indice (Step
Index, SI). Le polyméthacrylate de méthylé (Poly Methyl Metha Acrylate, PMMA) est le
matériau le plus souvent utilisé; il est léger, souple et flexible.
La volonté d'augmenter la capacité et de réduire les coûts de l'installation

d'extrémité conduit à explorer les potentialités de cette technologie simple d'utilisation
permettant à quiconque de l'installer soi-même qu'est la FOP. Les projets Européen « POF-
ALL » et « POF-PLUS » sur ce sujet ont déjà permis d'établir des résultats intéressants et
prometteurs [3], [4], [5], [6], [93]. Dans ce mémoire, nous menons une étude de la FOP
avec des vues d'applications aux communications optiques sur de courtes distances. Nous
analysons différents paramètres de la FOP tels que l'atténuation, la bande passante et la
capacité. L'objectif du mémoire est la description d'un modèle mathématique réaliste de la
SI-FOP. Nous comparons deux modèles de la SI-FOP qui sont le modèle gaussien, très
répandu dans la littérature et le modèle « power flow equation ». La DMT est utilisée pour
combattre la dispersion dans la fibre et ajuster la modulation selon les caractéristiques du
canal en utilisant des techniques d'allocation de puissance et de bits connus sous le nom de
« loading algorithms » afin d'améliorer la capacité d'un tel système. Nous définissons les
réponses en fréquences du canal obtenues à partir des deux modèles de la SI-FOP et
calculons la capacité théorique au sens de Shannon et la capacité pratique DMT en utilisant
un algorithme à granularité infinie, le « rate adaptive water-filling » et deux algorithmes à
granularité finie qui sont l'algorithme de Chow et l'algorithme de Levin-Campello.
Abstract
Due to constantly increasing demand for high data rates, current wired solutions are
reaching their limit. In this context, the step index plastic optical fiber (SI-POF), with its
large cable diameter (3-4 mm) and high numerical aperture appears to be an ideal candidate
for the transmission of Gigabit Ethernet at low cost. SI-POF presents interesting advantages
such as ease of handling and connecting, "do-it-yourself" installation by the final users and
ability to operate with visible light. In this thesis, we focus on the description of a realistic
mathematical model for SI-POF in a system which uses Discrete Multi Tone (DMT)
applied to intensity modulation and direct detection (IM/DD). We evaluate and then
compare the characteristics of the channel by identifying several capacities such as the
theoretical Shannon capacity and the achievable DMT capacity using loading algorithms
found in the literature such as "rate adaptive water-filling", Chow's algorithm and Levin-
Campello algorithm.
Keywords : plastic optical fiber, step-index, intensity modulation, direct detection, DMT,
mode coupling, power flow equation, optimization problem under constraints, rate adaptive
water-filling, Chow's algorithm, Levin-Campello algorithm, theoretical Shannon capacity,
DMT capacity.
Avant-Propos
Je n'aurai pas pu accomplir ce travail seule. Ce sont les compétences, la
disponibilité et les encouragements de toutes les personnes qui m'entourent qui m'ont
permis de poursuivre et d'achever cette maîtrise. Je tiens donc à remercier chaleureusement
toutes les personnes qui ont contribué de près comme de loin et de quelque façon que ce
soit à la réalisation de ce travail.
Tout d'abord, je tiens à remercier chaleureusement mon professeur et directeur de

recherche, le Dr Paul Fortier pour m'avoir accueillie et guidée au sein du Laboratoire de
Radiocommunications et de Traitement du Signal (LRTS). Merci de m'avoir fait l'honneur
d'accepter de diriger mes travaux et permis de découvrir le « monde de la recherche ». Je
témoigne ma profonde gratitude à Olivier Sentieys et à Pascal Scalart de l'ENSSAT
Lannion (École Nationale Supérieure des Sciences Appliquées et de Technologie,
Université de Rennes 1) pour la confiance qu'ils m'ont accordée et sans qui ce travail
n'aurait jamais vu le jour. Je voudrais également exprimer toute ma reconnaissance aux
membres du jury à savoir le Dr Leslie Rusch et le Dr Jean-Yves Chouinard qui ont accepté
d'évaluer ce travail.
Merci infiniment à mes parents, ma sœur Corinne, Aymeric, Fabrice, toute ma

famille au sens large et mes amis qui m'ont apporté un soutien sans limites et supportée
tout au long de mes études et de ma maîtrise. Merci à Eliram pour ses beaux dessins qui ont
su me redonner le sourire quand j'avais le moral bas sans oublier Caria, Isaac et Sanjay
pour leurs bêtises qui m'ont fait rire. Un merci spécial à Michel et à sa famille. Vous
m'avez tous permis d'arriver jusqu'ici par vos encouragements et vos prières.
Je dédie ce mémoire à ma maman Florentine et à mon papa Nicolas pour leur

amour, leur patience, leur générosité, leur encouragements, leur appui moral et financier.
À mes parents et à toutes les personnes qui ont cru en moi.

De la peur,
Notre peur la plus profonde n 'est pas que nous ne soyons pas à la hauteur.
Notre peur la plus profonde est que nous sommes puissants au-delà de toute limite.
C'est notre propre lumière, et non pas notre obscurité qui nous effraie le plus.
Nous nous posons la question " qui suis-je, moi, pour être brillant, radieux, talentueux,
merveilleux ? "
En fait, qui êtes-vous pour ne pas l'être ?
Vous êtes un enfant de Dieu. Vous restreindre, vivre petit, ne rend pas service au monde.
L'illumination n 'est pas de vous rétrécir pour éviter d'insécuriser les autres.
A mesure que nous laissons briller notre propre lumière, nous donnons inconsciemment
aux autres la permission défaire de même.
En nous libérant de notre propre peur, notre présence libère automatiquement les autres.
Extrait du discours prononcé par

Nelson Mandela lors de son
investiture à la présidence de la
République d'Afrique du Sud en 1994.
Table des matières
Résumé court iii
Résumé long iv
Abstract vii
Avant-Propos viii
Table des matières x
Liste des tableaux xv
Liste des figures xvii
CHAPITRE 1 Introduction 1
1.1 Contexte général 1
1.2 Motivation 6
1.3 Contributions 7
1.4 Objectif et plan du mémoire 8
CHAPITRE 2 Fibre optique et fibre optique plastique 10
2.1 Bref historique des télécommunications optiques 10
2.2 Généralités sur la fibre optique 12

XI
2.2.1 Spectre électromagnétique 12
2.2.2 Propriétés des fibres 13
2.2.3 Transmission dans les fibres optiques 18
2.3 Atténuation, dispersion et bande passante 26
2.3.1 Atténuation 26
2.3.2 Dispersion dans les fibres optiques multimodes 27
2.3.3 Bande passante des fibres multimodes 32
2.4 La fibre optique plastique 34
2.5 Paramètres de base pour la fibre ESKA PREMIER GH4001 37
2.6 Conclusion 40
CHAPITRE 3 Approches de modélisation de la FOP 41
3.1 Introduction au problème de modélisation de la FOP 41
3.2 Survol de quelques méthodes de modélisation de la FOP 43
3.2.1 La méthode du tracé de rayons ou « ray tracing » 43
3.2.2 La méthode WKB 44
3.2.3 L'approche « mode solving » 45
3.3 Présentation des deux modèles de la SI-FOP simulés 46
3.3.1 Le modèle gaussien 46
3.3.2 Pourquoi est-il difficile de trouver un modèle réaliste de la SI-FOP? 48
3.3.3 Modélisation de la fibre à partir de l'équation de Gloge 50
3.4 Conclusion 64
CHAPITRE 4 Généralités sur les communications optiques et la DMT 65
4.1 Introduction aux communications optiques 65

Xll
4.1.1 L'émission : la source optique; rappel de quelques définitions 66
4.1.2 La modulation de données 71
4.1.3 La réception 72
4.2 Principes généraux de la DMT : cas d'un canal idéal 75
4.2.1 Introduction à la DMT 75
4.2.2 Transmetteur DMT 77
4.2.3 Récepteur DMT 86
4.3 La DMT dans un canal IM/DD et le bit loading 90
4.3.1 Caractéristiques de la DMT dans un canal IM/DD 90
4.3.2 Le PAPR et le facteur de crête 92
4.3.3 Techniques d'allocation de bits ou bit loading 94
4.4 Conclusion 103
CHAPITRE 5 Analyse de la capacité d'un canal SI-FOP IM/DD 104
5.1 Modèle analytique de la DMT sur un canal SI-FOP IM/DD 105
5.2 Capacité théorique du canal SI-FOP 109
5.2.1 Cas général d'un canal optique IM/DD 109
5.2.2 Capacité théorique et modèle gaussien 115
5.2.3 Capacité théorique et modèle « power flow equation » 118
5.3 Capacité pratique DMT du canal SI-FOP IM/DD 121
5.4 Capacité du canal SI-FOP et algorithme de Chow 122
5.4.1 Pourquoi rechercher d'autres algorithmes de bit loading? 122
5.4.2 L'algorithme de Chow 123
5.5 Capacité du canal SI-FOP et algorithme Levin-Campello 128
5.5.1 Algorithme d'allocation efficace de bits Levin-Campello 128

Xlll
5.5.2 Allocation optimale de bits et de puissance (« E-tightness ») 130
5.5.3 Algorithme « rate adaptive Levin-Campello » 132
5.6 Conclusion 133
CHAPITRE 6 Analyse des résultats 134
6.1 Résultats de la simulation du modèle gaussien 135
6.1.1 Présentation du modèle expérimental réalisé dans [29] 136
6.2 Simulation du modèle « power flow equation » 144
6.2.1 Modèle de propagation avec couplage de modes dans la fibre 144
6.2.2 Paramètres du modèle « power flow equation » 145
6.2.3 Comparaison des modèles « power flow equation » et gaussien 151
6.2.4 Capacité théorique pour le modèle « power flow equation » et bilan 154
6.3 Capacité pratique de la SI-FOP 156
6.3.1 Conditions d'exécution des algorithmes de bit loading 156
6.3.2 Capacité pratique et algorithme « rate adaptive water-filling » 159
6.3.3 Capacité pratique et algorithme de Chow 168
6.3.4 Capacité pratique et algorithme Levin-Campello 174
6.3.5 Comparaison des produits longueur x bande passante 182
6.4 Conclusion 187
CHAPITRE 7 Conclusion et recommandations pour les travaux futures 189
Références bibliographiques 194
Annexe A Quelques définitions 205
A.l Granularité du système 205

XIV
A.2 Vecteur de distribution de bits 205
A.3 Puissance d'un symbole et incrément de puissance 205
A.4 Distribution efficace de bits 206
Annexe B Fiche de spécification du fabricant Mitsubishi GH 4001 208
Annexe C Transformation des symboles complexes en réels 209
Annexe D Calcul de la capacité du canal passe-bas gaussien 213
Annexe E SNR gap 217
Annexe F Capacité mesurée 221

Liste des tableaux
Tableau 2.1 : Comparaison des différents types de fibres optiques 17
Tableau 2.2 : Fibre ESKA PREMIER GH4001, données fournies par le fabricant 37
Tableau 2.3 : Paramètres caractéristiques de la FOP 38
Tableau 2.4 : Paramètres complémentaires calculés 38
Tableau 4.1 : Comparaison d'un système OFDM et d'un système optique typiques 90
Tableau 6.1 : f_MB mesurées et /„ calculées pour un canal SI-FOP pour A = 650 nm.... 137
Tableau 6.2 : Paramètres utilisés pour le calcul de la capacité du canal SI-FOP 140
Tableau 6.3 : Comparaison des méthodes 1 et 2 de calcul de la capacité théorique pour le

modèle gaussien 144
Tableau 6.4 : Paramètre d'atténuation y d'après [72] 146
Tableau 6.5 : Paramètres de la fonction de diffusion, d'après [72] 146
Tableau 6.6 : Paramètres de la distribution de la puissance optique à l'état d'équilibre

(Steady State Distribution, SSD) d'après [72] 146
Tableau 6.7 : Comparaison des capacités théoriques obtenues par la méthode 2 pour les
modèles PFE et numérique gaussien aux valeurs du canal réel de [29] 154
Tableau 6.8 : Paramètres utilisés pour le calcul de la capacité pratique du canal SI-FOP. 159
Tableau 6.9 : Principaux résultats de l'algorithme « rate adaptive water-filling » appliqué au

canal réel mesuré « sans mode mixing » (SMM) 160
Tableau 6.10 : Principaux résultats de l'algorithme « rate adaptive water-filling » appliqué

au modèle numérique gaussien de la SI-FOP 163

au modèle « power flow equation » de la SI-FOP 165
XVI
Tableau 6.12 : Principaux résultats de l'algorithme « rate adaptive de Chow » appliqué au

canal réel mesuré « sans mode mixing »(SMM) 168

modèle gaussien de la SI-FOP 170

modèle « power flow equation » de la SI-FOP 172
Tableau 6.15 : Principaux résultats de l'algorithme « rate adaptive Levin-Campello »

appliqué canal réel mesuré « sans mode mixing » (SMM) 175

appliqué au modèle gaussien de la SI-FOP 177

appliqué au modèle « power flow equation »de la SI-FOP 180
Tableau 6.18 : Comparaison des capacités obtenues avec l'algorithme RA WF pour le canal
réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE 182
Tableau 6.19 : Comparaison des capacités obtenues avec l'algorithme RA de Chow pour le
canal réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE 183
Tableau 6.20 : Comparaison des capacités obtenues avec l'algorithme RA LC pour le canal
réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE 184
Tableau E.l : Valeurs du SNR-gap pour un taux d'erreur cible de 10~3 219
Tableau F.l : Comparaison des capacités sur SI-FOP 221

Liste des figures
Figure 1.1 : Réseau sur FOP dans « la maison très haut débit » 4
Figure 2.1 : Spectre de la lumière (ondes électromagnétiques) 13
Figure 2.2 : Représentation schématique d'une fibre optique 14
Figure 2.3 : Propagation de la lumière dans les trois types de fibres optiques 16
Figure 2.4 : Principe de propagation de la lumière dans une fibre à saut d'indice idéale.... 19
Figure 2.5 : Exemple de rayons méridiens 22
Figure 2.6 : a) Exemple de rayon méridien; b) exemple de rayon non méridien [7] 23
Figure 2.7 : Couplage de modes par un centre de diffusion et une microcourbure 24
Figure 2.8 : Mécanismes de dispersion dans la fibre optique multimode à saut d'indice. ...28
Figure 2.9 : Dispersion intermodale, propagation d'un mode rapide et d'un mode lent 29
Figure 2.10 : Paramètres caractéristiques d'une impulsion gaussienne 33
Figure 2.11 : Comparaison du diamètre gaine/cœur de différentes fibres optiques 35
Figure 2.12 : Caractéristiques spectrales de la FOP en PMMA de diamètre 1000 pm 36
Figure 3.1 : Segmentation de l'intervalle [0, ô] 60
Figure 4.1 : Principe d'un système de transmission sur fibre optique 66
Figure 4.2 : Principe des interactions électro-optiques dans un semi-conducteur 68
Figure 4.3 : Puissance lumineuse en fonction du courant d'une diode laser 69
Figure 4.4 : Processus optiques et composants associés 71
Figure 4.5 : Sous-canaux ou sous-porteuses (tone), modulation DMT 77

XVlll
Figure 4.6 : Codage de Gray, constellation 4-QAM 78
Figure 4.7 : Codage de Gray, constellation 16-QAM 78
Figure 4.8 : Schéma bloc d'une transmission DMT sur un canal SI-FOP IM/DD 79
Figure 4.9 : Schéma bloc du transmetteur DMT (Tx DMT) 80
Figure 4.10 : Insertion du préfixe cyclique 83
Figure 4.11 : Schéma bloc du récepteur DMT (Rx DMT) 87
Figure 4.12 : Catégories de problèmes d'optimisation avec contraintes 95
Figure 4.13 : Algorithme du « rate adaptive water-filling » 101
Figure 4.14 : Exemple de répartition de puissance dans le WF; water-level K = v 102
Figure 5.1 : Diagramme bloc du système de communications optiques IM/DD étudié 105
Figure 5.2 : Modulateur d'intensité optique idéal (caractéristique puissance-courant) 107
Figure 5.3 : Water-filling pour le canal SI-FOP IM/DD 111
Figure 6.1 : Réponses en fréquences pour L = 50 m, 100 m et 200 m : du canal réel mesuré
« avec mode mixing » (AMM) et « sans mode mixing » (lignes pleines); du modèle
gaussien obtenu avec le f_3JB du tableau 6.1 (traits-discontinus rouge) et
approximation gaussienne du canal réel mesuré AMM (traits discontinus gris) 137
Figure 6.2 : Capacité normalisée C/f_idB en fonction du SNRe(? pour le modèle numérique
gaussien du canal 142
Figure 6.3 : Fonction de diffusion de la fibre GH4001 146
Figure 6.4 : Fonction QN (0) du profil radial SSD normalisé de la fibre GH4001 147
Figure 6.5 : Fonction d'atténuation de la fibre GH4001 148
Figure 6.6 : Définition des conditions initiales d'injection 149
Figure 6.7 : Comparaison des réponses en fréquences normalisées, modèle PFE; L = 100 m;
FWHM= 100, FWH = 32, FWHM = 4, FWHM= 0,5 150
Figure 6.8 : Comparaison des réponses en fréquences de la SI-FOP pour les modèles PFE,
gaussien et canal réel mesuré SMM; L = 50 m 151
XIX
gaussien et le canal réel mesuré SMM; L - 100 m 152
gaussien et le canal réel mesuré SMM; L = 200 m 152
Figure 6.11: Distribution puissance allouée et rapport bruit sur signal du canal réel mesuré
SMM obtenus avec l'algorithme RA WF; L = 100 m; K= l,3859x 10"9 161
Figure 6.12 : Rapport bruit sur signal du canal réel mesuré SMM obtenu avec l'algorithme
RA WF; L = 100 m 161
Figure 6.13 : Allocation de puissance du canal réel mesuré SMM obtenue avec l'algorithme
RA WF; L = 100 m 162
Figure 6.14 : Allocation de bits du canal réel mesuré SMM obtenue avec l'algorithme
RA WF; L = 100 m 162
Figure 6.15 : Distribution puissance allouée et rapport du bruit sur le signal du modèle
gaussien obtenus avec l'algorithme RA WF; L = 100 m; K= 2,2092 x IO"9 164
Figure 6.16 : Rapport du bruit sur le signal pour le modèle gaussien obtenu avec
l'algorithme RA WF; L = 100 m 164
Figure 6.17 : Allocation de puissance du modèle gaussien obtenue avec l'algorithme

RA WF; L = 100 m 164
Figure 6.18 : Allocation de bits du modèle gaussien obtenue avec l'algorithme RA WF;
1=100 m 165
Figure 6.19 : Distribution de puissance allouée et rapport du bruit sur le signal du modèle
PFE obtenus avec l'algorithme RA WF; L = 100 m; K= 1,3872 x IO"9 166
Figure 6.20 : Distribution rapport du bruit sur le signal du modèle PFE de la SI-FOP
obtenue avec l'algorithme RA WF; L = 100 m 166
Figure 6.21 : Allocation de puissance du modèle PFE de la SI-FOP obtenue avec

l'algorithme du RA WF; L = 100 m 167
Figure 6.22 : Allocation de bits du modèle PFE de la SI-FOP obtenue avec l'algorithme
RA WF; L = 100 m 167
Figure 6.23 : SNR par sous-porteuse du canal réel mesuré SMM obtenu avec l'algorithme
RA de Chow; 1 = 100 m 169
XX
Figure 6.24 : Allocation de bits du canal réel mesuré SMM obtenue avec l'algorithme RA
de Chow; L = 100 m 169
RA de Chow; L = 100 m 169
Figure 6.26 : SNR par sous-porteuse du modèle gaussien de la SI-FOP obtenu avec
l'algorithme RA de Chow; L = 100 m 171
Figure 6.27 : Allocation de bits du modèle gaussien de la SI-FOP obtenue avec l'algorithme
RA de Chow; L = 100 m 171
Figure 6.28 : Allocation de puissance du modèle gaussien de la SI-FOP obtenue avec

Figure 6.29 : SNR par sous-porteuse du modèle PFE de la SI-FOP obtenu avec l'algorithme
RA de Chow; 1 = 1 0 0 m 173
Figure 6.30 : Allocation de bits du modèle PFE de la SI-FOP obtenue avec l'algorithme RA
de Chow; L = 100 m 173

RA LC; L = 100 m 176
RA LC; L = 100 m 176
RA LC; L = 100 m 176
Figure 6.35 : SNR par sous-porteuse du modèle gaussien obtenu avec l'algorithme RA LC;
Z=100m 178
Figure 6.36 : Allocation de bits du modèle gaussien obtenue avec l'algorithme RA LC;
1=100 m 178

RA LC; L = 100 m 179
RA LC; L = 100 m 180
RA LC; L = 100 m 181
XXI

l'algorithme RA LC; L = 100 m 181
Figure 6.41 : Comparaison des produits capacité x longueur de la fibre lorsque

l'algorithme « rate adaptive water-filling » est appliqué 183
Figure 6.42 : Comparaison des produits capacité x longueur lorsque l'algorithme «rate
adaptive de Chow » est appliqué 184
Figure 6.43 : Comparaison des produits capacité x longueur lorsque l'algorithme « rate
adaptive Levin-Campello » est appliqué 185
Figure B.l : Fiche du fabricant de Mitsubishi Eska Premier GH 4001 208
Figure C l : Synoptique de la conversion des complexes en réels et de 1TFFT à 2Npoints

associés à la modulation DMT 212
Figure E.l : Capacité théorique de Shannon et points de fonctionnement des modulations

QAM pour une probabilité d'erreur symbole cible SER = 10~3 220
Sigles et acronymes
Liste des principaux sigles et acronymes anglais et français utilisés.
ADSL Asymmetric Digital Subscriber Line
AWGN Additive White Gaussian Noise
BER Bit Error Rate (taux d'erreur binaire)
CAN Convertisseur Analogique-Numérique
CNA Convertisseur Numérique-Analogique
CP Cyclic Prefix
DD Direct Detection
DFT Discrete Fourier Transform
DMT Discrete Multi Tone modulation
DSP Densité Spectrale de Puissance
EMD Equilibrium Mode Distribution
FFP Far Field Profile
FFT Fast Fourier Transform
FOP Fibre Optique Plastique
FTTH Fiber To The Home
FWHM Full Width of the pulse at its Half-Maximum value
Gbit/s Giga bits par seconde

XX111
GI-POF Graded Index - Plastic Optical Fiber
IEC International Electrotechnical Commission
IFFT Inverse Fast Fourier Transform
IM/DD Intensity Modulation and Direct Detection
IQ In-phase and Quadrature-phase
ISI Inter Symbol Interference
LAN Local Area Network
LC Levin-Campello
LD Laser Diode
LED Light Emitting Diode
LPF Low Pass Filter
MA Margin Adaptive optimization
MCM Multi Carrier Modulation (modulation multi-porteuses)
MHz Megahertz
MOST Media Oriented System Transport
NA Numerical aperture (Ouverture Numérique, ON)
NEP Noise Equivalent Power
NFP Near Field Profile
OFDM Orthogonal Frequency Division Multiplexing
PAPR Peak-to-Average Power Ratio
PD Photo Detector
PFE Power Flow Equation
PIN Positive type Intrinsic Negative diode

XXIV
PMMA Poly Methyl Metha Acrylate (poly méthacrylate de méthylé en français)
PROFINET Process Field Network
QAM Quadrature Amplitude Modulation
RA Rate Adaptive optimization
rms root mean square
Rx Récepteur (Receiver)
SI-FOP Fibre Optique Plastique à saut d'indice (Step Index - Plastic Optical Fiber)
SNR Signal-to-Noise Ratio
SSD Steady State Distribution
TIA Trans-Impedance Amplifier
Tx Transmetteur (Transmitter)
WF Water-Filling
WiFi Wireless Fidelity
WiMAX Worldwide Interoperability for Microwave Access
WLAN Wireless Local Area Network
xDSL x- Digital Subscriber Line

Notations
Voici une liste des principales notations et symboles utilisés dans ce manuscrit.
c Vitesse de la lumière dans le vide [m/s]
v Vitesse de la lumière dans le matériau [m/s]
ftcoeur Indice de réfraction du cœur
eL_„ Diamètre du cœur de la fibre
ngaine Indice de réfraction de la gaine
game Diamètre de la gaine de la fibre
protection Diamètre de protection de la fibre
tin Indice de réfraction de l'air (du vide), vaut 1
V Fréquence normalisée
K Longueur d'onde [nm]
M Nombre de modes dans la fibre
B Bande passante du système ou largeur de bande [Hz]
ON Ouverture numérique
A Différence d'indice relative
a Rayon du cœur de la fibre
Dispersion [ns/m]
XXVI
a Atténuation [dB/m]
P0 Puissance à l'entrée de la fibre
PL Puissance de la lumière à la sortie d'une fibre de longueur L
tx Temps de propagation du mode rapide
t2 Temps de propagation du mode lent
Ar Différence de temps de propagation [ns]
Ar,mod Dispersion intermodale [ns/m]
Ar,mod.linéique Dispersion modale linéique
A r chrom Dispersion chromatique [ns/m]
l
FWHM Largeur à mi-hauteur de l'impulsion (FWHM)
Largeur rms de l'impulsion optique [ns]
Mf) Réponse en fréquence normalisée de la fibre
Longueur de lafibre[m]
L-eq
Longueur d'équilibre [m]
Pin Puissance optique à l'entrée de lafibre[W]
Pout Puissance optique à la sortie de lafibre[W]
Cmax Angle d'acceptance, angle critique par rapport à l'axe de propagation de la

fibre optique [°]
T Période d'oscillation, T = lit/w [s]
f Fréquence, f = \/T [Hz]
w Fréquence angulaire, w = lizf [s'1]
Temps [s]
XXV11
z Longueur en direction z [m]
k Nombre d'onde, k = In/X [m" 1 ]
^max Angle d'acceptance [°]
ymax Angle critique à l'intérieur de la fibre [°]
6 Angle d'excitation
P{6, z,t) Distribution de la puissance dans l'espace et le temps à l'angle 0
a{6) Atténuation propre au mode
d{6) Coefficient de diffusion
ÊL Délai de groupe du mode à l'angle caractéristique 6

dz
p(8,zvw) Puissance angulaire à une longueur initiale z,
p(0,z 2 ,w) Puissance angulaire à une longueur z 2
P Vecteur de puissance
A Matrice diagonale traduisant la propagation de puissance en absence de

diffusion
D Matrice tri-diagonale permettant de tenir compte de la diffusion dans la fibre
BL Produit largeur de bande passante x longueur
N Nombre total de sous-porteuses
A0 Pas de discrétisation de l'angle 6
Az Pas de discrétisation de la longueur z
n Indice de sous-porteuse
Plol Budget de puissance totale disponible pour la transmission

XXV111
PSSD Distribution de la puissance à l'état d'équilibre
Q(0) Profil de la distribution de puissance à l'état d'équilibre
i Courant inverse à la jonction de la photodiode
iD Courant d'obscurité
is Photocourant proportionnel à la puissance
Pn Puissance allouée à la sous-porteuse n
gn Rapport signal sur bruit de la sous-porteuse d'indice n
bn N o m b r e de bits transmis sur la sous-porteuse d'indice n
Y S N R gap
(•) Conjugué
(•) + Fonction donnant la partie positive de son argument
<8> Opérateur de convolution linéaire
£(•) Fonction impulsion delta de Dirac
exp ( •) Fonction exponentielle
erfc(•) Fonction d'erreur complémentaire
hF ( t ) Réponse impulsionnelle normalisée de la fibre
n (t) Bruit blanc additif gaussien
hCNA Réponse impulsionnelle du convertisseur C N A
hFPB Réponse impulsionnelle du filtre passe-bas
f_3dB Bande passante à -3 d B

XXIX
R Débit total [bits/s]
Pit) Fonction de mise en forme
j Racine carrée de -1
< ■ > Fonction moyenne
lim() Fonction limite
s(t) Signal DMT émis
s0 ( t ) Signal DMT avant écrêtage (clipping)
A A mplitude maximale autorisée du signal DMT
r(t) Signal DMT reçu
r (/Ars ) Signal reçu échantillonné
Dn Symbole reçu après démodulation
uk Sortie de 1TFFT à 2N points sans préfixe cyclique
sk Sortie de 1TFFT à 2N points avec préfixe cyclique
Cn Mapping des bits suivant leurs valeurs complexes selon la modulation QA M
T Période de la trame DMT
fK Espacement de fréquence porteuse entre deux sous-porteuses consécutives
NCP Longueur du préfixe cyclique
A/j Période d'échantillonnage des convertisseurs CA N et CNA
fs Fréquence d'échantillonnage des convertisseurs CA N et CNA
T„ Durée de la réponse impulsionnelle du canal

XXX
r max Retard maximal introduit par le canal
/,(•) Fonction de Lagrange
P Facteur de conversion électrique-optique [W/A]
S Sensibilité ou responsivity en anglais du photodétecteur [A/W]
Popi ( 0 Puissance optique instantanée transmise
P^ Puissance optique moyenne transmise
aF Atténuation de la fibre
p Facteur de crête (facteur d'écrêtage)
V[t) Signal électrique reçu du photodétecteur
G Gain de transimpédance du photodétecteur [V/A]
N0 Densité spectrale de puissance du bruit
E Taille de la constellation
Q() Fonction Q
Px Puissance moyenne
Pg Granularité du système
AP*" Incrément de puissance o u puissance nécessaire pour transmettre u n bit
supplémentaire (/? g = 1) sur la sous-porteuse d'indice n
P*" Puissance du symbole lorsque b n bits sont alloués à la sous-porteuse n
\_x\ Le plus grand entier inférieur à JC
[JC] Le plus petit entier supérieur à x

CHAPITRE 1
Introduction
1.1 Contexte général
La fibre optique, mince cheveu de verre très transparent, a révolutionné les

télécommunications depuis sa découverte dans les années soixante. L'information n'est
plus transmise sous forme électrique mais sous forme lumineuse. En raison de sa faible
atténuation, son faible poids, sa très petite taille et sa résistance mécanique, elle s'est
imposée au fil des années comme le média par excellence pour la transmission des données
longues distances. Son succès est également dû à la maîtrise des diodes lasers à semi-
conducteur qui allient les performances des lasers à la facilité d'emploi des composants
électroniques. La fibre optique est aujourd'hui une technologie mature [49]. La prochaine
révolution devrait être celle des réseaux tout optique.
Face à l'augmentation des exigences en termes de débits de transmission de la

couche physique, le besoin en termes de bande passante est de plus en plus croissant. Il est
prévu aujourd'hui qu'une habitation bien « connectée » nécessitera le déploiement d'un
réseau capable de transmettre des flux de données de l'ordre du gigabit par seconde [13].
Le défi est donc de trouver au niveau du réseau d'extrémité une connectivité répondant aux
exigences en termes de très haut débit chez l'abonné, peu coûteux, facile à installer ou que
l'abonné peut installer lui-même [4], [14], [15]. La solution que l'on utilise actuellement
(en Europe) est le câble gigabit Ethernet de catégorie 5 et 6 (CAT-5/6) [93]. Toutefois son
installation nécessite certaines précautions et est effectuée par un professionnel. Pour de
courtes distances, la transmission sur paire torsadée, coaxiale, etc., connaît une limitation
de débit; de plus la compatibilité magnétique n'est pas garantie et les coûts restent élevés
[1]. On atteint donc aujourd'hui presque les limites en termes de bande passante et de
rentabilité des câbles (CAT-5/6 et même CAT-7 de bandes passantes respectives 100 MHz,
250 MHz et 600 MHz). Le remplacement de la dernière centaine de mètres de cuivre par
une liaison optique est inévitable dans les prochaines années.
Les fibres de verre traditionnelles (silice) ont le potentiel de mieux répondre à la

demande actuelle, mais avec des coûts relativement élevés résultant de la nature de sa
technologie. En effet, dans les réseaux locaux (Local Area Network, LAN), un réseau tout
optique permettrait d'augmenter le débit disponible chez l'abonné. Néanmoins, cette
mission semble difficile à cause du coût que cela engendrerait. En effet, le remplacement de
l'énorme quantité de fils de cuivre par de la fibre de verre serait une entreprise très
onéreuse. L'objectif de la recherche aujourd'hui est de trouver une solution technique aux
coûts élevés qu'engendrerait le remplacement des fils de cuivre par de la fibre optique. En
règle générale, le câblage dans les bâtiments ou «réseau d'extrémité», qui correspond à la
dernière centaine de mètres représente 30% des coûts de remplacement par la fibre optique
du commutateur téléphonique au particulier. L'idée est donc de réduire les coûts de
l'installation d'extrémité en utilisant une technologie simple d'utilisation permettant à
quiconque de l'installer soi-même. Ces différents facteurs ont stimulé la recherche sur des
médias autre que la fibre de verre : la fibre optique plastique. Les fibres optiques polymères
offrent une alternative parfaite à la fibre de verre et aux fils de cuivre [3]. La première fibre
optique plastique (FOP) fut développée dès 1968 par Dupont [7], [8]. Cependant,
l'affaiblissement très élevée de 500 dB/km à la longueur d'onde de 650 nm de ces
premières FOP en polyméthacrylate de méthylé (Poly Methyl Metha Acrylate, PMMA), a
fait que la FOP fut très rapidement éclipsée par le succès de la fibre de verre. Utilisée
depuis longtemps dans le secteur de l'automobile [9], [10], on assiste au cours des dernières
années à un regain d'intérêt de la communauté scientifique et industrielle pour la FOP [10].
La recherche aujourd'hui est essentiellement destinée à étudier les performances de la FOP
en télécommunications et à découvrir de nouvelles applications pour la FOP.
La FOP a beaucoup évoluée. Sa fabrication est faite à partir de matériaux plastiques

comme le polystyrène, les polycarbonates, et le polyméthacrylate de méthylé. Ces
matériaux ont une fenêtre de transmission dans le domaine visible (520-780 nm). Toutefois,
la perte de la lumière transmise à ces longueurs d'ondes est élevée, allant de 150 dB/km
pour le PMMA à 1000 dB/km pour le polystyrène et les polycarbonates. La fenêtre
d'atténuation des fibres plastiques en PMMA présente des minima aux longueurs d'ondes
du vert et du rouge. Pour cette raison, on utilise pour les transmissions de données à courte
distance sur FOP des diodes électroluminescentes visibles (rouge et vert). Les pertes
représentent souvent un des principaux inconvénients de la FOP comparée à la haute
qualité des fibres de verre, qui ont des pertes de 0,2 dB/km pour les fibres monomodes et
moins de 3 dB/km pour les fibres multimodes. Par conséquent, les FOPs ont été reléguées à
des applications à courtes distances, typiquement de quelques centaines de mètres ou
moins, comparativement aux centaines de kilomètres pour les fibres de verre. La FOP,
après avoir fait ses preuves en termes de capacité et de performance dans les domaines
d'applications industrielles (PROFINET) et de l'ingénierie automobile (MOST) [46],
semble être un candidat intéressant pour le réseau d'accès direct par fibre optique des
abonnés ou FTTH [33]. La FOP à saut d'indice de diamètre de cœur de 1 mm (SI-FOP) est
généralement appelée SI-FOP standard; c'est le type le plus simple, le plus commun et le
plus utilisé que l'on retrouve actuellement dans les systèmes de communications sur fibre
optique plastique. Elle s'impose comme une excellente alternative aux câbles pour les
liaisons sur une courte distance (jusqu'à 1 km). Aujourd'hui, un enthousiasme nouveau
imprègne le côté FOP. La FOP pourrait donc rivaliser avec les fils de cuivre, le câble
coaxial, les fibres de verre et les technologies sans fils. Le gros diamètre du cœur (1 mm)
de la fibre est suffisamment grand pour permettre à l'utilisateur de la couper à la longueur
voulue avec un couteau et de la connecter lui-même à un transmetteur [93]. Le câble SI-
FOP a un faible coût; il est léger et robuste; il présente une grande immunité aux
interférences électromagnétiques; avec son diamètre de 3 à 4 mm, il est très flexible ce qui
le rend idéal pour l'installation le long d'une plinthe ou sous un tapis. La transmission des
données utilise la lumière visible, qui a l'avantage supplémentaire de simplifier
l'installation et la manipulation. Dans un système de transmission SI-FOP, on a besoin d'un
émetteur, d'un récepteur et des connecteurs semblables à ceux utilisés dans les liaisons sur
fibres de verre [118]. Tous ces avantages rendent l'ensemble du système de transmission
SI-FOP attrayant. La SI-FOP est donc une solution pour la conception d'un réseau
d'extrémité simple et peu coûteux car sa mise en œuvre est très facile, en particulier au
niveau des connecteurs. Des FOPs sont en cours de développement pour la transmission du
gigabit Ethernet sur 100 m. On envisage de les utiliser pour les branchements d'abonnés
jusqu'à 300 m. La figure 1.1 présente un exemple de réseau sur fibre optique plastique à la
maison.
nfrastructure optique
(FOP)
Figure 1.1: Réseau sur FOP dans « la maison très haut débit ».
La SI-FOP, comme les fibres de verre, utilise le principe de réflexion totale pour la
transmission de l'information. En principe, le fonctionnement de la SI-FOP est similaire à
celle de la fibre de verre multimode. Comparée à la fibre de verre, elle présente néanmoins
des caractéristiques additionnelles dues à la différence de matériau utilisé. Son
comportement physique est plus complexe ce qui la rend plus difficile à modéliser
numériquement à cause de sa forte atténuation, du couplage de mode, du gros diamètre du
cœur et de sa grande ouverture numérique. Il existe dans la littérature plusieurs approches
de simulation de la FOP résultant d'un compromis entre précision de calcul et temps
d'exécution. L'approximation gaussienne est cependant la plus utilisée pour la modélisation
de la fibre de verre multimode et pour la SI-FOP. Cette approche est néanmoins simpliste et
ne tient pas compte de toute la complexité de la SI-FOP. Quelques exemples de méthodes
d'approches de modélisation de la FOP sont : le « ray tracing », le « mode solving »,
l'approche pour « fibres micro structurées », la méthode « WKB » [16], [17], [18], [19],
[32]. Ces approches peuvent être regroupées en deux principaux groupes qui sont les
méthodes numériques et les méthodes d'approximation. Il n'existe néanmoins, ni approche
universelle, ni standard pour la modélisation de la FOP.
Avec les avantages de la SI-FOP viennent des inconvénients comme la forte

atténuation et la faible bande passante comparée aux fibres de verres. Pour surmonter ces
limitations et optimiser la fiabilité de la transmission, on imagine différentes techniques de
multiplexage et de codage pour augmenter le nombre de porteuses lors de la transmission
sur la fibre [2]. L'objectif est de combiner les atouts de la fibre optique qui sont entre autres
le haut débit et la faible atténuation aux techniques de modulations multi-porteuses comme
l'OFDM (Orthogonal Frequency Division Multiplexing) qui ont fait leurs preuves dans les
systèmes de communications sans-fils [20], [21], [22]. L'OFDM, par sa grande résistance
aux phénomènes de trajets multiples et sa bonne efficacité spectrale, s'est imposée comme
un standard dans les transmissions haut débit en espace libre. Aujourd'hui, l'OFDM est
présent dans de nombreux standards tels que la radiodiffusion numérique (Digital Audio
Broadcasting, DAB) et la norme de télévision numérique terrestre (Digital Video
Broadcasting - Terrestrial, DVB-T) [23], la technologie ADSL (Asymmetric Digital
Subscriber Line) [24], [25], [26], les réseaux locaux sans-fils (Wireless LAN) définis par
les normes IEEE 802.1 la/b/n (WiFi) et les réseaux d'accès 802.16 (WiMAX). L'idée de
base de l'OFDM est la répartition d'un train binaire haut débit sur plusieurs sous-porteuses
suffisamment étroites pour que le canal puisse être considéré localement plat sur chacune
d'elles. L'OFDM est plus connu sous le nom de sa variante Discrete Multi Tone (DMT)
pour les réseaux filaires. De nombreuses études sur l'OFDM optique et la FOP ont
débutées, mais les performances pratiques de la modulation DMT sur FOP restent bien en
deçà des performances théoriques. Il reste encore énormément à faire pour aboutir à des
résultats satisfaisants.
1.2 Motivation
La définition et la conception d'un modèle réaliste pour un système réel sont très
pertinentes lorsqu'il s'agit de comprendre le comportement du système et d'étudier ses
performances. Ce travail a été motivé par le souci d'obtenir un modèle de la SI-FOP plus
réaliste et de nombreuses interrogations liées aux performances des modulations multi-
porteuses pour les transmissions optiques, en d'autres termes l'OFDM sur fibre optique. On
cherche en particulier à étudier l'impact de la DMT sur l'augmentation de la capacité d'un
système de communication sur fibre optique plastique à saut d'indice. L'idée est donc en
partant de l'équation générale de la propagation avec couplage de modes de Detlef Gloge
[48], chercheur de « Bell Laboratories », de définir une méthode pour obtenir la réponse en
fréquence du canal SI-FOP qui intègre la dimension temporelle où les fonctions
d'atténuation et de diffusion de la fibre dépendent de l'angle de propagation. Comme nous
l'avons déjà mentionné dans la section 1.1, ce sont les effets du couplage de mode et de
l'atténuation qui sont les plus difficiles à modéliser dans les FOPs. Plusieurs études
expérimentales ont été effectuées sur le sujet et nous disposons de données de mesures en
champ lointain de la SI-FOP modélisée dans ce mémoire et dont la dénomination
commerciale est la Mitsubishi ESKA PREMIER GH4001. En nous basant sur ces mesures,
nous définissons un modèle équivalent du canal et ses réponses en fréquences sous
MATLAB. La DMT est utilisée pour combattre la dispersion dans la fibre. L'un des
avantages de la DMT est la possibilité d'allouer la puissance et les bits sur les différentes
sous-porteuses selon leur rapport signal sur bruit, SNR (Signal to Noise Ratio). Nous
présentons alors des exemples d'algorithmes de bit loading et analysons alors l'impact des
techniques de traitement du signal sur la bande passante et la capacité du canal.
1.3 Contributions
La fibre optique agit comme un filtre passe-bas pour les signaux à transmettre. Elle
laisse passer les basses fréquences et atténue les fréquences élevées. L'allure de la fonction
de transfert correspond à peu près à celle d'un filtre passe-bas gaussien [45]. Il est donc
fréquent de trouver dans la littérature la SI-FOP modélisée comme un filtre passe-bas
gaussien [28]. Dans la pratique, on remarque que cette modélisation assez simpliste n'est
valide que pour certaines longueurs de la fibre et sous certaines conditions [29].
Nous présentons ici une méthode pour obtenir la réponse en fréquence de la SI-FOP
basée sur l'équation généralisée de la propagation avec transfert de puissances entre les
modes le long de l'axe de la fibre. L'équation de propagation ou « power flow equation »
considérée a été établie par Detlef Gloge en 1972 [48]. Celle-ci intègre la dimension
temporelle où les fonctions de diffusion et d'atténuation de la fibre sont fonction de l'angle
de propagation des rayons d'injection [47]. Cette méthode permet de reproduire par
simulation sous MATLAB des mesures expérimentales de divers paramètres de la SI-FOP
et d'établir un modèle de canal réaliste qui tient compte de l'atténuation, de la conversion
des modes, de la dispersion et de la variation du temps de groupe.
Par la suite, nous définissons un modèle équivalent du canal SI-FOP à modulation

d'intensité et détection directe (IM/DD). En partant de l'équation générale de la capacité du
canal établie par Shannon, nous analysons les performances du canal SI-FOP IM/DD. L'un
des principaux défis a été de réaliser un programme générique sous MATLAB pour
résoudre numériquement l'équation de calcul de la capacité. Un modèle général du calcul
de capacité du canal est alors établi (méthode 2) et nous en faisons une application sur les
modèles gaussien et « power flow equation » afin de comparer leurs performances.
Pour finir, nous analysons les performances des techniques de traitement du signal
dans le système établi en combinant les caractéristiques de la DMT et l'écrêtage. Nous
étudions alors les performances d'un canal idéal SI-FOP IM/DD lorsqu'on utilise la
modulation DMT en considérant un grand nombre de sous-porteuses et la technique dite de
bit loading avec une contrainte sur la puissance totale disponible pour la transmission, un
taux d'erreur binaire cible fixé et une limitation de l'amplitude du signal [26], [50], [51].
1.4 Objectif et plan du mémoire
L'objectif de ce mémoire est d'établir un modèle de canal mathématique réaliste de

la SI-FOP et d'étudier les performances de la DMT dans un système de transmission de
données sur fibre optique plastique. Le mémoire est organisé en sept chapitres.
Le premier chapitre est une introduction générale qui définit le contexte de travail,
la motivation et l'organisation du mémoire.
Dans le deuxième chapitre, nous rappelons d'abord les notions de base générales sur
les fibres optiques en télécommunications qui seront utilisées dans de ce manuscrit. Ces
notions sont communes à la fibre de verre traditionnelle et à la FOP. Nous abordons ensuite
les propriétés et caractéristiques de la FOP et quelques concepts essentiels concernant son
utilisation dans les télécommunications optiques sur courtes distances.
Le troisième chapitre est consacré aux approches de modélisation de la FOP. Nous

présentons deux modèles qui sont : le modèle gaussien qui est la modélisation la plus
courante dans la littérature pour les fibres optiques multimodes [7], [27], [28] et le modèle
« power flow equation ». Dans le cas du modèle gaussien, le canal est modélisé par un filtre
passe-bas gaussien. Le modèle gaussien est un modèle assez simpliste [29], car il ne tient
pas entièrement compte de toute la complexité de la FOP. Un modèle plus réaliste est
obtenu en considérant alors un second modèle dérivé de l'équation de D. Gloge, le « power
flow equation ». Le « power flow equation » est résolu numériquement avec la méthode des
différences finies et on en déduit la réponse en fréquence du canal.
Ces dernières années, nous avons vu se multiplier des groupes de travail et de projet
autour de l'OFDM optique, la DMT. Bien que présentant de nombreuses similitudes avec
un système OFDM typique, la DMT a certaines particularités qu'il est intéressant d'exposer
pour la compréhension du principe de la modulation DMT dans un système optique. Au
quatrième chapitre, nous présentons le principe de la modulation DMT et la technique du
bit loading ou allocation binaire [26], [50], [51]. La solution au problème d'optimisation
dérivée de l'approche classique du water-filling est également abordée.
Le cinquième chapitre est dédié à l'analyse d'un système de transmission optique

sur SI-FOP à modulation d'intensité et détection directe utilisant la modulation DMT. Nous
déterminons des méthodes analytiques de calcul de la capacité théorique et de la capacité
pratique DMT du canal SI-FOP pour les modèles gaussien et « power flow equation ».
Nous introduisons les solutions aux problèmes d'optimisation sous-contraintes et
présentons différents algorithmes de bit loading à granularité finie (algorithme «rate
adaptive de Chow » et algorithme « rate adaptive Levin-Campello »).
Au sixième chapitre, les réponses en fréquences du modèle gaussien et du « power

flow equation » sont simulées sous MATLAB à partir des bandes passantes à -3 dB et des
mesures du canal réel fournies par le Dr S. C. Jeffrey Lee, que je tiens à remercier pour son
aide. Les réponses en fréquence du canal réel mesuré, du modèle gaussien et du modèle
« power flow equation » sont présentées et comparées. Nous évaluons et comparons la
capacité théorique au sens de Shannon et la capacité pratique DMT obtenue à partir
d'algorithmes « rate adaptive bit loading » tels que le water-filling, les algorithmes de
Chow et de Levin-Campello. Un bilan de la comparaison du canal réel mesuré, du modèle
gaussien et du modèle « power flow equation » est dressé.
Finalement, le septième chapitre est une conclusion générale du mémoire. Nous

dressons le bilan du travail réalisé et proposons des approches et des recommandations pour
les travaux futurs.
CHAPITRE 2
Fibre optique et fibre optique plastique
2.1 Bref historique des télécommunications optiques
L'utilisation de la lumière comme moyen de communication n'est pas nouvelle et

remonte très loin dans le temps. Les grecs, plusieurs siècles avant Jésus Christ, utilisaient
déjà les signaux optiques comme moyen de communication à l'aide d'un code basé sur la
position relative de torches. D'autres civilisations utilisaient la fumée ou plus généralement
des objets visibles de loin (sémaphores) pour les mêmes besoins. Dans ces systèmes, l'œil
humain tenait le rôle de photodétecteur [52].
En 1854, le physicien irlandais John Tyndall démontra en utilisant un jet d'eau que
la lumière pouvait être guidée sur un chemin courbe. Ce principe, connu sous le nom de
réflexion totale interne, est à la base du fonctionnement de la fibre optique puisqu'il permet
de piéger la lumière dans le milieu de plus haut indice.
La première approche sérieuse du problème fut faite par Graham Bell qui inventa en
1880 le photophone. En utilisant un miroir vibrant au rythme de la parole et à la réception
une cellule au sélénium, Bell pu transmettre des sons sur une distance de plus de 200 m.
Cependant, comme pour les systèmes précédents, la portée de ce système était limitée par
11
deux facteurs fondamentaux : la radiance de la source utilisée qui était peu élevée et surtout
la propagation de la lumière qui n'était pas guidée, si bien que l'énergie lumineuse se
trouvait très vite dispersée.
Ce n'est qu'en 1966, grâce à une publication scientifique de K. C. Kao et G. A.

Hockham, que la possibilité d'utiliser les fibres comme canal de transmission en
télécommunications a été sérieusement considérée. Les transmissions sur fibres optiques
deviennent donc un objectif réalisable.
L'apparition du LASER {Light Amplification by Stimulated Emission of Radiation)

en 1960, va favoriser le développement des télécommunications optiques.
En 1970, la firme Corning Glass Works fabrique aux Etats-Unis des fibres optiques
à saut d'indice et obtient des affaiblissements inférieurs à 20 dB/km pour une longueur
d'onde de 633 nm [45].
La bande passante d'une fibre optique dépend de la longueur de la fibre. C'est une
grandeur donnée pour 1 km de fibre et généralement exprimée en MHz x km. En 1973, la
réalisation des premières fibres performantes à gradient d'indice permet d'augmenter la
bande passante de quelques dizaines à plusieurs centaines de MHz x km [52].
En 1977, Bell Systems et General Telephone réalisent les premiers essais sur le
terrain respectivement à Chicago sur une distance de 2,5 km et à Long Beach sur une
distance de 9 km [45].
En 1978, les fibres monomodes avec des bandes passantes de l'ordre d'une centaine
de GHz x km et quelques dixièmes de décibels d'atténuation à 1,3 et 1,55 pm deviennent
une réalité [52].
Les progrès des méthodes de fabrication, l'amélioration de la résistance mécanique

des fibres, l'apparition de câbles et de composants passifs performants ont permis le
12
développement des liaisons expérimentales puis des premières liaisons commerciales vers
les années 1980 [49].
Dans ce chapitre nous présentons quelques concepts de base nécessaires à la

compréhension des fibres optiques en général et plus particulièrement de la FOP. Ce
chapitre est une synthèse des notions indispensables à la compréhension de ce manuscrit et
n'a ni pour but, ni la prétention, de traiter de la fibre optique de manière exhaustive. Pour
plus de détails, le lecteur intéressé pourra se reporter aux références [7], [8], [9], [17], [32],
[35]. Les fibres optiques, qu'elles soient de silice, de plastique, de verre fluoré ou d'un
quelconque autre matériau, présentent les mêmes propriétés générales.
2.2 Généralités sur la fibre optique
2.2.1 Spectre électromagnétique
On ne peut pas parler de la fibre optique sans parler de la lumière. La lumière est
une énergie rayonnante constituée d'ondes électromagnétiques qui peuvent se propager à
des vitesses élevées dans le vide ou dans des matériaux diélectriques. Elle est caractérisée
par sa longueur d'onde X. Le spectre de l'onde électromagnétique inclut entre autres
l'ultraviolet, la lumière visible et les ondes infrarouges. La lumière visible occupe une
plage étroite et s'étend de 380 nm (violet) à 780 nm (rouge) [34]. Une vue générale du
spectre de la lumière visible est présentée à la figure 2.1.
La propagation de la lumière dans une fibre optique peut être étudiée de façon
simplifiée en utilisant les lois de l'optique géométrique traditionnelle sous l'hypothèse que
les dimensions du guide sont grandes devant la longueur d'onde A. Dans ce cas, on ne
considère que les trajectoires suivies par les rayons lumineux, et non la nature physique des
ondes électromagnétiques. Cette approche permet de définir simplement quelques
caractéristiques importantes de la fibre optique.
13
lAnMofct
800 MI
Figure 2.1 : Spectre de la lumière (ondes électromagnétiques).
2.2.2 Propriétés des fibres
2.2.2.1 L'indice de réfraction
Lorsque la lumière traverse un matériau, sa vitesse diminue. L'indice de réfraction

est une grandeur caractéristique des propriétés optiques d'un matériau [31]. C'est une
grandeur sans dimension. Il conditionne le chemin parcouru par le signal dans la fibre
optique et est obtenu en divisant la vitesse de la lumière dans le vide, c (c - 3.108 m/s), par
la vitesse de cette même onde, v, dans le matériau.
c
n-—. (2.1)
v
2.2.2.2 Anatomie de la fibre optique
Une fibre optique est un guide d'onde diélectrique cylindrique qui exploite les
propriétés réfractrices de la lumière. Comme illustrée à la figure 2.2, elle est constituée de
plusieurs couches concentriques d'axe de symétrie z qui sont :
14
Cœur Protection ou Tube
Figure 2.2 : Représentation schématique d'une fibre optique.
le cœur (core), composé de silice, de quartz fondu ou de plastique. C'est la

couche la plus importante en termes de transmission optique qui permet de guider
les informations d'un bout à l'autre de la fibre sans trop de pertes;
la gaine optique (cladding), qui est composée des mêmes matériaux que le cœur.
Son indice de réfraction est inférieur à celui du cœur (différence de quelques
millièmes), ce qui permet de réfléchir la lumière entièrement de multiples fois à
l'interface cœur-gaine (phénomène de réflexion totale interne). La gaine optique
n'étant pas destinée à transmettre la lumière, il n'est pas nécessaire que ses
propriétés optiques soient aussi bonnes que celles du cœur. Le cœur et la gaine
constituent la partie optique qui canalise et propage la lumière;
une couche de protection ou tube (coating), permet le contact de la fibre avec des
supports sans perturber le fonctionnement de la partie optique. Généralement en
plastique, le tube n'intervient pas dans la transmission de la lumière. Il assure la
protection mécanique de la fibre; il sert à la flexibilité de la fibre et facilite sa
manipulation. Néanmoins, dans certains cas, le tube est supprimé comme cela
peut être le cas dans certaines FOP.
Cette structure forme la base de toutes les fibres optiques, qu'elles soient de verre ou de
plastique.
15
2.2.2.3 Profil d'indice et différents types de fibres optiques
Le profil d'indice est caractérisé par la différence d'indice de réfraction entre le cœur et
la gaine de la fibre optique. On peut classer les fibres en considérant les angles de réflexion
ou mode possibles de la lumière dans la fibre. On distingue alors deux catégories de fibres :
les fibres monomodes dont le cœur étroit favorise un trajet suivi par la lumière
quasiment rectiligne et permet de minimiser l'atténuation des signaux. Les fibres
monomodes sont dédiées aux réseaux métropolitains et longues distances MAN
(Metropolitan Area Network) et WAN (Wide Area Network);
les fibres multimodes dont la grande largeur du cœur permet l'injection

simultanée de la lumière selon différents angles. Les domaines d'utilisation sont
principalement les LAN (Local Area Network) et les réseaux de campus. On a :
• les fibres multimodes à saut d'indice (Step Index, SI) où l'indice de

réfraction change brutalement à l'interface cœur-gaine, c'est le « saut » qui
provoque la réflexion totale des rayons. Le guidage de la lumière dans le
cœur se fait en dent de scie. L'importante section du cœur provoque une
grande dispersion des signaux la traversant, ce qui génère une déformation
du signal reçu. La gaine joue un rôle actif dans le guidage de la lumière;
• les fibres multimodes à gradient d'indice {Graded Index, GI) où l'indice du

cœur n'est pas constant mais possède une symétrie autour de l'axe; l'indice
est modifié de sorte à créer un gradient d'indice. Les différences de temps de
propagation sont réduites et les écarts entre chemins optiques sont diminués.
Le guidage de la lumière est dû à l'effet du gradient d'indice. En subissant
de légères réfractions à l'approche de la gaine le signal optique forme un
signal sinusoïdal et les rayons suivent une trajectoire d'allure sinusoïdale. La
gaine ne joue pas un rôle actif mais élimine les rayons trop inclinés. Les
fibres GI ont été conçues afin de minimiser l'effet de dispersion intermodale
sans trop réduire l'ouverture numérique, donc la puissance couplée [49].
16
On peut retenir que la fibre optique est à symétrie cylindrique et est constituée d'une
partie centrale, le cœur d'indice de réfraction ncoeur qui est entourée d'une gaine d'indice de
réfraction ngaine légèrement inférieur à ncoeur. La section transverse présente une différence
d'indice entre le cœur et la gaine qui est discontinue pour les fibres monomodes et à saut
d'indice et graduelle pour les fibres à gradient d'indice. Les caractéristiques d'une fibre
optique sont déterminées d'une part par le matériau choisi qui va déterminer principalement
l'atténuation et la stabilité thermique et d'autre part par le profil d'indice de réfraction qui va
déterminer la capacité de transmission et la largeur de bande optique.
Section transverse
d'une fibre à saut Indice de Impulsion Principe du guidage de la Impulsion
d'indice réfraction d'entrée lumière par réflexion totale de sortie
interne
O Itgaine l^coeur JJ
Section transverse indice de Impulsion Principe du guidage de la Impulsion

d'une fibre à réfraction d'entrée lumière par réflexion totale de sortie
gradient d'indice interne
O ngaine tlcœur
Section Indice de Impulsion Principe du guidage de la Impulsion

transverse d'une réfraction d'entrée lumière par réflexion totale de sortie
fibre monomode interne
ITCOCUI
Figure 2.3 : Propagation de la lumière dans les trois types de fibres optiques.
17
La figure 2.3 schématise la section transverse des trois types de fibres ainsi que le principe
de guidage de la lumière par réflexion totale interne. Le tableau 2.1 présente un récapitulatif
de la comparaison des différents types de fibres optiques. Dans la suite, on s'intéresse à la
fibre multimode à saut d'indice qui est le type le plus simple et le plus répandu dans le
commerce. Cette fibre est directement issue des applications optiques traditionnelles. Le
cœur a un diamètre relativement gros par rapport à la longueur d'onde de la lumière visible.
Tableau 2.1 : Comparaison des différents types de fibres optiques.

Structures Avantages Inconvénients Applications
pratiques
Multimode à saut Grande ouverture Pertes, dispersion Communications

d'indice (SI) numérique, connexion et distorsion, courtes distances,
facile, faible prix, facilité élevées du signal réseaux locaux
de mise en œuvre
Multimode à gradient Bande passante Difficile à mettre Communications
d'indice (GI) raisonnable et bonne en œuvre courtes et moyennes
qualité de transmission distances
Monomode Bande passante très Prix très élevé Communications
grande, atténuation très longues distances
faible, faible dispersion
2.2.2.4 Différence relative d'indice
Soient ncoeui et ngaine respectivement les indices de réfraction du cœur et de la gaine
de la fibre. On définit la différence d'indice relative de la fibre A comme suit [7] :
(n 2 -n2. )
A =\ coeur gaine ) (2.2)
2nl
Dans le cas où la différence d'indice entre le cœur et la gaine est faible, A « l , on utilise
l'approximation suivante [7] :
18
n —n
. coeur gaine O 1\
n
coeur
Pour de plus amples détails, le lecteur intéressé pourra se reporter aux références [31], [36],
[37], [38], [39], [40], [41], [42], [43].
2.2.3 Transmission dans les fibres optiques
2.2.3.1 Fréquence normalisée
La fréquence normalisée V sans dimension est un paramètre essentiel du guide

diélectrique. Ce paramètre détermine le nombre de modes pouvant se propager dans la fibre
et peut s'écrire en fonction de la différence d'indice relative A comme suit [7] :
V =âncoeaij2Â, (2.4)
où X est la longueur d'onde et a est le rayon du cœur de la fibre. Si V est inférieure à

2,405, un seul mode se propage dans la fibre, autrement, la fibre est multimode. Pour de
plus amples détails sur la fréquence normalisée, le lecteur intéressé pourra se reporter aux
références [7], [31], [36], [37], [39], [41].
2.2.3.2 Nombre de modes de propagation
Un mode de propagation est un angle du rayon lumineux par rapport à l'axe de

propagation de la fibre. Chaque mode représente une solution aux équations de Maxwell.
Le nombre de modes de propagation, que l'on note M, correspond donc au nombre d'angles
admissibles dans la fibre. Dans le cas des fibres optiques multimodes à saut d'indice, on
a une estimation de M donnée par [31] :
V2
M =—. (2.5)
2
19
Pour plus de détails sur les différentes méthodes de détermination du nombre de modes de
propagation, le lecteur intéressé pourra se reporter aux références [31], [36], [38] et [39].
Les différents concepts que nous définissons sont basés sur les principes de
l'optique géométrique qui sont bien connus. Nous rappelons ici quelques notions.
2.2.3.3 Propagation de la lumière dans la fibre et ouverture numérique
Propagation de la lumière dans la fibre optique à saut d'indice
Par la réflexion, une partie de la lumière retourne dans le milieu d'où elle vient.
C'est le principe de réflexion totale illustré à la figure 2.4 qui est utilisé pour guider la
lumière dans la fibre. L'énergie lumineuse se trouve dans le cœur d'indice ncoeur qui est
entouré par la gaine dont l'indice de réfraction «gaine est tel que ncoeur > «gaine. La
propagation du rayon dans le cœur de la fibre implique une condition sur l'inclinaison du
rayon incident, donc sur l'angle d'incidence. L'angle d'incidence critique ou angle
d'acceptance, est l'angle au-delà duquel le rayon n'est pas transmis dans la fibre [35].
Rayon perdu
Axe de
Rayon réfléchi propagation
de la fibre
Figure 2.4 : Principe de propagation de la lumière dans une fibre à saut d'indice idéale.
Supposons qu'un rayon lumineux arrive d'un milieu « air » d'indice de réfraction
n0 qui vaut 1 et pénètre dans la fibre. On veut trouver l'angle limite de réflexion totale
20
interne. Soit 8max l'angle d'incidence critique par rapport à la normale à la surface (voir
figure 2.4). En appliquant les lois de Snell-Descartes à l'interface air-cœur, on a :
"oSin6'max=A2coeursinamax
S i n
= "coeur (y-/max)
(2.6)
= "coeur COS y m m
1
= "coeur V " ^ Vmax-
Comme :
_ gaine
/ max (2.7)
n,.
on a alors :
gaine
"oSin^ max =« coeur Jl-
n (2.8)
V coeur /
4n 2
coeur
-n2- .
gaine
Comme n0 égal à 1, il s'ensuit que
2
s i n
^ m a x = V " L u r - " , gaine ' (2.9)
Tout rayon de lumière arrivant sur la face d'entrée de la fibre avec un angle inférieur à
6max défini par (2.9) va se propager en zigzag jusqu'à l'autre extrémité de la fibre par
réflexions totales internes successives. Si l'angle du rayon à l'entrée de la fibre est
supérieur à l'angle d'incidence critique alors le rayon est perdu.
On appelle cône d'acceptance, le cône de demi-angle au sommet (9max. D'après
(2.7), l'angle critique ymax à l'intérieur de la fibre est :

21
gaine
/max = arcsin-^
"coeur (2.10)
n
= «„
n
2
Ouverture numérique
L'ouverture numérique de la fibre que l'on note ON (Numerical Aperture, NA est le

symbole couramment utilisé), représente la quantité maximale de lumière que le système
optique peut accepter sans pertes. C'est une mesure sans dimension qui exprime la capacité
de la fibre à capter la lumière d'une source à sa section frontale et s'écrit [35] :
ON = sin0max=«coeurV2A~. (2.11)
Par réciprocité, on peut déduire de (2.11) l'expression suivante pour (9max :
0 max =arcsin(ON). (2.12)
Le NA des fibres commerciales varie entre 0,1 et 0,6. Plus l'écart entre les indices de
réfraction du cœur et de la gaine est important, plus l'ouverture numérique est grande et
plus grand est le nombre de modes ou rayons lumineux qui se propagent dans la fibre.
2.2.3.4 Différents types de rayons
La nature ondulatoire de la lumière fait qu'il y a des interférences entre les diverses
ondes à l'intérieur de la fibre. Les ondes lumineuses capables de se propager dans la fibre
sont appelées modes et peuvent être déterminés mathématiquement de façon précise par les
équations de Maxwell. Les modes transmis dans la fibre avec un angle d'incidence faible
sont appelés modes rapides ou modes d'ordre faible et subissent peu de réflexions totales.
Tandis que les modes transmis avec un angle d'incidence élevé sont appelés modes lents ou
modes d'ordre élevé (voir la figure 2.5) et vont parcourir des trajets plus longs que les
modes d'ordre faible.
22
On distingue principalement deux types de rayons : les rayons méridiens et les

rayons non méridiens (ou skew rays). La figure 2.5 présente deux exemples de rayons
méridiens; en particulier, on y trouve un mode lent en rouge et un mode rapide en vert.
Rayon méridien Axe de

Air d'indice de
mode rapide propagation
réfraction n0= 1
de la fibre
Rayon méridien,
mode lent
Figure 2.5 : Exemple de rayons méridiens.
Rayons méridiens
Les rayons méridiens sont ceux qui restent dans un seul et même plan que celui
contenant l'axe z de la fibre. Ces rayons sont guidés dans le cœur de la fibre et sont
composés des modes lents et des modes rapides [49].
Rayons non méridiens (rayons obliques ou skew ravs)
La figure 2.6 présente de gauche à droite, pour une fibre à saut d'indice, un exemple
de rayon projeté sur la section transversale de la fibre et un parcours du rayon. Comme
nous pouvons le remarquer sur la figure 2.6 b), la projection des rayons non méridiens sur
la section transversale ressemble à une ligne polygonale. Les rayons non méridiens forment
un angle y/ < 90° avec le plan tangent à l'interface cœur-gaine et ne croisent jamais l'axe de
la fibre (figure 2.6 b)) [7]. On distingue principalement trois cas de rayons non méridiens :
les rayons guidés dans toute la gaine ou modes de galerie qui ne croisent jamais l'axe de la
23
fibre; les rayons réfractés dans toute la gaine et les rayons à fuite qui attirent
progressivement l'énergie lumineuse qui se propage dans le cœur et vont fuir dans la gaine.
Le rayon à fuite ne peut pas guider la lumière dans le cœur sur une grande distance, mais
peut se propager sur de courtes distances avant d'être éliminé. Il peut ainsi perturber la
transmission et les mesures et peut réapparaître sous l'effet de courbures.
b)
^_JL_6
In'
n(r)
V\ VV
\\ \_
^c^^^—
. r
Figure 2.6 : a) Exemple de rayon méridien; b) exemple de rayon non méridien [7].
La détermination géométrique des trajectoires est obtenue en résolvant l'équation des

rayons. Pour de plus amples détails, le lecteur intéressé pourra se reporter à [49].
2.2.3.5 Couplage de modes, distance d'équilibre, champ proche et champ lointain
Nous avons vu que l'angle d'injection de la lumière dans une fibre caractérise le
mode. On s'attend donc à ne retrouver en bout de fibre que ce mode. Ceci est vrai dans le
cas d'une fibre idéale, sans défauts. En pratique, la fibre présente un certain nombre de
24
défauts qui font qu'il se produit un mélange entre les divers angles de propagation permis
ainsi qu'un échange d'énergie. On parle alors de couplage de modes.
Couplage de modes
Le couplage de modes donne naissance à un nouvel angle (figure 2.7) et ses causes
peuvent être [49] :
les microcourbures : la microcourbure change l'angle de propagation de la

lumière. Un mode d'ordre élevé est changé en un mode d'ordre plus faible ou
vice-versa, ce qui peut avoir pour conséquence que la condition de réflexion
totale dans la fibre ne soit plus remplie. Dans ce cas le rayon pénètre dans la
gaine et est perdu. Le couplage de modes résulte en une compensation des
vitesses de propagation des modes. Les microcourbures créent donc aussi bien un
couplage de modes qu'une atténuation;
la diffusion : des défauts dans le cœur agissent comme centre de diffusion et vont
transformer un mode en plusieurs autres modes qui vont être réémis à la même
longueur d'onde, mais dans des directions différentes.
Centre de diffusion
Microcourbure
Figure 2.7 : Couplage de modes par un centre de diffusion et une microcourbure.
Pour plus de détails sur le couplage de modes, le lecteur intéressé pourra se reporter aux
références [45], [49], [53].
25
Distance d'équilibre et distribution de modes à l'état d'équilibre
Le couplage de modes entraîne qu'une distribution de modes donnée à l'entrée de la

fibre est modifiée. Cependant, à partir d'une certaine distance dans la fibre, la distribution
de modes ne dépend plus des conditions d'injection mais de la fibre elle-même. On dit
qu'on a atteint la distance d'équilibre, Leq, de la fibre. Celle-ci varie de quelques mètres à
quelques kilomètres selon la qualité de la fibre [53]. Au bout de la distance d'équilibre,
s'établit un état d'équilibre (Steady State Distribution, SSD). On a alors une répartition à
l'équilibre des modes (Equilibrium Mode Distribution, EMD) caractérisée par une
distribution plus ou moins gaussienne des puissances transportées par chaque mode et un
supplément d'atténuation globale. Cet état d'équilibre intervient au bout d'une distance
d'autant plus courte que le couplage est fort; Leq peut être raccourcie en créant de fortes
contraintes en début de fibre. La distribution de modes à l'état d'équilibre est obtenue en
mesures à l'aide d'un brouilleur. Ce procédé s'appelle mélangeurs de modes (mode
scrambler) et apporte une certaine atténuation localisée; on augmente alors l'atténuation
[49]. Lorsque l'état d'équilibre est atteint, la distribution de puissance sur les modes et
l'atténuation linéique sont constantes et la bande passante est plus grande que celle prévue
par la relation BL (longueur x bande passante) = constante.
Champ proche (Near Field Distribution)
La distribution en champ proche correspond à la répartition de la densité de la

puissance optique sur la superficie de la section transversale au bout de fibre.
Champ lointain (Far Field Distribution)
La distribution en champ lointain correspond à la répartition de la puissance

rayonnée en bout de fibre en fonction de l'angle 9 formé par le rayon lumineux et l'axe de
la fibre. La puissance est mesurée loin de la sortie de la fibre à une distance beaucoup plus
grande que le diamètre de la fibre si bien que la différence angulaire des différents rayons
sortant de la fibre en différents points de la section transversale peut être négligée. Comme
26
résultat des mesures, on obtient dans la majorité des cas une répartition gaussienne de
l'intensité en champ lointain. Le champ lointain dépend des conditions d'excitation, du
type de fibre, de la longueur de l'échantillon et de la longueur d'onde [45].
Pour de plus amples détails concernant les méthodes de mesures de la distribution

du champ proche et du champ lointain, le lecteur intéressé peut se reporter à [7] et [45].
2.3 Atténuation, dispersion et bande passante
2.3.1 Atténuation
L'atténuation ou perte de puissance transmise constitue l'un des principaux

problèmes que l'on rencontre dans un système de transmission. Elle traduit
l'affaiblissement du signal au cours de la propagation à la suite de phénomènes
d'absorption, de diffusion et de rayonnement. Chaque mécanisme de perte contribue de
façon indépendante à l'atténuation totale dans la fibre. L'atténuation à l'état d'équilibre
varie en fonction de la longueur d'onde X et de la longueur L de la fibre. Pour une longueur
d'onde définie, la puissance décroît en fonction de la longueur de la fibre et on a [7] :
P L =pJ' a L \ (2-13)
où P0 et PL sont respectivement la puissance de la lumière à l'entrée et à la sortie de la
fibre de longueur L exprimée en km ou en m et a est la valeur du coefficient d'atténuation

linéique exprimée en km"1 ou en m . Pour des raisons pratiques, il est habituel d'exprimer
l'atténuation en dB/km ou en dB/m. On peut facilement démontrer que :
a [1 d B / HJ = 1 ^ 4 mL > Jl
m(lO) (2A4)
* 4343a' [m - 1 ].
27
L'étude des causes de l'atténuation ne fait pas partie du cadre de ce mémoire. Nous
soulignons simplement le fait que l'atténuation est principalement due :
à la diffusion de Rayleigh qui est un mode de diffusion élastique. Ce sont des

pertes inévitables que l'on retrouve dans toutes les fibres. Dans les fibres dites de
bonne qualité, la diffusion de Rayleigh est proportionnelle à \/À 4 et elle limite les
performances dans le domaine du visible et du proche infrarouge ;
et aux effets de la liaison OH oxygène hydrogène, qui présente un pic de forte

atténuation.
Pour de plus amples détails sur l'atténuation et ses causes, le lecteur intéressé pourra
se reporter aux références [7], [11], [31].
2.3.2 Dispersion dans les fibres optiques multimodes
La dispersion réfère à tous les processus aboutissant à une différence du temps de

propagation des différents modes; elle entraîne une réduction de l'amplitude de modulation
des hautes fréquences et un étalement temporel de l'impulsion. Plus on peut injecter
d'impulsions lumineuses par unité de temps, plus la capacité de transmission de la fibre est
grande. Pour que l'information soit bien transmise, deux impulsions successives distinctes à
l'entrée de la fibre doivent être également distinctes à la sortie. Cependant, il se produit
dans la fibre un élargissement des impulsions appelée dispersion temporelle et deux
impulsions distinctes à l'entrée de la fibre peuvent être mélangées à la sortie. En effet,
lorsque l'on envoie une impulsion lumineuse infiniment étroite (Dirac) dans la fibre
optique, celle-ci excite tous les modes de propagation de la fibre. À la sortie de la fibre, on
constate alors un élargissement de l'impulsion dans le domaine temporel (c'est le
phénomène de dispersion intermodale). Si le délai séparant deux impulsions est trop bref,
les signaux se recouvrent en sortie. Cela a pour conséquence l'interférence entre symboles
(Inter Symbol Interference, ISI). L'élargissement des impulsions oblige donc à augmenter
le temps entre deux impulsions successives, ce qui a pour conséquence de réduire la
28
capacité de la fibre. Dans la fibre multimode à saut d'indice on a principalement deux

formes de dispersion qui sont la dispersion modale ou intermodale due à la différence de
temps de propagation de groupe entre les modes et la dispersion chromatique ou
intramodale due à la variation du temps de propagation de chaque mode avec sa fréquence,
donc avec sa longueur d'onde [49] (voir figure 2.8).
Dispersion
Dispersion du
matériau
Figure 2.8 : Mécanismes de dispersion dans la fibre optique multimode à saut d'indice.
Les paragraphes qui suivent constituent une synthèse de la notion de dispersion.

Pour de plus amples détails, le lecteur intéressé pourra se reporter aux références [7], [45],
[49] et [53].
2.3.2.1 La dispersion intermodale (ou modale)
La dispersion intermodale ou modale est la principale cause de dispersion dans les

fibres multimodes, elle limite la distance de propagation et le débit avec lequel on peut
transmettre l'information. Inhérente aux fibres multimodes, elle n'existe pas dans les fibres
monomodes. La dispersion modale provient de la différence de temps de parcours de la
lumière dans la fibre en fonction des chemins parcourus [49]. Elle est due à la différence de
temps des trajets du rayon axial (mode rapide) et du rayon réfléchi critique (mode lent). Il
est possible de calculer la largeur maximale de l'impulsion reçue dans le cas d'une fibre
multimode à saut d'indice, où seule la longueur du trajet de chaque mode varie, la vitesse de
chacun des modes reste identique.
29
Rayon incident, mode rapide Rayon incident, mode lent
Figure 2.9 : Dispersion intermodale, propagation d'un mode rapide et d'un mode lent.
On note tx le temps de propagation du mode rapide (rayon parallèle à l'axe, a = 0)
et t2 le temps de propagation du mode lent (rayon d'inclinaison sur l'axe, a = «max ). Les
temps de propagation sont déterminés géométriquement d'après la figure 2.9 [7] :
«»
'i=A (2.15)
2
t _ £ "coeur _ j "coeur * _ A " icoeur
(2.16)
c c sinrmax c AÏ,gaine
où Z, et Lj sont les distances parcourues par le mode lent et le mode rapide.
On déduit l'écart maximal de temps de propagation notée Ar,mod

30
A
^mod=^2-/l
' n —n '
= A ncoeur coeur gaine
C n
game )
L 2 (2-17>
A 2
2« c (ON)
coeur
•M coeur A .
Armod est l'écart maximal de temps de propagation entre le mode le plus rapide et le mode
le plus lent (largeur maximale de l'impulsion reçue). La dispersion modale par unité de
longueur (différence de temps de propagation de groupe linéique en s/m) est donnée par :
n
\ T _ coeur A
modjinéique
° (2.18)
= ——(ON)2.
2
"coeurC
Dispersion modale et ouverture numérique vont donc de pair; de faibles valeurs de la

dispersion imposent une faible différence relative d'indice A et une faible ouverture
numérique. Inversement, une grande ouverture numérique implique une grande dispersion.
2.3.2.2 Dispersion chromatique
Chaque impulsion de lumière est faite d'un nombre fini de longueurs d'onde qui se
propagent de façon différente. La dispersion chromatique (Chromatic Dispersion, CD)
caractérise l'étalement du signal lié à sa largeur spectrale et traduit la différence de vitesse
de groupe. La dispersion chromatique notée Archrom, introduit des retards de propagation
pour différentes composantes spectrales du signal. Elle résulte de la somme de deux effets :
la dispersion propre au matériau, et la dispersion de guide, liée à la forme du profil d'indice.
31
Dispersion de suide d'onde
Particulièrement importante dans les fibres monomodes, elle est due au fait qu'une
partie de la lumière pénètre dans la gaine avec des angles et une profondeur différents. Elle
est causée par la différence d'indice relative qui dépend aussi de la longueur d'onde [45].
Dans les fibres multimodes, seule une petite portion des modes élevés pénètre dans la
gaine. De ce fait, l'effet de la dispersion de guide d'onde y est négligeable et n'est pas
considérée dans les fibres multimodes à saut d'indice [7].
Dispersion du matériau
Une impulsion lumineuse issue de source optique est composée de plusieurs

longueurs d'onde. L'indice de réfraction des fibres est différent selon la longueur d'onde de
la lumière et chaque longueur d'onde se propage dans la fibre à une vitesse spécifique. La
dispersion du matériau varie donc selon la longueur d'onde d'utilisation. Elle est faible et
souvent négligeable devant la dispersion modale [7].
On peut retenir que la dispersion totale dans une fibre multimode est la somme
quadratique de la dispersion modale et de la dispersion chromatique. La dispersion totale de
la fibre multimode est également appelée largeur à mi-hauteur de l'impulsion reçue {Full
Width at Half Maximum, FWHM) et s'écrit comme suit :
A
W = *WHM = V(A rmod )2 + (A rchrom )2 . (2.19)
Dans la suite, nous considérons la dispersion modale comme prédominante, ce qui est
généralement vrai dans le cas des fibres multimodes à saut d'indice. Dans le cas de la SI-
FOP, la dispersion modale est tellement grande que la dispersion du matériau et la
dispersion du guide d'onde peuvent être approximées à zéro [54], Artotale = Armod = rFWHM.
32
2.3.3 Bande passante des fibres multimodes
L'atténuation et la bande passante notée B sont deux paramètres importants en

télécommunications sur fibres optiques. Le produit bande passante, longueur de la fibre L
est noté BL, et caractérise la capacité de transmission de la fibre.
Nous avons vu dans la section 2.3.2, qu'une impulsion qui se propage dans la fibre
s'élargit à cause de deux phénomènes indépendants qui sont la dispersion modale et la
dispersion chromatique. La dispersion cause une réduction de la bande passante. Du point
de vue fréquentiel, l'effet de dispersion implique que la fibre optique se comporte comme
un filtre passe-bas qui laisse passer les signaux à basses fréquences et atténue les signaux à
fréquences élevées [7]. La détermination de l'élargissement des impulsions permet
d'obtenir une estimation grossière de la bande passante. La bande passante d'un système de
communications optiques est généralement considérée comme étant la fréquence pour
laquelle l'amplitude du signal optique a diminué de 3 dB. Strictement parlant, cette
approche ne s'applique qu'à un filtre passe-bas gaussien. Si l'on procède par mesures, la
dispersion peut être évaluée en injectant à l'entrée de la fibre une impulsion de durée
extrêmement courte assimilable à une impulsion de Dirac et en mesurant la largeur de
l'impulsion à l'arrivée après une distance parcourue L correspondant à la longueur de la
fibre. On remarque d'après les mesures que l'impulsion à l'arrivée a une forme ressemblant
à une gaussienne. De ce fait, la dispersion est généralement définie à l'aide de paramètres
caractérisant une courbe gaussienne [7].
33
p
i
-Î7/Î -<r -<r/î 0 <y/î « îff/2
Figure 2.10 : Paramètres caractéristiques d'une impulsion gaussienne.
Soient P , l'amplitude maximale de l'impulsion et a le paramètre caractéristique

de l'impulsion (voir figure 2.10). L'impulsion gaussienne est décrite par :
( e Ï
P (t) = P exp 2
(2.20)
2<T
On définit la largeur à mi-hauteur (Full Width at Half Maximum, FWHM) rFWHM
( P(t) = P/2 ) comme suit :
Z
'FWHM=20"Vm4 (2.21)
À une impulsion gaussienne correspond dans le domaine fréquentiel, une fonction de

transfert, obtenue par transformée de Fourier, qui s'exprime comme suit :
H ( f ) = Aexp (2*fY cr_ 2 (2.22)
Pour rester cohérent avec la notation que nous adoptons dans la suite de ce mémoire, nous
notons f_3dB la bande passante optique à -3 dB de la fibre qui s'écrit [7] :
34
v/ln4
J-MB ~ (2.23)
2KG
Si nous introduisons f_idB dans (2.22), nous avons alors
t <• \ 2
/
H ( f ) = Aexp -ln(2) (2.24)
\ J/-:
-3dB J
Et le produit rFWHM x f3dB qui donne la relation entre l'élargissement impulsionnel à mi-
hauteur et la bande optique à -3 dB est alors [7] :
2crVîn4Vîn4
X
'FWHM f-MB
J-MB ~
2;rcr
ln4
(2.25)
n
«0,44.
Le produit BL est alors défini comme suit
BL~*&-.L (2.26)
'FWHM
Ces grandeurs sont données pour 1 km de fibre; rFWHMest donné en ns/km et f_idB est
donné en MHz x km. La relation entre la bande passante et l'élargissement de l'impulsion
dépend de la forme exacte de l'impulsion, et par conséquent de la répartition d'énergie
entre les modes. Nous utilisons dans la suite les résultats énoncés en (2.23) et (2.26). Pour
plus de détails sur cette méthode, le lecteur intéressé pourra se référer à [7].
2.4 La fibre optique plastique
Depuis les premières fibres de « Bell Laboratories », les fibres optiques n'ont cessé
d'évoluer permettant de s'affranchir des distances. De nos jours, les techniques de
35
transmission sur fibre de verre (silice) en télécommunications sont très bien maîtrisées.
L'augmentation croissante de la demande en termes de débits et de capacité, la course aux
économies poussent à la recherche de nouvelles fibres répondant aux besoins actuels en
termes de coûts et de capacité. La première idée de fibres optiques plastiques (FOP) est
antérieure à la fibre de verre et remonte aux années 1960. La première SI-FOP en PMMA,
nommée « Crofon », fut inventée en 1968 par Dupont. En 1975, fut commercialisée la
première SI-FOP sous le nom « ESKA » par Mitsubishi Rayon. Depuis, on retrouve sur le
marché d'autres fabricants de FOP comme Firecomms Ltd., Diemont, Luceat, Avago
(Infineon, Hewlett-Packard, Agilent), Asahi Chemical et Toray, etc.
O
FOP, diamètre du cœur 1000 / Fibre de verre multimode, Fibre de verre monomode,
980 um diamètre du cœur 125 / 70 um diamètre du cœur 125 / 9 um
Figure 2.11 : Comparaison du diamètre gaine/cœur de différentes fibres optiques.
Tel que mentionné au chapitre 1, les FOPs sont faites de divers matériaux polymères tels
que le polyméthacrylate de méthylé (PMMA) qui est le matériau le plus employé, le
polystyrène et le polycarbonate. L'atténuation des FOPs est élevée dans le domaine visible.
Les FOPs sont généralement des fibres multimodes à saut d'indice (SI-FOP) ou à gradient
d'indice (GI-FOP). Comme le montre la figure 2.11, le diamètre du cœur des FOPs est très
grand comparé à celui des fibres traditionnelles. La SI-FOP en PMMA est la forme la plus
ancienne et la plus commercialisée de fibre optique plastique [129]. Non seulement elle est
peu coûteuse à fabriquer mais elle est également facile à mouler, ce qui la rend avantageuse
pour une production de masse.
36
a[dE /km]
1000
/ 1000
/
J
V
800 800
600 600
400 400
0
500 600 700 800
*
».[niti]
Figure 2.12 : Caractéristiques spectrales de la FOP en PMMA de diamètre 1000 pm.
Ces dernières années, on assiste à la manifestation d'un grand intérêt du côté

scientifique et industriel pour la FOP [55]; les progrès réalisés ont permis d'améliorer la
transparence des SI-FOPs, leur stabilité thermique et la bande passante pour la
transmission. À ce jour, il n'existe pas de solution pour compenser la forte dispersion
modale de la SI-FOP due au gros diamètre du cœur. Néanmoins, de nombreuses études
montrent qu'il est possible de transmettre du gigabit Ethernet sur la SI-FOP. Elle est donc
envisagée aujourd'hui comme solution pour les branchements d'abonnés jusqu'à 300 m [3],
[54]. La figure 2.12 présente la fenêtre d'atténuation de la fibre optique plastique en
PMMA. On distingue deux minima absolus à 522 nm et 570 nm (longueurs d'onde du vert)
dont l'atténuation est environ 70 dB/km [7] et un minimum relatif aux alentours de 650 nm
(longueur d'onde du rouge), d'atténuation 120-150 dB/km.
Les avantages de la FOP sont nombreux; on peut citer entre autres :
le gros diamètre du cœur, la grande ouverture numérique et la longueur d'onde

d'utilisation qui facilitent la manipulation;
37
- la grande souplesse, la légèreté, la bonne résistance mécanique, l'immunité aux

interférences;
- la mise en œuvre facile au niveau de la connectique et des raccordements ainsi que

le faible coût global des systèmes.
Cependant, avec les avantages de la FOP viennent également des inconvénients tels que la
grande dispersion modale, la bande passante limitée et la forte atténuation.
Dans la suite, nous retenons la fibre ESKA PREMIER GH4001 de Mitsubishi

Rayon, car elle fait partie des fibres de référence en matière de SI-FOP et c'est celle pour
laquelle nous disposons du plus grand nombre de valeurs expérimentales dans la littérature.
2.5 Paramètres de base pour la fibre ESKA PREMIER GH4001
Les valeurs des paramètres nécessaires pour modéliser la fibre sont calculées à
partir de la fiche technique du fabricant de la fibre ESKA PREMIER GH4001 (annexe B)
et regroupées dans le tableau 2.2.
Tableau 2.2 : Fibre ESKA PREMIER GH4001, données fournies par le fabricant.
Paramètre Valeur
Indice de réfraction du cœur ncoeur "^,=1,492
Indice de réfraction de la gaine n ine "game = M 0 2
Diamètre du cœur : dcoeur = 2 a (a = rayon) «/«.,= 980/iw

Diamètre de la gaine <U. =1000 fm
Diamètre protection àprotecllOn=2200pm
38
Les matériaux composants le cœur et la gaine sont respectivement le PMMA et le

polymère fluoré. La longueur d'onde d'utilisation est A = 650nm. Les paramètres
caractéristiques de la SI-FOP calculés sont regroupés aux tableaux 2.3 et 2.4.
Tableau 2.3 : Paramètres caractéristiques de la FOP.
Paramètres principaux Expression Numéro de Valeur / Expression

mathématique l'équation calculée
Différence d'indice relative ( 2 _ 2 ) (2.2) A = 5,63.10"2

A \ coeur gaine /
2n2
coeur
Ouverture numérique (ON) O N

(2.9) et (2.11) ON = 0,5
= >/"c2oeur-"gaine
Angle complémentaire de
=arcsin
(n 1 (2.10) ^=70,4°
l'angle maximal dans la fibre rmax
gaine
gaine ,
Angle critique dans la fibre (2.10)
K
« m ax=90°-r max «max = 1 9 , 6 °
Angle d'acceptance 0max=arcsin(CW) (2.12) ^=30°
Fréquence normalisée V (2.4) V = 2368,278

V= -Htf" co , u ,-V( 2A )
Nombre de modes M V2 (2.5) 2 804 369,251
M= —
2
Tableau 2.4 : Paramètres complémentaires calculés.

Paramètre Expression mathématique Equation
Temps de transit des modes (2.15)
t] = L "coeur
parallèles à l'axe, /, c
Temps de transit des modes n

(2.16)
j coeur
avec un angle maximum, t2 c sinv^J

Délai différentiel équivalent à n<loa ( 1 1 (2.17)
A- _* t - I " 1
la dispersion intermodale c ^sin^) j
39
Application numérique pour une longueur de fibre L = 100 m
D'après les valeurs et équations des tableaux 2.2, 2.3 et 2.4, on a :
- l'angle critique à l'intérieur de la fibre et son complémentaire valent

respectivement : amax = 19,6° et ymax = 70,4°. On en déduit alors la relation entre
les axes (y) et (z) de la fibre :
z = ^/sin(/ m a x )
= >'/sin(70,4°)
= >>-l,0615.
coeuI
- Les temps de propagation du mode rapide et du mode lent sont : /, = L , et
c
coeur
t2 = L -1,0615. On peut alors déduire l'écart maximal de temps de propagation
c
entre le mode le plus lent et le mode le plus rapide, correspondant à la dispersion
modale : Armod = I - ^ - - 0 , 0 6 1 5 .
c
- Pour une longueur de fibre L = 100 m, ncoeur = 1,492, et c = 3 • 108 m/s, on obtient :
Ar mod =3,0586-10" 8 s.
Soit encore Armod =30,586 ns. Avec l'approximation (2.24): TFmm*f3dB «0,44 et en
considérant que TFWHM = Armod, on a :
/_3„B=0,44/Arra
'mod
= 0,44/(30,586-IO"9)
= 14,38610 6 Hz.
Soit encore
f_3dB =14,386. MHz.

40
2.6 Conclusion
Ce deuxième chapitre nous a donné l'occasion de nous familiariser avec le sujet de

l'étude et de présenter les propriétés et caractéristiques des fibres optiques. Nous nous
sommes attardés sur les caractéristiques particulières des fibres optiques plastiques telles
que la grande ouverture numérique, l'atténuation élevée aux longueurs d'onde d'utilisation,
la forte dispersion et la facilité d'utilisation. Les progrès réalisés dans la fabrication de la
fibre optique plastique et sa facilité d'utilisation en font aujourd'hui un candidat idéal pour
la conception des réseaux FTTx à coût modique. Il existe plusieurs types de fibre optique
plastique, mais la plus répandue et la moins coûteuse est celle en PMMA à saut d'indice de
diamètre de cœur de 1 mm (SI-FOP). Ce chapitre constitue un tour d'horizon des fibres
optiques. Nous avons défini quelques concepts et paramètres importants pour la
compréhension du reste du mémoire. Pour finir, nous avons présenté la FOP commerciale
ESKA PREMIER GH4001 de Mitsubishi Rayon qui est modélisée par la suite. Les valeurs
des paramètres caractéristiques de cette FOP ont été calculées et regroupées dans des
tableaux (tableaux 2.2, 2.3 et 2.4).
CHAPITRE 3
Approches de modélisation de la FOP
3.1 Introduction au problème de modélisation de la FOP
Depuis de nombreuses années, la fibre optique est utilisée pour la transmission de

l'information en télécommunications. La transmission sur fibre de verre est une technologie
bien maîtrisée et de nombreux modèles de cette fibre ont été développés. Nous avons vu
que le guidage de la lumière par réflexions totales interne est commune à toutes les fibres et
que les caractéristiques, paramètres et principes qui régissent la fibre de verre s'appliquent
également à la FOP. La SI-FOP standard, avec sa grande ouverture numérique de 0,5 et son
gros diamètre d'environ 1 mm permet la propagation de plusieurs millions de rayons
lumineux. Le signal qui se propage dans la SI-FOP est atténué et déformé. Ces effets
doivent être pris en compte lors de sa modélisation. Malgré les similarités que la FOP
présente avec les autres types de fibres, son comportement physique reste très différent. Par
exemple, si on considère que la dispersion chromatique est prépondérante dans la fibre de
verre monomode, la dispersion dans la FOP est beaucoup plus complexe et ne dépend pas
exclusivement des caractéristiques de la FOP elle-même mais également du couplage de
modes dans la fibre. De ce fait, les approches classiques de modélisation de la fibre de verre
qui se basent sur la faible atténuation ne sont pas valides pour la FOP car cette condition
42
n'est pas vérifiée. L'un des principaux problèmes lorsqu'on cherche à décrire les
caractéristiques de propagation dans la FOP est le grand nombre de modes capables de s'y
propager. En théorie, tous les modes permis peuvent être calculés. Cela exige néanmoins
beaucoup de mémoire, de temps de calcul et une bonne résolution [7]. Pour toutes ces
raisons, de nombreuses approches de modélisation simplifiées ont été établies dans le cas
de la FOP. Ces approches résultent d'un compromis entre la précision des résultats et le
temps de calcul. Ces méthodes reposent sur certaines simplifications et présentent des
domaines de validité ou imposent des conditions sur la nature des paramètres
optogéométriques de la fibre devant être traités Jusqu'à présent, aucune approche
universelle n'a été établie et tous ces modèles coexistent sans interaction [16]. Il n'existe
toujours pas de standard pour les fibres optiques fortement multimodes comme la FOP. On
distingue néanmoins principalement quatre classes d'approches de modélisation, à savoir :
l'approche modale : elle se base sur l'équation d'onde pour caractériser la

propagation dans la fibre. La propagation des ondes électromagnétiques est régie
par les équations de Maxwell. La théorie de Maxwell définit l'existence de modes
de propagation discrets et permet de résoudre analytiquement et de façon précise
un nombre restreint de cas particuliers. Néanmoins, les solutions obtenues avec
cette méthode diffèrent suivant la méthode utilisée [7]. Les principales méthodes
pour résoudre l'équation d'onde que l'on retrouve dans la littérature sont : la
méthode des différences finies et la méthode de propagation de faisceau;
les méthodes d'approximation, qui sont plus ou moins souples dans leur emploi,
mais qui donnent de bons résultats si la variation d'indice sur une distance de
l'ordre de la longueur d'onde optique est négligeable et si le rayon du cœur de la
fibre est largement supérieur à la longueur d'onde optique. La recherche d'une
méthode permettant de faire l'inventaire de tous les modes pouvant être excités
dans une structure cylindrique fortement multimode présentant un profil d'indice
de symétrie de révolution, peut être utile pour calculer le nombre de modes, leur
constante de propagation et par voie de conséquence la dispersion intermodale.
Parmi ces méthodes, on peut citer la méthode matricielle, la méthode analytique,
43
le développement en série de fonction, les méthodes de perturbation, la méthode

WKB (ou WKBJ) [52];
l'optique des rayons qui tend selon le formalisme développé aux méthodes
d'approximation; cette méthode nécessite souvent une solution numérique avec
des conditions d'applications identiques à celles présentées dans l'utilisation des
méthodes d'approximations [52];
l'approche des FOPs micro-structurées calcule les champs des modes par la
méthode des multipôles ainsi que l'atténuation modale et les délais des modes.
Les propriétés de propagation sont déterminées en résolvant l'équation vectorielle
de l'onde. La précision des résultats obtenus par cette méthode dépend du nombre
de termes pris en compte dans l'expansion de série [16].
Dans ce chapitre, nous présentons des exemples de méthodes de modélisation et

abordons les modélisations analytiques du modèle gaussien et du « power flow equation ».
3.2 Survol de quelques méthodes de modélisation de la FOP
3.2.1 La méthode du tracé de rayons ou « ray tracing »
La méthode du tracé de rayons se base sur le fait que la propagation de la lumière

dans la fibre peut être décrite et caractérisée de la même manière que la propagation de la
lumière dans l'espace libre. Cette approximation est d'autant plus exacte que les
dimensions de la fibre sont grandes et qu'un très grand nombre de modes guidés peuvent se
propager dans la fibre [7]. Ainsi, les fibres fortement multimodes sont souvent modélisées
par la méthode du tracé de rayon ou « ray tracing »; cette méthode s'applique généralement
à la FOP [16]. L'optique géométrique classique fournit une description approximative de la
propagation de la lumière dans les guides où la variation d'indice de réfraction est
négligeable sur les distances de l'ordre de la longueur d'onde. Dans le cas de la FOP, le
nombre approximatif de modes est très grand, de l'ordre de IO4 à IO6, ce qui permet
44
d'analyser la FOP en utilisant les paramètres de l'optique géométrique et en remplaçant le

concept de mode utilisé dans la théorie électromagnétique par le concept de rayon en
optique géométrique [66]. Ainsi, la manière la plus directe de déterminer la propagation de
la lumière dans une fibre fortement multimode comme la FOP est d'utiliser le « ray
tracing » dans le cœur de la fibre. L'équation iconale qui décrit la trajectoire suivi par le
rayon est la base de tous les calculs effectués par la méthode du « ray tracing ». Ce modèle
ne tient pas compte de phénomènes d'ondes tels que le champ partiel qui pénètre dans la
gaine et l'effet Goos-Hanchen (élargissement apparent du guide). Les principaux avantages
du « ray tracing » sont que c'est une méthode intuitive à comprendre et que tous les effets
peuvent être implémentés localement sans tenir compte des effets globaux [67]. Tandis que
les méthodes modales doivent être modifiées lorsque l'atténuation et le couplage de modes
sont implémentés, dans le cas du « ray tracing », on peut rajouter ces effets par la suite dans
le modèle de façon simple. Il existe dans le commerce d'excellents logiciels pour simuler
différentes situations du « ray tracing », on peut citer par exemple le logiciel TracePro.
3.2.2 La méthode WKB
Bien que les conditions de propagation de la lumière soient bien connues dans les
fibres optiques, les fibres optiques fortement multimodes doivent être modélisées d'une
façon spécifique. La méthode WKB est une méthode d'approximation qui fut développée
par Wentzel, Kramers et Brillouin (parfois notée WKBJ pour Wentzel, Kramers, Brillouin
et Jeffreys). La méthode WKB est une approche de solution à l'équation d'onde scalaire
[7]. Elle permet de résoudre de façon approchée l'équation de Schrôdinger [63]. Son
utilisation pour l'étude de la propagation dans un milieu à gradient d'indice consiste à
développer le champ électromagnétique en une somme d'ondes planes. Cette méthode a la
particularité de donner des expressions analytiques simples, ce qui évite l'emploi de
méthodes numériques lourdes qui se prêtent difficilement à l'étude de phénomènes tels que
ceux décrivant le couplage de modes [52]. Par exemple dans [65], T. Ishigure utilise la
méthode WKB pour déterminer la dispersion intermodale et intramodale d'une GI-FOP à
grande bande passante. Ce qui lui permet d'établir une méthode pour calculer les propriétés
45
modales de la GI-FOP avec 100 000 modes guidés. Ainsi, les solutions obtenues par la
méthode WKB contiennent des simplifications dans la description de la fibre qui
correspondent à la description de la fibre par la méthode de tracé de rayons. Cette méthode
établit un pont entre la description de la fibre par la méthode du « ray tracing » et la
méthode modale. Elle permet d'établir les expressions des constantes de propagation, du
délai de groupe et d'obtenir une estimation rapide de la bande passante ou de la capacité de
transmission de la fibre [7]. Pour de plus amples détails sur la méthode WKB, le lecteur
intéressé pourra se reporter aux références [63], [64], [68] et [69].
3.2.3 L'approche « mode solving »
Le couplage de modes influence les caractéristiques de la propagation dans la FOP.

Comme nous l'avons déjà mentionné, le couplage de modes consiste en un transfert de
puissance d'un mode donné à d'autres modes dans la fibre. Ce phénomène peut être décrit
pour chaque mode individuel m dans la fibre par le « power flow equation » qui caractérise
le transfert de puissance (« power flow ») d'un mode à un autre sur des portions
infinitésimalement petites de la fibre [7]. Le couplage de modes est relativement complexe
puisqu'il décrit le couplage entre tous les modes de la fibre. Néanmoins, en pratique, dans
la fibre seulement une petite partie des modes interagissent entre eux. À partir de ces
observations, D. Gloge a développé un modèle de diffusion décrivant le couplage de modes
uniquement entre les modes voisins d'un groupe de modes. De ce fait, un mode d'ordre m
va interagir avec ses modes voisins d'ordre m - \ et d'ordre m + 1. En assignant un angle
de propagation O à chaque groupe de modes comme il est possible de le faire dans les
fibres à saut d'indice, et en admettant qu'il existe un très grand nombre de modes pouvant
se propager dans la fibre de telle sorte que les angles de propagation individuels diffèrent
peu, D. Gloge détermina l'équation de propagation avec des transferts de puissance entre
les modes, connu sous le nom de « power flow equation », que nous abordons dans la
section 3.3. L'avantage de cette méthode est l'indépendance complète du profil d'indice de
réfraction.
46
3.3 Présentation des deux modèles de la SI-FOP simulés
3.3.1 Le modèle gaussien
Les fibres multimodes sont généralement modélisées comme des systèmes linéaires
en amplitude dans le domaine électrique, isotropique (dispersif) et indépendant en temps.
La réponse en fréquence de la fibre multimode est définie comme la transformée de Fourier
de l'enveloppe de la réponse en intensité à une impulsion optique qui entre dans la fibre et
est détectée après propagation de l'impulsion au-delà d'une certaine distance parcourue. On
note / / F ( / ) , la réponse en fréquence normalisée de la fibre, sans unité. Le modèle
gaussien établit que la réponse en fréquence de la fibre multimode a une amplitude

gaussienne et une phase linéaire. Dans ce modèle du système, on ne tient pas compte du
couplage de mode [27]. Tous les modes excités indépendamment les uns des autres se
propagent sur toute la longueur de la fibre sans interaction mutuelle. Supposer que la phase
est linéaire permet de considérer constante la vitesse de groupe.
3.3.1.1 La réponse impulsionnelle de la fibre
On peut modéliser la réponse impulsionnelle de la fibre en considérant les signaux à

l'entrée et à la sortie de la fibre. Comme nous l'avons déjà mentionné dans la section 2.3.3,
en injectant à l'entrée de la fibre une impulsion de durée extrêmement courte, impulsion de
Dirac, l'impulsion à la sortie de la fibre a une forme gaussienne décrite par l'équation :
( t2
P(t) = Pexp
2a 2 y
\
et on a donc,
M»-"®
P
( (2 \ (3.1)
= exp
v 2a' ,
47
La bande passante d'une fibre optique est définie comme étant la fréquence maximale de
transmission pour laquelle le signal transmis subit un affaiblissement de 3 dB. On peut
calculer la bande passante de la fibre en considérant la réponse en fréquence obtenue par
transformée de Fourier de la réponse impulsionnelle :
H,(/)=TF{lv(/)}. (3.2)
La bande passante est alors la fréquence f_3dB comme mentionné à la section 2.3.3, avec :
\Mf™f*\- (3-3)
3.3.1.2 Modélisation gaussienne de la réponse en fréquence de la SI-FOP
Les mesures expérimentales effectuées en [28] montrent que le profil d'intensité du

champ de mode en sortie de la fibre est d'allure gaussienne. En partant des résultats
expérimentaux et des mesures présentés en [28], le canal SI-POF peut être modélisé comme
un filtre passe-bas gaussien et sa réponse en fréquence normalisée est définie comme suit :
M/)=« » (3-4>
avec
fo=f-MB/jMÏ),
où f_3dB est la bande passante à -3 dB de la pleine largeur du canal électrique - vers -
électrique. On peut également noter une autre relation intéressante entre f0 et le paramètre
caractéristique G qui est :
/o=4r—• (3-5)
V2 KG
48
Les travaux effectués dans [29] ont permis de déterminer, pour le canal réel mesuré SI-FOP
les valeurs de f_3dB pour différentes longueurs de la fibre. Ces valeurs sont présentées au
chapitre 6 et sont utilisées pour simuler le modèle passe-bas gaussien (modèle numérique
gaussien) du canal ainsi que le modèle « power flow equation ».
3.3.2 Pourquoi est-il difficile de trouver un modèle réaliste de la SI-FOP?
Nous avons vu au chapitre 2 qu'en pratique, la fibre optique multimode présente des
imperfections plus ou moins accentuées qui entraînent des transferts de puissance entre les
différents modes de propagation. Il se crée de nouveaux modes qui se propagent dans la
fibre; la constante de propagation est modifiée et la puissance totale P(z) véhiculée à
l'abscisse z voit sa répartition sur les différents modes de propagation modifiée. De plus, il
peut y avoir des pertes dues à l'apparition de modes de fuites. Ces pertes de transmission
dépendent du nombre de modes et provient des imperfections. Le couplage de modes et les
pertes qui y sont associés produisent un changement de la forme de l'impulsion optique
transmise à cause de la modification de la répartition de modes. Comme les modes se
propagent à des vitesses différentes et échangent de la puissance, la forme de l'impulsion
de sortie est différente de celle qui existe quand le couplage de mode est absent. L'effet
exact est difficile à prévoir car il dépend entre autres du type de fibre et des conditions
d'excitation; il peut prendre plusieurs formes. Plusieurs études réalisées entre autres par D.
Gloge, M. Rousseau et L. Jeunhomme [48], [100] ont établi que l'atténuation et la bande
passante des fibres optiques multimodes présentent une dépendance non-linéaire sur la
longueur de la fibre; cette dépendance trouve son origine dans le couplage de modes. Il
apparaît donc clairement que la description des caractéristiques de la fibre par les lois de
l'optique géométrique est incomplète. En pratique, la FOP est fortement multimode et est
caractérisée par un couplage de modes important. La relation qui lie la bande passante à la
longueur de la fibre est alors complexe et différente de l'approximation établie en (2.26)
par la théorie des rayons (optique géométrique) qui est largement utilisée lorsque l'on
cherche à estimer la capacité de la transmission [47].
49
Il existe dans la littérature, plusieurs méthodes pour évaluer les caractéristiques de la

fibre optique. Par exemple, on peut déterminer la bande passante de la fibre à partir de
paramètres facilement mesurables comme l'ouverture numérique [97], ou encore, on peut
utiliser une impulsion optique étroite en entrée et mesurer l'élargissement en prenant
comme paramètre, soit le temps, soit la fréquence ou bien mesurer la réponse en fréquence
en faisant un balayage de la fréquence du signal d'entrée. Cependant, ces méthodes
simples, bien qu'efficaces, ne permettent pas d'obtenir une description complète de la fibre
et des changements de la bande passante avec la longueur [98].
Une autre méthode pour évaluer les caractéristiques de la fibre que l'on retrouve
dans la littérature est basée sur l'équation de propagation de la puissance de D. Gloge et
d'expérimentations effectués en champ lointain pour déterminer le profil de la distribution
appelé Far Field Pattern (FFP) afin d'obtenir les fonctions caractéristiques de la diffusion
angulaire et de l'atténuation pour une fibre donnée [72]. Ces fonctions permettent de tenir
compte de la dimension temporelle de l'équation de propagation avec transferts de
puissance et de prédire la distribution de la puissance angulaire à la sortie quelques soient la
longueur de fibre et les conditions d'injection des rayons dans la fibre [71]. Cependant,
cette description est encore incomplète car la dépendance temporelle n'est pas explicite
dans l'équation de propagation ce qui a pour conséquence qu'il n'est pas possible de
caractériser la réponse en fréquence par une équation mathématique ni de calculer la bande
passante.
La méthode que nous retenons pour caractériser la SI-FOP se base sur l'équation de
propagation de D. Gloge et y incorpore une dimension temporelle pour résoudre l'équation
dans le domaine fréquentiel. La réponse impulsionnelle de la fibre est dérivée en résolvant
l'équation différentielle obtenue par la méthode des différences finies de Crank-Nicholson.
50
3.3.3 Modélisation d e la fibre à p a r t i r de l'équation d e Gloge
3.3.3.1 Introduction au modèle de D. Gloge
L'utilisation de la FOP pour les communications courtes distances est de plus en plus
envisagée. Comme nous l'avons déjà vu dans les chapitres précédents, deux principaux
inconvénients de la FOP sont sa grande atténuation qui se situe aux alentours de 150 dB/km
et son faible produit BL due à la dispersion modale. Pour surmonter ces limitations de la
bande passante, il est nécessaire d'effectuer un traitement numérique au niveau du
transmetteur et/ou au niveau du récepteur. Il est alors intéressant d'évaluer les
performances du système en effectuant des simulations. D'où la nécessité d'avoir un
modèle numérique réaliste du canal SI-FOP. Le modèle du tracé de rayons permet de
déterminer pour chaque rayon d'injection, le trajet parcouru dans la fibre. Cela permet de
prédire les paramètres influant sur la propagation. Il existe différents modèles de simulation
pour les trois paramètres principaux qui affectent la propagation dans la fibre à savoir :
- la dépendance angulaire de l'atténuation,
- la dispersion modale,
- et le couplage de modes.
En partant de l'équation générale de propagation « power flow equation » (PFE) de

D. Gloge [48], on peut modéliser le processus de couplage de modes et la dépendance
angulaire de l'atténuation. La réponse en fréquence du canal SI-POF obtenue à partir de
l'équation généralisée PFE incorpore la dimension temporelle où l'on tient compte des
fonctions de diffusion et d'atténuation de la fibre en fonction de l'angle de propagation. Le
modèle obtenu fournit donc une description de l'évolution spatio-temporelle de la
distribution de puissance angulaire transmise dans la fibre.
51
3.3.3.2 Équation de propagation de puissance dans la SI-FOP
Nous décrivons dans cette section, une méthode basée sur l'équation différentielle
de D. Gloge et une solution tirant avantage de l'approche matricielle et de la méthode des
différences finies pour résoudre l'équation dans le domaine fréquentiel. Cette approche est
basée sur le même principe que celui utilisé dans [99] pour obtenir la réponse
impulsionnelle de la SI-FOP. Pour la détermination de l'équation de propagation, nous
suivons ici le développement effectué dans [47].
Rappel sur le principe d'échanges de puissance entre les modes
Quand on injecte de la lumière dans la fibre, les directions de propagation permises

constituent les modes de propagation et le coefficient m est l'ordre du mode. Les modes
correspondant à de petites valeurs de m subissent peu de réflexions totales et sont appelés
modes d'ordre faible. Ceux qui correspondent à de grandes valeurs de m sont appelés les
modes d'ordre élevé. En théorie, chaque mode peut transférer de la puissance à tous les
autres mais, pour simplifier l'étude, on fait l'hypothèse qu'un mode n'est couplé qu'à ses
plus proches voisins [48]. Un mode de paramètre m transférera de la puissance uniquement
aux modes de paramètres m - 1 et m +1. Pour la SI-FOP, le paramètre m vaut pour un
groupe de m modes et le couplage intervient avec les (m -1) modes de paramètre m - 1 .
Modélisation du couplage et équation de propagation
La modélisation du couplage de modes dans la fibre est complexe, mais peut

s'écrire de manière simplifiée en caractérisant les modes par leur angle d'incidence 6. Soit
6 l'angle de propagation entre l'axe de la fibre et la direction de propagation z des ondes
planes. On peut considérer 6 comme une variable continue. Aucune hypothèse n'est émise
sur les fonctions de diffusion angulaire et d'atténuation que l'on note respectivement d{&)
et cc{0). En suivant le même raisonnement que D. Gloge dans [48], on introduit la

52
dimension temporelle dans l'équation différentielle de la propagation. La puissance à

l'intérieur de la fibre est donc exprimée selon trois paramètres :
- l'angle d'excitation^,
- la localisation sur l'axe z de la fibre (axe de propagation le long de la fibre),

correspondant à la composante z dans l'équation de propagation de Gloge,
- et le temps /.
L'équation temporelle de propagation de D. Gloge, est donnée en fonction des

dérivées partielles de P(8,z,t) par rapport à z , t et 6 , et s'écrit comme suit [48] :
a_ a_ sssssi vV / v\ ' ' t

. (3.6)
dz dz et ' ' ea ea ae y V ' sss\a
dG
ou :
P(d,z,t) est la distribution de puissance dans l'espace et le temps à l'angle 6,
6 est l'angle caractérisant le mode à l'intérieur de la fibre,
z est la distance parcourue par le mode de l'entrée à la sortie de la fibre

(dimension spatiale),
/ est le temps (dimension temporelle),
a(6) correspond à l'atténuation propre du mode;
d{6) est le coefficient de diffusion;
— est le délai de groupe du mode à l'angle caractéristique 6 (délai du mode par

dz
unité de longueur) tel que — = —

dz c.cos(f?)
53
rit
En passant le deuxième terme de gauche dans (3.6) à droite et en remplaçant — par
dz
sa valeur en fonction de 6 qui est , on obtient l'équation suivante

.cos(6>)
dP(0,z,t) "coeur ÔP(0,Z,t)i 1 d ( a ^ ^ dP(9 t Z.t)

= -a{9).P(e,z,t)- +— e.d(e). (3.7)
dz c.cos(0) dt e d0 de
Si on effectue à présent la transformée de Fourier des deux côtés de (3.7), en

utilisant les propriétés de la dérivation de la transformée de Fourier, on obtient alors
l'expression simplifiée suivante:
dP(e,z,w) ,„ i i Ô L , / „ * dp(e,z,w)^
yK
a(e)+ ■JW p
F y( e , z , w ) + — e-d(e)-
w ' (3.8)
dz c-cos(e) ' ede\ de
où p{e,z,w) = j Qxp{-jwt)P{e,z,t)dt est la transformée de Fourier de P(e,z,t).
dp(e,z,w)
Si on développe le terme e-d(e) dans (3.8) en utilisant les
ede de
propriétés mathématiques bien connues de la dérivation de fonctions composées, alors (3.8)
peut se réécrire comme suit :
dp(e,z,w)
a(e)+ "coeu;^ p(e,z,w)
dz c-cos w
d(e) dd(e) dp(e,z,w)
+ (3.9)
e
de de
2
d p(e,z,w)
+d(e)
de 2
Pour résoudre cette équation différentielle, on utilise la méthode des différences

finies qui permet de rechercher la solution de l'équation aux dérivées partielles (3.9). En
54
suivant le développement de [47], la puissance à un angle f? et à une distance z + Azest

obtenue comme étant une combinaison linéaire de la puissance à ce même angle et aux
deux angles adjacents (# + A#,r9- A#) à une distancez . La méthode des différences finies
nous donne :
- pour la première et la deuxième dérivée qui sont des dérivées de premier ordre, on
peut remplacer l'opération de dérivation par des différences finies « en avant », on
a alors respectivement :
dp(e,z,w) p(e,z+Az,w)-p(e,z,w)
(3.10)
dz Az
dp(e,z,w) _ p(e+Ae,z,w)-p(e-Ae,z,w)
(3.11)
de 2A9
pour la troisième dérivée qui est une dérivée de second ordre, on peut remplacer
l'opération de dérivation par des différences finies « centrée », on a alors :
d 2 p(e,z,w) _ p(e+Ae,z,w)-2p(e,z,w)+p(e-Ae,z,w)
(3.12)
de2 Ae2
En remplaçant les différentes dérivées dans (3.9) par leurs expressions définies en
(3.10), (3.11) et (3.12), on a alors :
p{e,z-v Az, w)- p(e,z, w) n„.

a(e)+ JW p(e,z,w)
Az c-cos w
d(e) dd(e) p(e+Ae,z,w)-p(e-Ae,z,w) (3.13)
+
9 de 2Af^
p(0 + A9,z,w)-2p(9,z,w) + p(e-Ae,z,w)
+ d(e)
Ae 2
En multipliant par Az à gauche et à droite dans (3.13), et en faisant passer le terme
en p{e,z,w) qui est à gauche dans (3.13) à droite, on a finalement l'expression
équivalente à (3.13) qui s'écrit comme suit :

55
p {e, z + Az, w) = p (#, z, w) a (e) + c-cos(#) ■jw Az- p(e,z,w)
Az d(0) dd(0)
(p(e+Ae,z,w)-p(e-Ae,z,w))
2A0 e de (3.14)
Az
-^(e)-^P(e,z,w)
+d(e)-^s T (p(e+Ae,z,w)+ P (e-Ae,z,w)).

AG
En réécrivant (3.14), on obtient finalement pour l'équation de propagation que la

puissance à un angle f? et à une distance z + A z , s'exprime de la façon suivante :
( ( \ \
p ( e , z + Az,w) = 1 - a ( e ) + - "n.coeu;^ -jw Az p(e,z,w)
c-cos(#)
+■
Az —^-+d'(e) (p(e+A e,z,w)-p(e-A e,z,w))
2-A0 G (3.15)
2d(e)Az .
d
+ \l 2 àz ( P (e+Ae,z,w)+p(e-Ae,z,w)).
Ae
Introduisons maintenant les indices m et k qui réfèrent à des pas de discrétisation

Ae et A z pour un angle e et une longueur z, respectivement. Soient z, la longueur
initiale de la fibre et z2 la longueur à laquelle on cherche à déterminer la distribution de

puissance (longueur à la sortie de la fibre). On définit :
z = z 2 -z x =m-A z (3.16)
où m est un entier que l'on peut déterminer pour n'importe quelle paire de longueur
(z x ,z 2 ), tel que z 2 > zy. On définit également l'entier k, tel que :
e=k-Ae. (3.17)
56
L'équation (3.15) est une équation différentielle linéaire que l'on peut réécrire sous
une forme plus compacte en adoptant une représentation matricielle. Les variations de la
distribution de puissance angulaire à chaque pas A z sont donc données par un simple
produit matriciel [48]. Ainsi, étant donné la distribution de puissance angulaire p(e,z x ,w)
à une longueur initiale z,, la distribution de puissance angulaire p(e,z 2 , w) à une longueur
z2 donnée peut être déterminée à l'aide de l'équation matricielle suivante :
p(z 2 ,w) = (A(w) + D) m . p(z„w), (3.18)
où p est un vecteur dont chacun des composants d'indice k est la puissance à l'angle de
propagation discrétisé e , tel que défini dans (3.17) et w est un entier tel que défini dans
(3.16) à condition que l'on choisisse un A z petit. A est une matrice diagonale qui traduit
la propagation de la puissance en absence de diffusion. Les éléments de A sont obtenus à
partir de (3.15) et sont donnés par la première expression de droite, en p [ e , z , w ) , en
( f
remplaçant e par sa valeur discrétisée k-A e dans 1 a(0) + ■JW Az . Les
c-cos w
éléments de A s'écrivent alors comme suit :
A,k (w) « 1 - A z.a (k.Ae) - Az. .jw. (3.19)

c.cos (k.Ae)
On remarque que (3.19) est une approximation de premier ordre de l'expression suivante :
4 M M = <*p - A z . a ( k . A e ) - A z . —-.jw (3.20)

l A c.cos(k. e)
L'expression (3.20) est utilisée dans la suite afin de s'assurer que les éléments de la matrice
A soient toujours positifs, ce qui permet de résoudre le problème de stabilité que l'on a
pour les grandes valeurs de a ; cela permet également l'utilisation d'un pas de discrétisation
Az plus grand. On remarque d'après (3.18) que A dépend uniquement de la fréquence.
57
Pour w = 0, la solution de (3.18) est donnée par l'analyse des mesures du diagramme de
rayonnement en champ lointain pour une longueur L donnée, P(9,z = L); la solution de
(3.18) pour Vf = 0, correspond au FFP pour une longueur L donnée. Les itérations sur les
valeurs de w permettent d'obtenir une description complète de l'évolution spatiale et
temporelle de la puissance optique dans la fibre [48]. On obtient des valeurs complexes de
Akk (w) en échantillonnant la fréquence angulaire w à la précision désirée dans le calcul
de la transformée inverse de Fourier de p(e,z,w) qui permet d'obtenir P(9,z,i).
La matrice D est une matrice tri-diagonale qui permet de tenir compte de la

diffusion dans la fibre. En reprenant (3.15), les termes incluant la diffusion sont :
d(G)
TermesDiffusion = Az + d'{G) (p(G+A G,z,w)-p(G-A G,z,w))
2AG G J
2d(G)Az
p(G,z,w)
AG2
+ d yj*(p(G+AG,z,w) + p{G-AG,z,w))
AG2
Az ^ W ' ( ^ ] ( p ( ^ A ^ z , v , ) ) - ^ [ ^ W ( ^ ( p ( 5 - A ^ , z , v v ) )
t
2-AG
2d(G)Az
p(G,z,w)
AG2
d(G)Az, . „ .v d(G)A z, . „ .*
Az 1 d(G) A z \ , , -.A z
d(G)- 2 - y i ? ) j - e (P{0-M.z t w))
AG 2 G A G 2 J
2d(G)Az
■p(G,z,w)
AG2
f
. / - A z \d(G) A z 1 Â ( d zAz
+ d(G) 2■ + <HP)f 0 (p(G+A G,z,w)).
AG 2 G A Q~2
58
En raisonnant de la même manière que pour trouver A , les éléments de D sont

trouvés à partir de (3.15) en remplaçant 9 par sa valeur discrétisée k-A 9. Les éléments de
D pour des valeurs de k tel que k > 0 sont données par :
\d(k-A9) 1 , Az
*>M- d(k-A9)- —2d(k-AO)
A92
Az
DkJc = -2d(k-A 9) (3.21)
A92
Az
Dk,k+\ d(k-A9)+-d'(kA9)A9
A92
D est obtenu en remplaçant 9 par k- A9 dans l'expression TermesDiffusion. Les éléments

de D décrivent la diffusion de la puissance sur une longueur différentielle de la fibre. Cela
indique la portion de la puissance qu'un mode transmet aux modes voisins et la portion de
la puissance que ce même mode reçoit par échange de puissance avec les modes adjacents.
On cherche maintenant à déterminer les composantes de D pour la valeur

indéterminée k = 0 correspondant donc k 0 = 0. Pour cela, considérons d'abord le dernier
1 ^ f dP(0,z,t)
terme de l'équation (3.7) qui est 9.d(9) ; si on développe ce dernier
d9
terme, il est également équivalent à :
dP(9,z) d(9) d ( dP(9,z)

v = d{9) ■+ G. (3.22)
9d9{ ' d9 d9 9 d9 \ d9
Dans [105], il a été établit l'approximation suivante pour la limite à f? = 0 de

1 d ( . dP(9,z)^
tf.
GdG de
v
i d ( . dP(e,z) \ d2P{e,z)
lim 0 « 2 lim (3.23)
<?-o e d e de o-* dffîe
On en déduit alors :
59
(\__d_< dP{e,z,t))) _ dP(e,z) e2p{e,z)

lim e-d(e) =</'(o)- 2d(0) (3.24)
<?->o K 0 d 0 y de de dede
Les différences finies appliquées aux deux dérivées que l'on a dans l'expression de droite
de (3.24) correspondent respectivement à :
dP(e,z) p(o+Ae,z)-p(o-Ae,z)
(3.25)
de 2Af5
0=0
et
d2p(e,z) P(0 + Ae,z)-2P(0,z) + P(0-Ae,z)
(3.26)
dede 0=0 Âë2
En remplaçant dans (3.25) les différentes dérivées par leurs expressions correspondantes
données en (3.26) et (3.27), on obtient alors :
r dP(G,z,t) ))_ , P(O+

A 0,z)-P(O-
A fl,z)
lim LL' 9d(6) v
■ ' ' =d'(0)
0-»O
GdG d9 J) 2A9 0=0
(3.27)
P(0+Ae,z)-2P(0,z)+P(0-Ae,z)
+2</(0) Aé2 0=0
De plus, puisque de par la nature de P ( e ) , on a P ( 0 - A e , z ) = P(0 + A#,z), (3.27) est
réduit à :
f \\
lim L±! e.d(e) dP(e,z,t) 4d(0)
P(0 + A e , z ) - P ( 0 , z )
(3.28)
0-rO ede de Ae2
On peut donc déduire que les expressions pour la condition à la limite 9 = 0 et pour un pas
Az s'expriment comme suit :
Az
A, =-4^(o)^ et D0l=4d(0) (3.29)
~Âë 2
60
O A6 2A8 3A9 9 6
I 1 1 1 1 ,
1 2 3 4 N k
Figure 3.1 : Segmentation de l'intervalle [0, 0].
La figure 3.1 montre la segmentation de l'intervalle [0, Ol. Les expressions
correspondant au maximum à la borne k = N sont données par (3.21). Cependant, la valeur

du terme DN JV_, doit compenser l'absence du terme DN N+1 de telle sorte que la somme des
termes soit nulle. On en déduit alors les expressions suivantes :
Dw=2d(N)-^ et DNN = - 2 d ( N ) ^ 2 . (3.30)
L'avantage de cette méthode est que l'on se sert du fait que la matrice soit creuse.
De ce fait, il est plus efficace de calculer la matrice à une certaine puissance que d'effectuer
ce même nombre d'itérations sous MATLAB [47]. De plus, pour obtenir les distributions
de puissance dans le domaine spatial et temporel en sortie, il n'est pas nécessaire de
recalculer les différentes matrices lorsque l'on change les conditions initiales puisque ces
conditions dépendent uniquement des valeurs de la diffusion et de l'atténuation. Les
conditions initiales de la simulation sont exprimées sous forme vectorielle. Une fois le
vecteur des conditions initiales établi, on multiplie ce vecteur par le système matriciel. Cela
nous permet par la suite d'obtenir la réponse en fréquence à une longueur z = L donnée
aussi bien pour chacun des angles de sortie p(e,z, w) que la réponse en fréquence globale
en intégrant la puissance totale sur tous les angles à une fréquence donnée. On a alors :
jr/2
H(L,w)= jsm(e)p(e,L,w)de. (3.31)

0
La transformée de Fourier inverse permet de déterminer pour cette même longueur la

réponse impulsionnelle.
61
Un aspect important qui apparaît dans ce modèle établi par la triple dépendance à
l'angle de propagation, à la longueur et au temps, est que pour obtenir la réponse en
fréquence à une longueur donnée z = L, la connaissance de la réponse en fréquence à une
quelconque courte longueur (z = L0) donnée, H(L 0 < L,w), ne suffit pas. Ceci est valable
que l'on raisonne dans le domaine fréquentiel ou temporel. Ainsi, afin de calculer la
réponse en fréquence à une longueur donnée, il est nécessaire de connaître la distribution de
puissance angulaire à l'entrée de fibre : P ( e , z = 0,t = 0) ou p(f),z = 0,w), où il n'y a pas
de propagation de retard temporel. En fait, les résultats expérimentaux réalisés dans [103]
suggèrent que la distribution à l'entrée a un fort impact sur la réponse en fréquence et peut
modifier l'équilibre de la diffusion et de l'atténuation différentielle.
Les valeurs de Az et Af? sont critiques pour la convergence des calculs. Ces
valeurs ont été déterminées par des mesures expérimentales réalisées dans [47] pour assurer
la convergence lors de la simulation de la fibre Mitsubishi ESKA PREMIER GH4001 et
correspondent à : Az = 0,001 m et Af9 = 0,005 rad. Les valeurs des paramètres d'atténuation
et de diffusion angulaire utilisées dans la suite ont été déterminées par mesures
expérimentales réalisées en champ lointain dans [72].
3.3.3.3 Paramètres modélisés : fonctions d'atténuation et de diffusion angulaire
Fonction d'atténuation
Nous avons vu à partir de l'équation de propagation de puissance de D. Gloge

définit dans (3.8) que la variation de la puissance dépend des fonctions d'atténuation et de
diffusion qui varient suivant les valeurs de e. Pour de grandes valeurs de la longueur de la
fibre z{z>2,5m), lorsque la distribution de puissance a atteint l'état d'équilibre (Steady
State Distribution, SSD), la solution de (3.8) peut être exprimée comme étant le produit de
deux fonctions de variables indépendantes tel que [72] :
Pss D =Q{e)e- r z . 0.32)

62
La fonction Q(e) décrit l'allure du profil de la distribution de puissance à l'état d'équilibre
(diagramme de rayonnement d'équilibre) et dépend uniquement de l'angle de propagation

e ; y correspond à l'atténuation de la fibre. La dépendance à la longueur de la fibre, z , est
donnée par une fonction exponentielle décroissante qui caractérise la baisse de la puissance
due à l'atténuation y dans la fibre. L'introduction de cette solution dans (3.8), permet
d'obtenir une équation reliant a ( # ) , Q(e) et d ( e ) . Ainsi, on peut calculer la fonction
d'atténuation qui s'exprime alors comme suit :
f an//j\\
1 1 dQ(0)
a (0) = r + — 0d(0) (3.33)
v } de
Q{e)ede
L'atténuation de la fibre, y, est calculée en se basant sur la puissance déterminée à

partir des images des profils mesurés en champ lointain, ce qui correspond à l'intégrale sur
l'angle solide et dont l'expression est la suivante [72] :
p T (z)=l(p(e,z))dQ
Of
n_ £ (3.34)
2* 2 2
= j dç\sin(e)P(e,z)de = 2KJsm(e)P(e,z)de,
0 0 0
o ù P { e , z ) = p SSD .
Détermination de la diffusion
L'estimation de d ( e ) , (3.8) est résolue numériquement afin d'obtenir un modèle de
prédiction FFP. On commence les calculs avec une valeur supposée de d ( e ) . La valeur
finale estimée est celle qui minimise l'erreur quadratique moyenne (Root Mean Square
Error, RMSE) entre le modèle prédit et les mesures FFP. Le modèle mathématique de la
diffusion proposé finalement dans [72] dépend des paramètres d0 , </,, d2 et o d . Ce sont
63
des paramètres arbitraires qui permettent d'approcher au mieux les résultats expérimentaux
dans [72]. Nous avons alors l'expression de la fonction de diffusion qui s'écrit comme suit :
d(0)=d (335)
*+T^h&-
\ + d-.e *
Pour de faibles valeurs de (9, (3.35) tend vers la valeur d 0 +—■—. A lors que pour de
\ + d2
grandes valeurs de ^ , (3.35) tend vers la valeur d0.
Détermination de l'expression de Q
Afin d'obtenir l'atténuation angulaire définie dans (3.33), il est indispensable

d'avoir une expression analytique de £?(#)• L'expression normalisée de Q(G) donnée par
[72] est définie comme suit :
(l+«-»ïïl+«-«)
La fonction QN (f?) (diagramme de rayonnement) possède plusieurs caractéristiques qui la

rendent adéquate dans le contexte où elle est utilisée ici. Comme on pourra le voir au
chapitre 6 (figure 6.7), la fonction QN (#) a un comportement asymptotique plat à l'origine
et à l'infini; elle décroît de façon monotone et est continuellement derivable. De plus, les
quatre paramètres arbitraires qui la caractérisent donnent assez de souplesse pour la
modélisation du champ lointain. À l'état d'équilibre, quel que soit le diagramme de
rayonnement injecté à l'entrée de la fibre, au bout de la distance d'équilibre, le diagramme
de rayonnement émis par la fibre est le même (diagramme de rayonnement à l'équilibre).
Les différents résultats de simulation sont présentés, analysés et commentés au

chapitre 6.
64
3.4 Conclusion
La prédiction des caractéristiques de transmission telles que le diagramme de

rayonnement, l'atténuation globale et la réponse en fréquence d'une fibre donnée, une fois
les conditions d'injection précisées, reste un problème crucial lorsque l'on cherche à
modéliser la fibre. Dans ce chapitre 3, nous avons fait un survol de diverses méthodes de
modélisation de la fibre optique plastique. Une attention particulière est portée sur le
modèle gaussien et le modèle « power flow equation ». Le modèle gaussien est la
modélisation la plus courante dans la littérature des fibres optiques multimodes. Le modèle
« power flow equation » est dérivé de l'équation générale de la propagation avec couplages
de modes de Gloge. C'est une méthode numérique basée sur des mesures expérimentales
qui incorpore une dimension temporelle où l'atténuation et la diffusion de la fibre
dépendent de l'angle de propagation. Cette dernière modélisation de la fibre optique
plastique est plus réaliste que le modèle gaussien, mais est également plus complexe à
programmer.
CHAPITRE 4
Généralités sur les communications optiques et la DMT
Dans ce chapitre 4, nous introduisons les communications optiques, puis nous nous
intéressons aux principes généraux de la modulation DMT et nous effectuons ensuite
l'analyse théorique de la DMT dans un système optique à modulation d'intensité et
détection directe en considérant, sans perte de généralité, le cas d'un canal idéal sans bruits.
4.1 Introduction aux communications optiques
La FOP est de plus en plus envisagée pour les communications courtes distances
(< 100 m) incluant les réseaux locaux. Le terme réseau local a été introduit pour
différencier les liaisons à débits très élevés mais à courtes distances, des réseaux à longues
distances engendrant des débits plus faibles. Les systèmes basés sur les câbles optiques en
comparaison avec les câbles coaxiaux possèdent des avantages tels que les faibles
dimensions, le poids minime, le faible affaiblissement, la largeur de bande élevée,
l'isolation galvanique, la sécurité des communications, l'insensibilité aux perturbations
électriques, etc. La transmission de signaux lumineux sur des fibres optiques, nécessite aux
deux extrémités de la fibre des éléments émetteurs et récepteurs capables de convertir les
signaux électriques en signaux lumineux et réciproquement. Une liaison par fibre optique,
comme illustrée à la figure 4.1, se compose, du côté émission, d'un modulateur et d'une
66
source de lumière, généralement un laser; et du coté réception, d'un photodétecteur en

général une photodiode qui convertit le signal optique en signal électrique et d'un
démodulateur.
Canal de
Émission Réception
transmission
optique optique
Données optique Données
électriques en électriques en
entrée sortie
Figure 4.1 : Principe d'un système de transmission sur fibre optique.
Les principaux éléments qui interviennent dans une transmission sur fibre sont :
les transducteurs électro-optiques à l'émission et opto-électroniques à la réception

qui transforment le signal électrique en signal lumineux et inversement. Ils sont
complétés par un dispositif d'adaptation optique à la fibre et peuvent être
considérés respectivement comme un modulateur d'amplitude du flux optique et
un détecteur d'enveloppe optique. La partie émission délivre au support de
transmission un signal optique sur lequel sont inscrites les données; le modulateur
électrique permet de mettre l'information à transmettre sous une forme adéquate.
Du côté émetteur, le signal électrique module l'intensité de la source lumineuse;
le support physique de la transmission est une fibre optique plastique de longueur

variable;
le photodétecteur et le démodulateur électrique à la réception permettront

d'effectuer l'opération inverse du modulateur et de la source. Le signal optique
est transformé en signal électrique et l'information transmise est restituée.
4.1.1 L'émission : la source optique; rappel de quelques définitions
Nous rappelons brièvement le principe de génération de la lumière par les sources

adaptées aux applications en télécommunications. Nous ne traitons pas ici de la théorie des
67
lasers et des diodes électroluminescentes. Il existe des ouvrages complets qui y sont
consacrés, comme par exemple les références [94], [95] et [96].
4.1.1.1 Les semi-conducteurs
Un semi-conducteur possède deux niveaux énergétiques pour les électrons, à savoir

la bande de valence et la bande de conduction, séparées l'une de l'autre par l'intervalle de
bande (energy gap) [45]. Un photon injecté dans le semi-conducteur cède son énergie à un
électron dans la bande de valence; le photon disparaît et laisse une place vide appelée
« trou ». Un électron peut passer d'un état à un autre de trois façons (figure 4.2). On a :
- l'émission spontanée : de sa propre initiative, l'électron peut tomber dans un état

moins énergétique non occupé en émettant un photon spontané. Il passe d'un état
ionisé à un état lié. La recombinaison d'une paire électron-trou est radiative. C'est
l'électroluminescence;
- l'absorption : en absorbant un photon, l'électron peut être amené dans un état plus
énergétique. Il passe de l'état lié (électron et trou combinés) à ionisé (électron dans
la bande de conduction et trou dans la bande de valence);
- l'émission stimulée : frappé par un photon, l'électron peut retomber dans l'état le
moins énergétique (état lié) en émettant un photon stimulé dont le rayonnement
correspond à la même longueur d'onde, la même phase, le même état de polarisation
et la même directivité spatiale que le photon incident. On parle alors de lumière
cohérente. Avec l'émission stimulée s'introduit la notion de gain ou d'amplification
du rayonnement incident puisque, à partir d'un photon, on en obtient deux.
L'émission spontanée trouve son application dans la diode électroluminescente,

l'absorption dans la photodiode et l'émission stimulée dans la diode laser [45]. Un semi-
conducteur est de type n si le courant électrique est conduit surtout par des électrons
(porteurs négatifs). Si le semi-conducteur est de type p , le courant électrique est alors
conduit par les trous (porteurs positifs). Une combinaison de deux couches formée par un
semi-conducteur de type p et de type n, appelée jonction pn, forme une diode [45].
68
Bande de
conduction 9 «- Électron
A/V
/W.
Intervalle
de bande A/V A/V
\
Photon A/V
Bande de Q
valence
Trou o
(a) Émission spontanée (b) Absorption (c) Émission stimulée
Figure 4.2 : Principe des interactions électro-optiques dans un semi-conducteur.
4.1.1.2 Sources optiques
L'étage d'émission convertit un train de données binaire électrique en impulsions

optiques. En télécommunications optiques, les émetteurs sont des diodes lasers (DL) ou des
diodes électroluminescentes (DEL ou Light Emitting Diode, LED). Ce choix s'explique par
les petites dimensions des émetteurs en rapport avec celles du cœur des fibres optiques, de
la relative facilité que l'on a à moduler directement la lumière émise en agissant sur le
courant, leur spectre optique relativement étroit et leur faible consommation énergétique.
Diode électroluminescente (DEL)
C'est le composant le plus simple qui réalise l'émission spontanée. Les DELs
génèrent la lumière lorsqu'elles sont parcourues par un courant. Ce sont des émetteurs
incohérents, c'est-à-dire que la lumière émise contient plusieurs longueurs d'ondes et ne
garde pas sa phase dans le temps mais fluctue : incohérence temporelle; la lumière émise
dans différentes directions par différents points de la source n'est pas synchronisée et
fluctue aussi : incohérence spatiale. D'un point de vue spectral, les DELs couvrent la
gamme du visible allant du vert au rouge en passant par le jaune. L'intensité émise par la
DEL est appelée puissance optique; c'est l'énergie rayonnée par seconde. La puissance
optique est proportionnelle au courant dans la diode. L'intérêt des DELs réside
principalement dans la luminescence élevée, la tension d'alimentation faible, la rapidité de
69
réponse, l'encombrement réduit, la grande fiabilité et la forme variée. Quelques

caractéristiques des DELs sont le spectre typique de l'émission spontanée qui est continu et
assez large (d'où la forte sensibilité à la dispersion chromatique); la caractéristique
puissance-courant linéaire et le temps de réponse assez élevé (de l'ordre de la dizaine de ns)
qui limite la bande passante des signaux transmis. Bien que les performances de la DEL
soient limitées, c'est un composant intéressant dans la mesure où son coût est faible, le
bruit bas et sa fiabilité est excellente [45].
P [mW] (P"is^nce
lumineuse)
.2 S u
1 E .2"
as n
1
L_ -_ _ _ __
I [mA]
(Courant
de diode)
Modulation d'amplitude
numérique du courant
Figure 4.3 : Puissance lumineuse en fonction du courant d'une diode laser.
La diode laser
LASER est l'abréviation de Light Amplification by Stimulated Emission of

Radiation, ou amplification de la lumière par émission stimulée de rayonnement. Le seuil
de l'effet laser est obtenu quand le gain maximal est assez élevé pour compenser toutes les
pertes que l'onde rencontre. La caractéristique de la puissance optique en fonction du
courant de la DL est irrégulière. Lorsque le courant augmente au-dessus du courant de seuil
7th (threshold), l'émission stimulée apparaît et la pente de la caractéristique est forte. Cela
se traduit par une certaine directivité du rayonnement dans la direction perpendiculaire aux
faces de la cavité et par une augmentation brutale de la puissance émise par la DL. On
70
mesure 7th au niveau du fort coude de la caractéristique puissance-courant du laser

présentée à la figure 4.3. Le courant de seuil marque la séparation entre un fonctionnement
dominé par l'émission spontanée et celui dominé par l'émission stimulée [45]. Il dépend de
la structure du laser, de la température et augmente irréversiblement avec le vieillissement.
Caractéristiques des sources de rayonnement et comparaison DL et DEL
Les DELs et les DLs sont les sources les plus utilisées. La DEL a une large
répartition spectrale tandis que l'émission de la DL a lieu en une ou plusieurs raies
spectrales [45]. Le choix de la source doit tenir compte des propriétés de la fibre. La
lumière doit être injectée par une surface très petite et théoriquement, seule la lumière
injectée dans le cône d'acceptance se propage dans la fibre. De plus, la longueur d'onde doit
correspondre à une atténuation faible par la fibre, et la largeur spectrale doit être faible pour
minimiser la dispersion. Une bonne source de rayonnement doit être intense, consommer
peu de puissance, avoir un temps de réponse rapide, être modulable facilement, fiable, et
économique. Les DELs et les DLs sont des dispositifs différents malgré leurs similitudes.
La comparaison donne par exemple :
- comparée aux DELs, les DLs sont caractérisées par une émission plus
directionnelle, une largeur spectrale plus faible, une intensité plus grande, et un
temps de réponse plus rapide. En revanche, elles sont plus chères que les DELs;
- les DELs sont plus lentes mais moins fragiles aux décharges transitoires;
- l'impulsion lumineuse en fonction du courant d'injection est quasi-linéaire pour les

DELs, tandis que les DLs sont des dispositifs à effet de seuil. Contrairement aux
DELs, l'émission lumineuse change avec la température pour les DLs;
- l'utilisation des DLs est beaucoup moins simple que celle des DELs à cause de la
caractéristique puissance optique en fonction du courant qui n'est pas régulière.
Le choix se fera donc en fonction de l'importance des critères retenus pour une
application donnée. La DL est la source la mieux adaptée pour les télécommunications
71
optiques car elle permet d'avoir la meilleure efficacité de couplage optique avec la fibre.
Les DELs vont être privilégiées pour la conception de liens de communications optiques
sur de courtes distances pour des considérations de coûts et de facilité de mise en œuvre. La
figure 4.4 schématise les différents processus optiques et les composants associés.
Émission spontanée (DEL) Émission stimulée (diode laser)
Absorption (détecteur)
Figure 4.4 : Processus optiques et composants associés.
4.1.2 La modulation de données

Afin de transmettre les données dans les systèmes optiques, il faut les mettre sous
une forme adéquate. Pour cela, on doit réaliser une conversion des données électriques en
données optiques. C'est ce que l'on appelle la modulation. La modulation est généralement
une modulation d'intensité lumineuse interne ou une modulation externe.
4.1.2.1 Modulation interne ou directe
La modulation d'intensité lumineuse (Intensity Modulation, IM) est obtenue par la

modulation du courant qui traverse la diode d'émission. La modulation interne ou directe
de la diode laser est le procédé le plus courant. Dans ce cas, c'est la source elle-même qui
fait varier la sortie. Le signal modulant (analogique ou binaire) est superposé au courant de
polarisation. Le courant injecté dans la diode est donc modifié [45]. La modulation directe
offre l'avantage d'être simple, facile à mettre en œuvre et peu coûteuse; elle se contente
d'une tension réduite et d'une faible puissance [78]. En contrepartie de sa simplicité, elle
est directement tributaire des non-linéarités de l'émetteur optique provenant de la
caractéristique puissance-courant. Du point de vue caractéristiques de modulation, la DEL
est équivalente à une DL fonctionnant en dessous du seuil. La limite supérieure de la
72
fréquence de modulation d'une DEL est donc plus faible que celle d'une DL. Les DELs
sont principalement utilisées parce qu'elles ont un faible coût. Elles permettent de moduler
facilement le courant qui les traverse, entraînant directement la modulation en intensité de
la lumière émise. La puissance de sortie d'une DEL est directement proportionnelle au
courant injecté. Si on examine la figure 4.3, on voit qu'au-delà du seuil, le laser a un
comportement quasi-linéaire; en modulant le courant au-dessus du seuil, on obtient
directement une modulation analogique ou numérique de la lumière. La modulation directe
requiert assez peu de composants. Par exemple, si on considère un circuit constitué d'un
laser, en dehors de la source optique, seuls un générateur de courant et un pilote sont
nécessaires. Le premier va émettre à un débit donné une séquence de données à transmettre.
Le pilote commande la source optique au niveau des puissances émises (en fixant les
valeurs du courant d'alimentation) en modifiant les niveaux du courant issu du générateur.
4.1.2.2 Modulation externe
La modulation externe est utilisée pour les fréquences de modulation très élevées, à
partir de 5 à 10 GHz. Dans le cas de la modulation externe, le modulateur est situé dans le
faisceau de sortie, et la modulation consiste à écrire les données électriques sur un signal
optique continu. Elle est obtenue en modulant directement le faisceau lumineux en sortie du
laser et non plus le courant d'alimentation à l'entrée du laser. Elle est plus coûteuse et plus
difficile à mettre en œuvre comparée à la modulation directe [45].
4.1.3 La réception
Il existe différentes techniques pour récupérer le signal lumineux. Néanmoins, le

photodétecteur est toujours nécessaire pour convertir le signal optique en signal électrique.
Le principe de fonctionnement du photodétecteur est basé sur le mécanisme inverse de la
génération de rayonnement [45]; nous pourrions le comparer à un compteur de photons et
un générateur de courant. Les photodétecteurs sont généralement en silicium (Si) ou en
germanium. On distingue principalement deux types de dispositifs pour la détection : la
photodiode PIN (Positive Intrinsic Negative) et la photodiode à avalanche (PDA). Nous
73
présentons ici succinctement les photodétecteurs PIN et PDA. Le fonctionnement de la

photodiode est bien expliqué dans la référence [49].
4.1.3.1 La photodiode PIN
Dans le cas de la photodiode PIN, le détecteur est réalisé par une diode de type
Positive Intrinsic Negative (PIN); elle est constituée d'un matériau intrinsèque désigné par
i et légèrement dopé n qui est inséré entre un substrat de type p et un substrat de type n.
Les photons sont absorbés dans la zone intrinsèque non dopée (i). La probabilité de
recombinaison des électrons et des trous ainsi créés est faible. Les électrons et les trous sont
séparés par un champ électrique qui les dirige vers les zones n (négative) et p (positive)
où ils sont majoritaires [49]. La photodiode PIN est un détecteur de type quadratique.
Autrement dit, le photocourant est proportionnel à la puissance reçue. La photodiode PIN a
une bonne dynamique de linéarité, elle est simple à mettre en œuvre et bon marché.
4.1.3.2 La photodiode à avalanche (PDA)
Lorsque les porteurs accélérés dans le champ électrique atteignent des vitesses très
grandes, il se crée des porteurs supplémentaires par collision, et on obtient alors un courant
photoélectrique particulièrement élevé. Ce phénomène est appelé claquage par avalanche et
la photodiode est nommée photodiode à avalanche (PDA) [45]. L'emploi de PDA se réduit
du fait du développement des préamplificateurs à fibres dopées erbium [49]. La PDA peut
être vue comme une version améliorée de la photodiode PIN; elle est plus difficile à mettre
en œuvre que la PIN mais autorise des puissances optiques incidentes plus faibles.
4.1.3.3 Caractéristiques de la photodiode
Nous rappelons ici quelques formules des équations caractéristiques de la

photodiode qui nous seront utiles dans la suite de ce mémoire.
Il s'établit dans la jonction de la photodiode un courant inverse donné par [49] :

74
i = i s +i D , (4.1)
où iD est le courant d'obscurité (dark current) qui circule dans la jonction en absence de
lumière (ou éclairement) et is est le photocourant proportionnel à la puissance P tel que :
i s =SP. (4.2)
Le paramètre S [A/W] est la sensibilité (responsivity) de la photodiode. Cette sensibilité S

augmente avec la longueur d'onde, jusqu'à une valeur où elle est maximale, puis chute
brusquement à l'approche de la longueur d'onde limite. La première propriété requise pour
une bonne photodétection est une sensibilité importante pour la longueur d'onde utilisée. La
deuxième est la rapidité et la troisième propriété est un apport minimum de bruit. Les
photodiodes PINs sont plus sensibles que les photodiodes PDAs.
4.1.3.4 Détection directe
La détection directe ou hétérodyne dans une photodiode délivre un courant

proportionnel à la puissance optique. Il s'agit d'une détection quadratique et la photodiode
joue le rôle de mélangeur. On peut donc facilement transposer à l'optique le principe de
détection hétérodyne bien connu en radio et développé à partir des années 1930 [49]. La
méthode de détection directe consiste en la conversion, grâce à une photodiode, des
fluctuations de puissance optique porteuses de l'information en fluctuations de courant
électrique. La détection directe n'autorise que la modulation de l'amplitude.
En pratique, le détecteur n'est pas « idéal », c'est-à-dire que la bande passante n'est
pas infinie. En réalité, la résistance de charge et la capacité de jonction de la photodiode
forment un filtre passe-bas. La photodétection correspond donc à un filtrage passe-bas de
fréquence de coupure très inférieure à la fréquence de la lumière [49]. Que ce soit une
photodiode PIN ou une PDA, le principe de fonctionnement reste inchangé dans les deux
cas. En communications optiques, la photodiode PIN est néanmoins privilégiée en raison de
son faible coût et de la rapidité de sa réponse dynamique. En raison de la flexibilité, du
75
faible coût et de la grande ouverture numérique de la SI-FOP, on privilégie l'utilisation de

la photodiode PIN à base de silicium (Si) standard pour la photodétection.
4.2 Principes généraux de la DMT : cas d'un canal idéal
4.2.1 Introduction à la DMT
Le concept de modulations multiporteuses (Multi-Carrier Modulation, MCM) a

pour origine le multiplexage fréquentiel proposé à la fin des années 1950 par M. L. Doeltz
et al. L'idée de réaliser des transmissions de données en parallèle est apparue dans les
années 1960 [106]; les propriétés d'orthogonalité sont mises en évidence en 1966 [135], le
terme Orthogonal Frequency Division Multiplexing (OFDM) apparaît dès 1970 [76] et le
premier brevet de modem OFDM est déposé aux Etats-Unis [106]. Les premiers systèmes
de transmission utilisant les modulations multiporteuses étaient des systèmes militaires
(systèmes radio Hautes Fréquences) au début des années 60. En 1971, Weinstein et Erbert
proposent d'utiliser la transformée inverse de Fourier afin d'éviter de recourir à un grand
nombre d'oscillateurs [107]. Les modulations multiporteuses (OFDM) sont réellement
exploitées quarante ans plus tard avec l'avènement de la DSP (Digital Signal Processor) et
du microprocesseur dans les années 1980 [76].
La modulation OFDM est une méthode de transmissions multiporteuses dont de

nombreuses variantes existent. Elle présente un grand degré de maturité du fait de son
utilisation dans plusieurs standards de communications. Les modulations multiporteuses
comme l'OFDM consistent à répartir les symboles sur un grand nombre de porteuses (bas
débit). L'OFDM, permet donc la transmission de données numériques sur un grand nombre
de porteuses à bande étroite dans un canal multi-trajets, en assurant un compromis entre
performances et occupation spectrale. Ces porteuses appelées sous-porteuses sont
régulièrement espacées en fréquence et entrelacées pour former une base orthogonale.
Plusieurs signaux à bande étroite sont donc additionnés pour former un signal large bande.
76
Il existe dans la littérature un nombre impressionnant de livres et de publications portants

sur l'OFDM; le lecteur intéressé pourra se reporter aux références [79], [80], [81], [82] et
[83]. La référence à l'OFDM est généralement employée pour des applications sans fils. La
plupart des auteurs ayant effectué des recherches sur les systèmes de communications
filaires tels que les systèmes xDSL avaient tendance à utiliser le terme tone au lieu de sous-
porteuse (sub-carrier) ce qui a entraîné par la suite que l'OFDM soit connue sous le nom
de Discrete Multi Tone (DMT) dans ces systèmes. Dans les réseaux filaires, on admet
généralement que l'état du canal est connu, ce qui permet d'appliquer des techniques de
modulation adaptative afin d'améliorer les performances du système. L'application des
techniques de modulation multiporteuses dans les systèmes de communications optiques est
relativement nouvelle. La DMT est une version en bande de base de l'OFDM. La
modulation DMT a été introduite par Peled et Ruiz en 1980 [130] et a été revisitée quelques
années plus tard par Ruiz, Cioffi et Kasturia [50]. Les principes généraux de la DMT
présentés ici sont une synthèse non exhaustive des connaissances nécessaires à la suite de
notre étude. La modulation DMT présentée, est basée sur le même principe que la
modulation DMT utilisée dans l'ADSL. Une analyse plus approfondie du système SI-FOP
utilisant la DMT est réalisée au chapitre 5. Tout comme l'OFDM, la modulation DMT est
une technique de modulations multi-porteuses qui divise un flux de données haut débit en
une série de plusieurs flux de données émis en parallèle et à bas débit. Le canal sélectif en
fréquence est découpé en plusieurs sous-canaux ou sous-porteuses (tone) qui sont
considérés comme étant localement plats comme illustré à la figure 4.5. L'information est
alors répartie sur 2N sous-porteuses en bande de base. Ces sous-porteuses sont modulées
sur différentes fréquences de transmission [81]. L'OFDM classique consiste à transmettre
en parallèle N sous-porteuses modulées en M-QAM (Quadrature Amplitude Modulation).
L'OFDM est basée sur une modulation en amplitude d'une porteuse en phase (I) et en
quadrature (Q). La taille de la constellation, M = 2h", correspond au nombre de symboles
possibles avec bn bits/symbole. Contrairement à l'OFDM classique, le signal à la sortie du
modulateur DMT, après 1TFFT (Inverse Fast Fourier Transform) est un signal réel. Cela
entraine qu'on a besoin d'un convertisseur numérique-analogique pour générer la séquence
DMT et d'un convertisseur analogique-numérique pour récupérer la séquence DMT.
77
Canal sélectif en fréquence
Réponse en fréquence du canal
Sous-Canal (tone) localement plat
Fréquence
Figure 4.5 : Sous-canaux ou sous-porteuses (tone), modulation DMT.
4.2.2 T r a n s m e t t e u r D M T
4.2.2.1 Rappel de la notion d'orthogonalité
L'orthogonalité est une propriété fondamentale pour la transmission et la détection

de N signaux d'informations multiples sur un même canal. En mathématiques,
l'orthogonalité de deux fonctions f ( t ) et g(t) dans un intervalle [a,b] est défini par :
]f(t)g{t)dt = 0. (4.3)
L'orthogonalité est réalisée dans le domaine fréquentiel en faisant correspondre le

maximum d'une sous-porteuse au « zéro » des autres. La démonstration de l'orthogonalité
des sous-porteuses de la DMT est identique au raisonnement dans le cas de l'OFDM [20].
4.2.2.2 Modulation de chaque sous-porteuse
Le procédé de modulation et démodulation est basé respectivement sur les

algorithmes de 1TFFT (Inverse Fast Fourier Transform) et de la FFT (Fast Fourier
78
Transform). Habituellement, on utilise une modulation M-QA M pour moduler les sous-
porteuses. Les symboles présents à l'entrée d'une sous-porteuse sont associés à un point
du plan complexe I-Q (constellation A/-QAM). Ils correspondent à des nombres complexes
Cn représentés par leurs parties réelle et imaginaire suivant le « mapping » de la
constellation, au cours de la mise en constellation.
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 # - o e - J L. ' #-19--J
1 \ 1 I 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
n r ~i ~ r ~ i ~ r ~i
_; + _o* _ _; L ; # _-,4 - _;
: i : i : : !
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
In-Phase
Figure 4.6 : Codage de Gray, constellation 4-QAM.
I I I I I I I
I I I I I I I
I I I I I I I
♦«909 - 1 ♦«109 - l -#H109 - l -#^909 —
I I I i I I I
I ! I I I I I
1 | 1 | 1 j 1
J I I I I I I
♦0901- - I ^«101- - I ♦4*04 - * ♦4904 —

i i I i I I I
I i I i I I I
I i I i I I I
1 i 1 t 1 i 1
i i i 1 1 i 1
^«914 - ] ^9141- - ] ^4V14 - J ^4914 - -

I i i I I i I
I i i I I i I
I I i I i i i
I I i i i i i
I I I I I I i
!
^0919 - ! ^9V19 - • ^4V19 - ^4919 --
I i i I i i I
i i i i i i i
0
In-Phase
Figure 4.7 : Codage de Gray, constellation 16-QA M.

79
L'ensemble des symboles C n , pour n variant de 0 à N - 1 est noté {Cn} . Les figures
4.6 et 4.7 montrent deux exemples de « mapping » par codage de Gray, pour le 4-QAM et
le 16-QAM.
Comme le signal à la sortie du modulateur DMT après 1TFFT est un signal réel, il
est indispensable de transformer les symboles complexes en réels. On effectue alors la
transformation complexe/réelle utilisée dans l'ADSL. Des détails sur la méthode utilisée se
trouvent dans [26], [50], [58] et [79].
Traitement numérique - Tx DMT
s(t)
Transmetteur
CNA Diode Laser ou DEL
DMT
Biais CC
Canal
(FOP)
Traitement numérique - Rx DMT
Récepteur r(t) Filtre

CAN PD et TIA
DMT passe-bas
Figure 4.8 : Schéma bloc d'une transmission DMT sur un canal SI-FOP IM/DD.
Nous résumons les différentes étapes d'une transmission DMT sur un canal SI-FOP IM/DD
par le schéma bloc de la figure 4.8, où CNA et CAN désignent respectivement les
convertisseurs numérique-analogique et analogique-numérique; PD, le photodétecteur; TIA
désigne l'amplificateur à trans-impédance (Trans Impedance Amplifier, TIA); DEL est la
diode électroluminescente et le filtre passe-bas (FPB) est un filtre anticrénelage ou anti-
repliement qui va couper le bruit hors-bande et supprimer les répétitions de spectre (seul le
premier spectre est gardé). La convention suivante a été adoptée : —> désigne la
transmission série entre modules et — ^ caractérise la transmission en parallèle.
80
4.2.2.3 Principe du transmetteur DMT
Le schéma bloc du transmetteur DMT est illustré à la figure 4.9. Les différentes
transformations que subit le signal lors de la transmission sont expliquées ci-dessous.
Ajout du préfixe
cyclique
IFFTà
2N
points P/S
'(')
CNA
«* Séquence signal
temporel réel
«j
Sortie de
l'IFFTà2N
Entrée de points
données:
train binaire
émis en série
A, -C,
n e [1,/V-l]
et
Im{Co} = Im{CiV} = 0
Figure 4.9 : Schéma bloc du transmetteur DMT (Tx DMT).
Entrée de données
Ce bloc correspond au train binaire émis en série à haut débit à l'entrée du système.
Mise en parallèle
On répartit le flux de données en série haut débit à l'entrée du système sur N sous-
porteuses émises en parallèles à bas débit; S/P désigne la conversion série-parallèle.
81
Codage OAM
Pour chaque sous-porteuse indexée par n = 0,\,...,N — l, si un nombre de bits bn à

transmettre est alloué, on utilisera une modulation M-QAM, la taille M de la constellation
étant M = 2b". Chaque groupe de bn bits est regroupé ensemble pour former un symbole
complexe. Chaque symbole est représenté par un nombre complexe dans le plan I-Q,
Cn = A n + j B n . Ainsi, C„ correspond au symbole associé à un point de la constellation. Le
signal DMT en bande de base généré par le module de 1TFFT étant complexe, il ne peut
être transmis directement sur la FOP. La solution adoptée ici tout comme dans le standard
ADSL est la transformation de la suite des symboles complexes en une suite de valeurs
réelles en utilisant les propriétés de la symétrie hermitienne.
Transformation des symboles complexes en symboles réels
Pour effectuer la transformation de l'espace des complexes vers l'espace des réels,
on ajoute à la séquence originale des TY symboles C n , la séquence des complexes conjugués
de ces symboles afin de réaliser une symétrie hermitienne. On obtient ainsi une nouvelle
séquence de 2N symboles que l'on note D n , qui constituent l'entrée de 1TFFT. Ainsi, pour
les 2N entrées de 1TFFT indexées par n = 0,\,...,2N-l, la première moitié est assignée à
C„ et la seconde moitié est assignée aux valeurs complexes conjuguées de C n . Dn
correspond donc au nouveau symbole associé à un point de la constellation M-QAM pour
n = 0,1,...,2N-1. Cette nouvelle séquence de 2Nsymboles, Dn ainsi obtenue, génère après
le passage dans 1TFFT une séquence de 2N valeurs réelles (figure 4.9) [79]. On rappelle
que les propriétés de la symétrie Hermitienne sont :
A, = C n]
Di N -n=C l ne[l,N-l], (4.4)
et
82
Im{C0} = Im{C„} = 0, (4.5)
où l'opérateur Im{-} désigne la partie imaginaire. La valeur assignée aux sous-porteuses 0
et N doit être réelle. En pratique on pose généralement sans perte de généralité :
D0 = C0 =0
DN=CN =0
Cette dernière condition entraîne alors que la séquence DMT ne contient pas de valeur CC.
IFFT
Toutes les 2N sous-porteuses sont émises en parallèle. Le signal numérique

temporel, uk qui représente la sortie de 1TFFT à 2N points est réel. En effet, une fois tous
les coefficients C„ et Dn déterminés, on peut facilement démontrer que (voir annexe C) :
1 £=! f f k Y|
u, = — j = V 2 • Re {D„exp j2nn \,
k
yfÏNÙ l "T 2A/JJ' (4.6)
k = 0,\,...,2N-\
où l'opérateur Re{-} est l'opérateur définissant la partie réelle. Le facteur l/vZ/V permet
de normaliser l'énergie du signal qui n'est dans ce cas pas modifiée par l'opération de
modulation DMT. Pour des raisons pratiques (4.6) est généralement notée :
^lÏN^'^V^w)' (4.7)
k = Q,\,...,2N-\
Le module IFFT permet de calculer les échantillons de la trame DMT à transmettre et

d'effectuer la modulation proprement dite.
83
Conversion parallèle - série
Le module IFFT renvoie la valeur des échantillons de la trame DMT en parallèle. Il

faut donc les placer en série afin de trouver le signal temporel connaissant le nombre
d'échantillons et la durée de la trame.
Ajout du préfixe cyclique
Le comportement multi-trajets du canal causé par la dispersion modale dans la fibre

introduit des interférences dans le signal. Il existe deux catégories d'interférences : les
interférences entre porteuses ou ICI (Inter Carrier Interference) et les interférences entre
trames DMT appelées interférences entre symboles ou ISI (Inter Symbol Interference). Les
ISI sont dues au fait que le signal reçu provient du trajet direct et de multi-trajets qui
introduisent une atténuation, des déphasages et des retards. Pour remédier à l'ISI, on ajoute
à l'émission après le bloc IFFT et avant le CNA, entre deux trames successives DMT, un
préfixe cyclique (Cyclic Prefix, CP) de longueur N c p dont la durée est supérieure au retard
maximum des signaux qui apparaissent dans le canal.
T = Tu + Tcr, = (2N + N cp )At,
No-*. TU=2NM,
Préfixe Préfixe
Partie utile du symbole DMT 1 Partie utile du symbole DMT 2
Cyclique Cyclique
Recopie de la fin du symbole DMT 1 Recopie de la fin du symbole DMT 2
Figure 4.10 : Insertion du préfixe cyclique.
L'insertion du CP revient tout simplement à recopier la dernière fraction de uk (les NCP

derniers symboles) au début de celui-ci comme illustré à la figure 4.10. Les données utiles
84
correspondent aux symboles DMT transmis. Cette technique est efficace et simple à mettre
en oeuvre, mais elle réduit le débit du système. Grâce au CP, dans le domaine fréquentiel, la
somme des signaux issus des différents trajets d'une sous-porteuse donnée introduit
uniquement un déphasage. L'orthogonalité des sous-porteuses est conservée.
L'introduction de redondance avec le CP transforme le produit de convolution classique en
produit de convolution circulaire, ce qui simplifie l'égalisation au niveau du récepteur.
Conversion numérique-analogique
Les signaux étant numériques et le média analogique, on doit transformer les

signaux numériques obtenus en signaux analogiques. Soient A^ et fs respectivement la
période d'échantillonnage et la fréquence d'échantillonnage du CNA avec A^ = \/fs. La
période de la trame DMT sans le préfixe cyclique (symbole utile) est alors Tu = 2N • Ats.
L'espacement entre deux sous-porteuses successives notée fsc est tel que fsc = \/T u . Aux
instants t = kAts, le signal sans CP, uk échantillonné noté u(kAt s ) peut s'écrire :
1 2/V-l
kAt.^
" ( ^ ) = - = £ £ > „ exp j2nn- (4.8)
\ 2 N „=o T
1
u j
k = §,\,...,2N-\
Considérons maintenant la trame DMT avec le CP de longueur N c p . En rajoutant le

CP à l'émission après 1TFFT (figure 4.9), le nombre d'échantillons temporels augmente et
devient 2N + N c p . La nouvelle trame DMT avec CP à transmettre s'écrit alors :
1 ^' ( .„ k
st =
2A7 (4.9)
k = -N C P ,...,0,\,...,2N-\
En faisant un changement de variable, k = k + NCP l'expression (4.9) est équivalente à :

85
IN-
S
k =
-fL= ] " D„exp\j27rn ( k Ncp)
\
y[2N h " { 2N J . (4.10)
k' = 0,l,...,2N-l + N.CP
La durée du préfixe cyclique est TCP = NCP ■ Ats et la durée totale du symbole DMT avec
CP transmis est égale à T = (2N+ NCP)-Ats =T U +T CP . Pour respecter le théorème
d'échantillonnage, les échantillons transmis sont ceux régulièrement espacés d'une période
1 T
d'échantillonnage
B A / = — = —— et Vprélevés aux mstants t = kAt,. L'espacement en
' f 2N s y
fréquence entre deux sous-porteuses adjacentes permet lorsque le spectre d'une sous-
porteuse est maximal d'annuler le spectre de toutes les autres (condition d'orthogonalité).
Après l'insertion du CP l'espacement entre les sous-porteuses reste égal à fsc = l/Tu alors
que la durée du symbole DMT augmente. La séquence de (2N + N CP ) points, sk (4.10),

qui correspond à des échantillons à temps discrets de la trame DMT transmise lorsqu'on
rajoute le CP s'écrit en tenant compte de la période d'échantillonnage du CNA et de la
relation entre A r et T comme suit :
*k =
V2¥5 " D exp W*-^ )Af - (4.11)
k = 0,1,..., 2 N - l + NCP
Nous avons ainsi déterminé tous les échantillons qui vont constituer le signal temporel
continu. Le CNA génère le signal temporel continu composé de toutes les trames DMT qui
va être transmis sur le canal optique.
Considérons maintenant les signaux continus. Le signal DMT échantillonné

transmis (signal DMT à la sortie du CNA) dépend de la réponse impulsionnelle du CNA et
s'écrit alors comme suit :
2N-l+NCP
s(t)= X s(kA t s )S(t-kA t s )®h C A
N (t), (4.12)
k=0
86
où ô(t) est l'impulsion de Dirac; le signal s(kAt s )ô(t-kAt s ) représente le signal
échantillonné; l'opérateur <8> est l'opérateur de convolution linéaire et hCNA(t) est la
réponse impulsionnelle du CNA.
4.2.3 Récepteur DMT
4.2.3.1 Annulation des interférences
Le problème de la reconstruction parfaite du signal reste posé. Nous avons vu que le

CP joue un rôle important : il permet de conserver l'orthogonalité entre les sous-porteuses,
il absorbe les interférences entre symboles (ISI) et préserve une égalisation simplifiée. Soit
Th la durée de la réponse impulsionnelle du canal et rmax le retard maximal introduit par le
canal. Lorsque le nombre de sous-porteuses augmente, la durée du symbole DMT devient
grand comparée à rh et l'effet du canal devient moins nuisible. Pour que les opérations de
modulation et démodulation de la trame DMT soient effectuées correctement, on doit avoir
la durée du préfixe cyclique N cp Ats > rh (soit N cp Ats > rmax ; permet d'éviter l'ISI) et la
durée du symbole DMT transmis sans CP 2JVA/S > rh (permet d'éviter F ICI) [111]. Ainsi
le signal utile n'est plus affecté par l'ISI et l'orthogonalité des sous-porteuses est
conservée. Les interférences du symbole précédent celui reçu seront présentent seulement
dans le CP. Le CP contient toute l'ISI provenant du symbole précédent et il est retiré du
signal reçu en réception.
4.2.3.2 Principe du récepteur DMT
À la réception, on effectue tout simplement les opérations inverses de celles

réalisées à la transmission : après filtrage, le signal analogique est converti en échantillons
numériques dans le domaine temporel (CAN), on retire le CP, on effectue une conversion
série-parallèle des données et on fait une démodulation à 2JV points sur les 27Y derniers
échantillons du symbole DMT reçu. La démodulation à la réception est réalisée en
87
appliquant l'algorithme de la FFT (Fast Fourier Transform) au signal reçu r ( t ) . Le
module FFT convertit les échantillons du domaine temporel vers le domaine fréquentiel. Le
principe du récepteur DMT est illustré à la figure 4.11. Supposons, sans perte de généralité,
que la transmission est réalisée sur un canal linéaire et idéal (sans bruit). L'effet du canal de
propagation est équivalent à une convolution des différentes réponses impulsionnelles qui
apparaissent dans le système. Soit h(t) = hCNA(t)<8) hF (t)® h F P B (t), la combinaison de la
réponse impulsionnelle hCNA(t) du CNA, de la réponse impulsionnelle hF [t) de l'ensemble

du canal incluant les conversions électrique-optique et optique-électrique, et de la réponse
impulsionnelle hFPB (t) du filtre passe-bas (figure 4.8).
,
C'„n = A'nn +j.B
J n
n
Séquence signal
FFT temporel réel
S/P
•Mapping »
QAM '('*.) 1
CAN
C'„'=A'n-J.B'n
Complexe
Retrait du préfixe cyclique
conjuguée
Figure 4.11 : Schéma bloc du récepteur DMT (Rx DMT).
Le signal DMT, r (**), reçu au niveau du récepteur avant le CAN s'exprime comme suit
r(t) = s(t)®h(t)
2N-\+Ncp
= Z s(k)-S(t-kAt s )®h(t) (4.13)
k=0
2N-l+N C P
= Z s(k)p(t-kàt s ),
k=0
où p(t) est une fonction de mise en forme donnée par

88
p(t) = S{t)®h(t)
+00
(4.14)
= \ô(r)h(t-t)dT.
Pour récupérer les données, le récepteur échantillonne le signal reçu r(/). Supposons que
l'on a un échantillonnage idéal de période A ts, que h(t) est causale et que NCP A t s >r n . La
démodulation consiste à effectuer une FFT sur les 2/V derniers échantillons du symbole
DMT. À chaque instant t = lAts, le signal reçu échantillonné par le CA N que l'on note
r(lAts) s'écrit:
2N-l+Nr
r(lAt s )= Y s(kA ts)p{Al ts~kA ts)
k=0
2N-i+N C P
(4.15)
= X s(kA t s )p((l-k)A t s ),
k=0
où / = NCP,NCP +\,...,2N-1 + N cp . Les symboles Dn reçus après démodulation sont
2N-\+N,
... .. ..LfJ
D„= X
l=N C P
r(lA ts)exp - j 2 x { l - N c p )2N
—
2'N
£ 1 --' -\ r+' *NCr PP "NCrfp" -1 \ / y.
/■=JVr„ *=0 2A/.

2JV-1+JVCP / \
= #„• Ç s(/)exp^-y2/r(/-A ^)—J (4.16)
=H
2/V-l
f
» • *r=0S u (^) ex p[V ~ J 2 n k ^
= |^„|-exp(-M)^„,
avec « = 0,1,...,2/V-l et //„ est la FFT à 2/Y points de la réponse impulsionnelle du canal
h(t) à l'indice de sous-porteuse n. Le symbole reçu D n , correspond au symbole Dn émis
sur la «lème sous-porteuse. A près démodulation, l'effet du canal se traduit par une
multiplication des symboles Dn émis par un coefficient égal à la réponse fréquentielle Hn
89
de la Hieme sous-porteuse et un déphasage exp (-#?„) sur chaque sous-porteuse de la trame
DMT reçue. À la réception, l'utilisation d'un CP transforme la convolution linéaire en

convolution cyclique. On rappelle que la transformée de Fourier discrète de deux signaux
convolués cycliquement équivaut au produit de leur transformée de Fourier. Pour corriger
les déformations du signal dues au canal, on introduit généralement après le module FFT un
égaliseur. L'étude des différentes techniques d'égalisation dépasse le cadre de ce mémoire;
nous ne faisons ici qu'un bref rappel de l'égalisation.
4.2.3.3 Égalisation fréquentielle
L'égalisation permet de corriger les distorsions introduites par le canal. Il existe

plusieurs techniques d'égalisation et de détection des symboles émis. On distingue par
exemple les approches optimales comme l'algorithme de Viterbi basé sur le critère du
maximum de vraisemblance, très complexe, et les approches sous-optimales qui consistent
à utiliser des égaliseurs linéaires réalisés par un filtrage linéaire pour compenser le canal
[89]. On peut citer la méthode de la mise à zéro (Zero Forcing, ZF) qui néglige la présence
du bruit et la minimisation de l'erreur quadratique moyenne (Minimum Mean Square Error,
MMSE) qui réalise un compromis entre la minimisation des interférences et l'augmentation
du facteur de bruit. Avec une égalisation fréquentielle basée sur le critère du forçage à zéro
(ZF) l'amplitude et la phase de chaque sous-porteuse (résultat de la réponse impulsionnelle
du canal) sont corrigées et les symboles d'informations récupérés après démodulation avec
la FFT.
Lorsqu'on utilise un préfixe cyclique, une distorsion causée par un canal dispersif
linéaire peut être corrigée simplement en utilisant un égaliseur à un coefficient.
L'égalisation se réduit donc à un filtre inverse de la fonction de transfert du canal dont les
coefficients Gn dans le domaine fréquentiel sont donnés par la relation :
H„ . (4.17)
n = 0,l,...,2A/-l
90
Cet égaliseur ZF formé de 2/V multiplieurs ne permet pas de supprimer l'ISI. Cependant, le
fait que le CP et la durée du symbole DMT soient plus grands que l'étalement du retard du
canal permet d'annuler l'ISI et l'ICI. Le principal inconvénient de l'égaliseur à un
coefficient (ZF) est que dans le cas d'un canal non idéal (canal avec bruit), si la fonction de
transfert du canal est petite, alors le bruit introduit par l'amplificateur à trans-impédance de
la photodiode (figure 4.8) devient très grand. En effet, lorsque la réponse en fréquence du
canal est proche de zéro, le coefficient d'égalisation tend vers l'infini amplifiant fortement
la puissance du bruit à cette fréquence. Le tableau 4.1 présente quelques différences entre
un système OFDM typique et un système optique typique [120].
Tableau 4.1 : Comparaison d'un système OFDM et d'un système optique typiques.
Système typique Bipolaire Information sur Oscillateur local Réception
OFDM porteuse dans le au niveau du cohérente.
champ électrique. récepteur.
Signal complexe.
Système typique Unipolaire Information sur Pas d'oscillateur Détection
optique porteuse champ local au niveau cohérente.
optique. du récepteur.
Signal réel.
4.3 La DMT dans un canal IM/DD et le bit loading
4.3.1 Caractéristiques de la DMT dans un canal IM/DD
Le paramètre le plus immédiatement modulable de la lumière est son intensité. La

modulation d'intensité signifie que le signal commande directement la source optique et
module l'intensité lumineuse. Dans le cas d'un système optique multimode à modulation
d'intensité et détection directe (IM/DD), seule l'intensité de la lumière est modulée et non
91
la phase. Le principe de la DMT établi au paragraphe 4.2 s'applique au canal SI-FOP

IM/DD utilisant la DMT. Une telle application de la DMT diffère du système électrique
standard où un signal bipolaire en bande de base est utilisé. L'intensité de la source optique
ne peut prendre que des valeurs positives. Dans un système optique IM/DD utilisant la
DMT, ce problème est résolu simplement en rajoutant un biais-CC au signal DMT bipolaire
pour obtenir un signal unipolaire tel que démontré dans les références [29] et [81]. Le biais
est rajouté à l'onde électrique DMT avant l'application du laser ou de la DEL (figure 4.8).
Au niveau du récepteur, un simple photodétecteur est utilisé pour la détection directe de la
lumière reçue. Ce dernier convertit le signal DMT qui est modulé en intensité en un signal
électrique qui est échantillonné par le CAN pour un traitement numérique ultérieur.
Les avantages de la DMT sont nombreux. Pour n'en citer que quelques-uns, on a
par exemple :
- l'utilisation efficace des ressources fréquentielles; une égalisation numérique et un

décodage simple et optimal grâce à l'insertion d'un préfixe cyclique;
- la robustesse au bruit impulsif car chacune des sous-porteuses est affectée du bruit
indépendamment les unes des autre; la robustesse du signal DMT face aux multi-
trajets (dispersion);
- l'allocation adaptative de bit et de puissance en fonction de l'état du canal; etc.
Cependant, malgré tous ces avantages, la DMT comporte également des

inconvénients. On peut citer :
le Peak to Average Power Ratio (PAPR) élevé dont il faut tenir compte au niveau de
l'émetteur. En effet, le signal DMT présente de fortes fluctuations d'enveloppe. Il
est alors indispensable d'utiliser des techniques de réduction du PAPR [137];
la sensibilité aux problèmes de décalage en fréquence (offset) et de synchronisation

au niveau du récepteur. Le décalage fréquentiel (synchronisation émetteur
/récepteur) provient de la différence entre l'oscillateur de l'émetteur et celui du
récepteur qui génère un décalage fréquentiel qui perturbe l'orthogonalité des sous-
92
porteuses et peut engendrer 1TES [136]. La synchronisation est un problème crucial

dans les systèmes de transmission DMT. Les erreurs de synchronisation entraînent
des déphasages sur les symboles reçus. Ces problèmes sont traités au niveau du
récepteur en introduisant des modules d'estimation et de correction des offset.
L'étude des problèmes de synchronisation dépasse le cadre de ce mémoire et est très
bien traité dans [138], [139] et [140];
- la décroissance spectrale de l'énergie émise.
Lors de l'implémentation d'un système de transmission sur fibre optique multimode

IM/DD utilisant la DMT, en plus des problèmes de PAPR et de décalage fréquentiel, il faut
tenir compte de la limitation de la bande passante des composants au niveau du
transmetteur et du récepteur. L'utilisation d'un CP permet d'annuler les interférences et
d'assurer l'orthogonalité entre les sous-porteuses. Cependant, cette robustesse face aux
interférences (dispersion modale) entraine une diminution du débit du système.
4.3.2 Le PAPR et le facteur de crête
Généralement, le signal modulé dans le cas d'une modulation mono-porteuse suit

une loi uniforme, alors qu'une des caractéristiques des modulations multi-porteuses comme
l'OFDM et la DMT est qu'elles ne sont pas à enveloppe constante. Pour un grand nombre
de sous-porteuses, c'est-à-dire pour de grandes valeurs de N, chaque composante en phase
et en quadrature du signal suit une distribution gaussienne. Cette caractéristique des
modulations multi-porteuses conduit à des distorsions d'amplitude et de phase dues aux
non linéarités des amplificateurs. La variation importante de l'amplitude du signal en
fonction des symboles à transmettre, constitue un inconvénient majeur dont on doit tenir
compte. Les sous-porteuses modulées indépendamment peuvent s'additionner de façon
constructive ce qui conduit à des pics d'amplitude important du signal DMT transmis. Afin
de limiter les phénomènes de distorsion, il est nécessaire de réduire les variations de
l'amplitude du signal à la sortie du modulateur ou de limiter le rapport entre la puissance
crête (puissance maximale) et la puissance moyenne du signal, appelé le Peak to Average
93
Power Ratio (PAPR). Le PAPR caractérise la dynamique en puissance du signal modulé; il

est utilisé pour quantifier les fluctuations d'amplitude du signal en fonction des symboles à
transmettre. Une autre mesure de la variation d'enveloppe du signal peut être faite avec le
facteur de crête (Crest Factor, CF) qui est le rapport entre l'amplitude maximale du signal
et la racine carrée de la valeur quadratique moyenne de ce signal. Dans le cas des
modulations multi-porteuses, le rapport entre la valeur maximale et la valeur minimale est
une donnée importante car l'enveloppe de la séquence transmise est la même dans certaines
configurations du système. Le facteur de crête (CF) du signal s(t) tel que défini en (4.12)
pour un grand nombre de sous-porteuses est donné par :
v . max M
CF = -g2L = VPAPR = J 0 f l2^ / /
13
r,»r,L- r^ I n . . .*r , (4.18)
rms
< s (t) >
ou s ^ = ./max \s(t)\
V Oit<T I v
l /
est l'amplitude maximale du signal avec max \s(t)\ la puissance
r
^ 0<j<.T i v /
i
crête et s rm =y<s 2 (i*)> est la racine carrée de la puissance moyenne du signal s(t).
L'expression (4.18) montre que le CF est d'autant plus important que la valeur maximale
de l'amplitude du signal est grande devant la valeur de l'amplitude moyenne. Ainsi, le CF
maximal d'une trame DMT est N. Il est évident que plus le nombre de sous-porteuses est
important, plus grande est la probabilité d'avoir un PAPR et un CF élevés. Un grand PAPR
à des inconvénients tels que la non-linéarité et la réduction de l'efficacité des amplificateurs
[82]. Différentes techniques ont été proposées pour réduire le facteur de crête. On peut
citer : le clipping, le selective mapping, le tone reservation, le peak windowing, le peak
cancellation, etc. Une revue des différentes techniques de réduction du PAPR est proposée
dans [131] et une étude approfondie de ces techniques est réalisée dans [20].
La limitation de l'amplitude du signal par l'écrêtage ou clipping est la méthode la

plus simple permettant de limiter le facteur de crête du signal DMT. L'écrêtage agit
directement sur le signal d'entrée. Cette technique est proposée dans la mise en œuvre de
l'OFDM dans la DVB-T dès 1997. Intuitivement, cette méthode permet à l'aide de
94
l'écrêtage de l'amplitude du signal à un seuil prédéterminé de réduire son amplitude

maximale au niveau de ce seuil. On diminue ainsi la variation de puissance du signal et sa
sensibilité aux non-linéarités. Les fortes amplitudes sont éliminées mais ne sont pas
restaurées. Un inconvénient du clipping est qu'il introduit des distorsions dans le signal et
dégrade le BER (Bit Error Rate). Néanmoins, lorsqu'il est appliqué de façon adéquate, le
clipping est une technique efficace pour améliorer les performances du système. Les
références [132], [133] et [134] sont de bonnes sources pour se familiariser à cette
technique.
4.3.3 Techniques d'allocation de bits ou bit loading
4.3.3.1 Introduction au bit loading
Dans le cas de la modulation OFDM dans les systèmes sans fils, le même nombre
de bits est alloué à chaque sous-porteuse. L'allocation de bits est communément appelée bit
loading ou modulation adaptative, lorsque comme dans le cas de la DMT, chaque sous-
porteuse est codée et modulée de manière indépendante et la transmission est ajustée aux
caractéristiques du canal. Le bit loading définit donc le processus d'assignation d'un
schéma de modulation donné afin d'atteindre une performance donnée du système sous
certaines contraintes. Les différentes techniques d'allocation de puissance et de bits sont
connues sous le nom de loading algorithms. Les sous-porteuses DMT se voient alors
assigner un nombre de bits et une puissance de transmission dépendamment de leur SNR
(Signal to Noise Ratio). L'objectif du bit loading est de maximiser les performances du
système grâce à la résolution de problèmes d'optimisation avec contraintes. Il existe
principalement deux catégories de problèmes d'optimisation bit loading populaires dans la
littérature qui sont :
- le critère d'allocation Margin Adaptive (MA) qui minimise la puissance totale

transmise sous la contrainte d'un débit maximal cible. Ce problème est connu sous
le nom de « Margin Adaptive optimization »;
95
- le critère d'allocation Rate Adaptive (RA) qui maximise le débit pour un BER fixé
et sous contrainte d'une puissance totale fixe; ce problème est connu sous le nom de
« Rate Adaptive optimization ».
Des méthodes d'allocations de bits suivant les deux critères résumés par la figure 4.12 ont
été largement étudiées et développées pour les systèmes DMT. On distingue :
- les algorithmes à granularité infinie comme le water-filling (WF) qui consiste à

répartir la puissance uniformément sur les sous-porteuses en fonction d'un niveau
d'eau ou water-level, jusqu'à ce qu'on ne puisse plus remplir sans débordement ;
- les algorithmes d'allocation de bits discrets qui prennent en compte la granularité du

système. Ces algorithmes à granularité finie ont été également largement étudiés et
on peut citer l'algorithme de Chow [51], l'algorithme Levin-Campello [112], etc.
Problèmes
d'optimisation avec
contrainte.
Minimisation de la Maximisation du
puissance : Margin débit : Rate Adaptive
Adaptive (MA). (RA).
Figure 4.12 : Catégories de problèmes d'optimisation avec contraintes.
Le critère d'allocation Rate Adaptive est le plus utilisé dans les systèmes
commerciaux où il permet d'obtenir un gain de performances du système avec une relative
faible complexité. Son principal intérêt réside dans le fait que quel que soit l'état du canal,
il est toujours possible d'y transmettre l'information même si c'est à un très bas débit. Dans
la suite de ce mémoire, nous considérons uniquement le critère d'allocation Rate Adaptive
pour maximiser les débits atteignables dans le système de communications.
96
4.3.3.2 Généralités sur l'algorithme du « rate adaptive water-filling »
Dans l'ouvrage écrit en 1968 par Gallager [85] et aussi dans le livre écrit en 1991
par Cover & Thomas [86], on démontre que l'algorithme du water-filling (WF) ou
« remplissage d'eau » permet de trouver une solution optimale au problème d'optimisation
sous contrainte de la puissance totale disponible, dans le cas d'une distribution de puissance
sur des porteuses gaussiennes parallèles et indépendantes. Le WF est une technique
d'affectation optimale de bits et de puissance. Soient Pn et gn respectivement la puissance
allouée à la sous-porteuse d'indice n et son SNR lorsque l'on applique une puissance
unité; Y est le SNR gap ou « marge de SNR » qui constitue une mesure de la performance
relative du système utilisant un schéma de codage donné par rapport à la capacité théorique
du canal. C'est l'écart entre le SNR associé à la capacité théorique au sens de Shannon et le
SNR nécessaire en pratique pour atteindre cette capacité à une probabilité d'erreur donnée.
Le nombre de bits bn pouvant être transmis sur la sous-porteuse n s'exprime comme suit :
bn=\og2U + ^ - \ (4.19)
L'algorithme du « rate adaptive bit loading » utilisant le water-filling appelée

communément « rate adaptive water-filling » (RA WF) est tout simplement une
reformulation de la formule de la capacité du canal énoncée par C. E. Shannon qui
s'exprime comme un problème de maximisation du débit total R (bit/s) qui se trouve être
la somme des bits b n , alloués aux sous-porteuses utilisées pour la transmission, sous une
contrainte de puissance totale fixe, Pm [113]. Cela exige la maximisation du nombre total
N
de bits b = ^ b n alloués sur toutes les sous-porteuses sous la contrainte Plol. Soit :
n=\
maximisation de > b.
roi
(4.20)
sous la contrainte j K^Ptot'
n=\
97
On a alors en suivant les raisonnements énoncés dans les références [26] et [51]
N
f 1
max(/?) = max — V è „ B.
' 1 N ( SNR
1
= max
p. JrP* * r JB. (4.21)
= max
P. iW *,>
ou
5S est la bande passante du signal DMT, et « est l'indice de la sous porteuse;
N est le nombre total de sous-porteuses disponibles pour la transmission;
b n , nombre de bits alloué à la sous-porteuse n ; SNRn =P„.g„ est le SNR par sous-
porteuse et Plol est la puissance totale disponible pour la transmission telle que :
Y P =P (4.22)
J ±
/ . n tof
n-1
Le problème revient donc à trouver la distribution optimale de bn pour n = \,2,...,N et la
distribution de puissance Pn correspondante afin de maximiser le débit. Le débit maximum

réalisable est obtenu en transmettant l'information sur les sous-porteuses ayant les plus
grand SNR. Il ne correspond donc pas toujours à une transmission sur toutes les N sous-
porteuses et on peut avoir Pn et bn à zéro pour un indice n particulier de sous-porteuse.
La solution au problème d'optimisation de la distribution de bits sous la contrainte

de puissance totale disponible (4.20) est obtenue en appliquant la méthode des
multiplicateurs de Lagrange. Soit Â un scalaire qui est le multiplicateur de Lagrange. Le
Lagrangien associé au problème d'optimisation est la fonction de Lagrange L(P n ) tel que :
98
1 + £»I2.| + ^| P -P (4.23)
J
n tot
n=\ n=\
En prenant la dérivée du Lagrangien (4.23) par rapport à Pn et en l'annulant, on obtient :
SL(*u) - gn +A = O. (4.24)
SP
In 2 1 +Pngo n
r
La résolution de (4.24) pour trouver Pn donne :
i r r (4.25)
Pn= — = K-—,
^ln2 gn gn
où K = — est appelé le water-level.

À\n2
En réécrivant (4.25), on trouve la solution au problème d'optimisation connue sous le nom

de water-filling et qui est donnée par :
Pn + — = constante = K. (4.26)
gn
Cette dernière équation, (4.26), signifie que la solution au problème d'optimisation sous la
contrainte de puissance totale disponible est obtenue lorsque toutes les sous-porteuses
utilisées pour la transmission ont un niveau constant. La solution optimale distribue les bits
et la puissance totale sur les sous-porteuses ayant les plus hauts SNR représentés par g n / T .
Plusieurs algorithmes sont proposés dans la littérature. Nous optons dans ce

mémoire pour l'algorithme itératif « rate adaptive water-filling » proposé par Cioffi [26].
Cet algorithme commence par déterminer le water-level, K ; la puissance allouée à la sous-
porteuse est ensuite calculée. Soit N le nombre total de sous-porteuses. En numérotant les
99
sous-porteuses de 1 à N, la solution du « rate adaptive water-filling » est donnée par la

résolution de N+l équations avec au maximum N+\ inconnues telle que :
P l +— = K
Si
r
P2+ — = K
g2
P,+— = K
g3 (4.27)
PN+ — = K
gN
P ] + P 2 + P 3+ ... + P N =P ioi =f j P n =fj K -^] = NK-rf j X

n=\ n=\ gn J n=\ g n
Les distributions de puissance représentent des inconnues et K est une constante (water-
level). Les sous-porteuses sont triées par ordre décroissant en fonction de leur g n . La
solution au système d'équations (4.27) peut mener à des puissances négatives. Dans ce cas,
l'équation contenant le plus petit gn est éliminée et la puissance correspondante Pn est
mise à zéro. Un nouveau système d'équations est établit avec les équations restantes et
l'opération est réitérée jusqu'à obtenir une première solution avec des puissances non
négatives. Sous forme matricielle, le système d'équations (4.27) s'écrit :
f-Y/ ^
f D\ Ai
r
\ 0 0
0 ... - O
0 1 0
0 ... - 1
-Y/ (4.28)
-1
' N
1 1 1 1 1 0
-Y/
/gn
P
Il peut donc ainsi être résolu par une inversion de matrice.\ Une
r
tot solution
J alternative consiste
à sommer les N premières équations. On obtient ainsi pour tout n = 1,2,..., N :
100
r-1 (4.29)
N n=l gn
et
Pn=K • (4.30)
gn
S'il existe un ou plusieurs indices n pour lesquels la puissance de la sous-porteuse Pn

correspondante est négative, le plus élevé d'entre eux est éliminé et l'équation est réévaluée
à nouveau en réduisant de 1 le nombre de sous-porteuses, N -» N - 1 , et en supprimant le
gn correspondant ( g n = 0 ; P n =0). Pour l'implémentation de cet algorithme, on
commence d'abord par ordonner les gn par ordre décroissant, avec g l = m a x g n et

n
g N - ming„. L'équation (4.29) devient à l'étape de l'itération / avec / = 0,1,...,N :
N-i 1
1
K= (4.31)
N-i n=\ g n
L'équation (4.31) atteint sa valeur maximale à N* = N - i qui correspond à la première

valeur de /, pour laquelle on a une puissance Pt non négative. Ainsi, on a :
P n = K - j , et &„=logJ*&-J,
(4.32)
V « = 1,2,...,A/*
Pour résumer, la capacité déterminée par la méthode du water-filling optimise la

répartition de la puissance disponible en utilisant les sous-porteuses ayant le bruit le plus
faible. Le paramètre seuil, water-level ou « niveau d'eau » K, permet de choisir les sous-
porteuses utilisées. Intuitivement, la puissance totale disponible à l'émission peut être
assimilée à une quantité de liquide qu'il faut placer dans un réservoir dont la forme est
déterminée par la puissance équivalente du bruit. Lorsque le liquide est versé, le niveau
101
seuil de sa surface permet de déterminer la hauteur de liquide dans les différentes parties du
réservoir, c'est-à-dire la puissance émise sur chaque sous-porteuse. La capacité du canal est
obtenue lorsque l'on augmente infiniment le nombre de sous-porteuses. La figure 4.13
illustre le diagramme bloc de l'algorithme « rate adaptive water-filling » et la figure 4.14
présente un exemple d'implementation du WF.
Tri des sous-porteuses:

g, > g 2 > . . . . > g N
'r
M g,
'r
K = k/i i = i-\
y'
Oui Déterminer la constante pour le
Trouver la puissance la plus faible:
waterfilling:
P. = K - r / <0
/8, k = k- r /
/gi
Non
i
Déterminer les puissances pour le
waterfilling:
/gn
1'
Enlever le tri:
A. = l o g ! ( * & - ) , n = l,2,...X
Figure 4.13: Algorithme du « rate adaptive water-filling ».

102
;sance V = P6 = 0
r
r
ft
Niveau d'eau
P4 constant
P3
P2
p, r
«4
r
£3
r
r Si
s.
Sous-porteuses classées par
ordre décroissant de SNR
Figure 4.14 : Exemple de répartition de puissance dans le WF; water-level K = v
Comme nous l'avons déjà mentionné, l'un des principaux avantages du « rate
adaptive water-filling » (RA WF), est que quel que soit l'état du canal, il est toujours
possible d'y transmettre l'information. En effet, le problème de maximisation du débit
revient à minimiser l'information mutuelle entre la source et le destinataire pour un schéma
de codage donné. L'un des inconvénients de l'exécution de l'algorithme RA WF est que la
distribution de bits sur les sous-porteuses peut prendre une valeur non entière ce qui n'est
pas souhaitable en pratique dans les systèmes réels utilisant la DMT, où la distribution de
bits sur les sous-porteuses devrait être un nombre discret de bits. Dans la suite, nous
appliquons l'algorithme RA WF au système SI-FOP IM/DD (chapitre 5). Nous aborderons
aussi les algorithmes « rate adaptive de Chow » et « rate adaptive Levin-Campello » qui
sont des alternatives au RA WF. Des calculs de la capacité du canal avec les différents
algorithmes d'allocation de bits présentés sont réalisés sur le canal réel mesuré « sans mode
mixing », le modèle gaussien et le modèle « power flow equation » du canal SI-FOP.
103
4.4 Conclusion
L'étude des performances d'un système de transmission nécessite une

compréhension de son fonctionnement. Dans ce chapitre 4, nous avons présenté le cas
général d'un système de communications optiques et le cas particulier de la modulation
multitonalité DMT. Nous avons rappelé les caractéristiques et les limitations de cette
technique dont le PAPR élevé. Pour finir, nous avons présenté les concepts de bit loading et
de water-filling utilisés pour maximiser les performances du système.
CHAPITRE 5
Analyse de la capacité d'un canal SI-FOP IM/DD
Étant donnée la courte portée de la transmission, les systèmes de communications

optiques sur de courtes distances n'ont pas besoin des mêmes hautes performances exigées
dans les systèmes de communications optiques longues distances basés sur les fibres de
verre monomodes. On cherche à réduire le coût total du système de communications sur
fibre optique plastique au strict minimum. De ce fait des composants bon marché sont
intégrés dans notre système. Ainsi, on retrouvera :
- en émission : la DEL ou la DL, pour moduler l'intensité optique de la source; on

obtient une modulation d'intensité lumineuse. C'est la modulation la plus employée;
en réception: une photodiode caractérisée par sa sensibilité S, permet de détecter

l'intensité du signal optique reçu.
Ces caractéristiques font du système de communication optique IM/DD intégrant la

FOP, un système à faible coût pour la transmission de données optiques. Malheureusement,
cette course au faible coût a pour principaux inconvénients une perte de performances du
système, une limitation de la bande passante et un taux de transmission des données faible
comparé aux performances et caractéristiques de la fibre de verre monomode. Nous
établissons ici le modèle analytique du canal SI-FOP IM/DD en tenant compte des notions
sur la DMT qu'on a vu au chapitre 4. Ce modèle sera utilisé pour les calculs de capacité.
105
5.1 Modèle analytique de la DMT sur un canal SI-FOP IM/DD
La compréhension du modèle de l'émetteur, du canal et du récepteur dans un

système de communications optiques IM/DD est nécessaire pour l'analyse de la capacité.
La figure 5.1 illustre le modèle de système de communications optiques IM/DD intégrant la
FOP. Nous supposons que le transmetteur est idéal et que le bruit du récepteur à une densité
spectrale de puissance égale à N 0 / 2 .
Train
Signal DMT écrêté
•e
binaire Modulateur Modulateur
en entrée . électrique, °1Ù_ d'intensité optique,
QAM, DMT P
■%.(')
Biais CC
Canal
Optique,
FOP
M'W')
Train
binaire
en sortie Démodulateur y(') r [\ '(<) Détection directe
électrique optique,
i
S,G
n ')
Figure 5.1 : Diagramme bloc du système de communications optiques IM/DD étudié.
En rappelant brièvement les éléments vus au chapitre 4, on distingue à la figure 5.1 :
La modulation électrique et le signal DMT
Le modulateur électrique module le train binaire en entrée en utilisant le format de

modulation approprié, par exemple du QA M et il réalise le signal DMT. Il en résulte un
courant électrique s(/) qui est utilisé pour moduler l'intensité optique de la source. Pour un
106
grand nombre de sous-porteuses N , tel que N > \ 0 , l'enveloppe du signal temporel DMT
peut être modélisée comme suivant une distribution gaussienne de moyenne nulle [29].
L'écrêtage
Afin de transmettre le signal sans trop de distorsions sur le canal SI-FOP, on limite
l'amplitude du signal en faisant un écrêtage (clipping). C'est une méthode assez commune
qui est utilisée pour combattre les distorsions du signal causées par un PAPR élevé. En se
basant sur [29], le signal électrique DMT, s0 (t), est écrêté suivant la loi qui suit :
1*0'
\A ■ exp [ j - arg {s0 (/)}), |M')|>i4
où A est le niveau d'amplitude maximal autorisé avant l'écrêtage ou « seuil d'écrêtage »,

s0 (»*) est le signal DMT non écrêté et arg is 0 (J 1 )! est sa phase. L'écrêtage est caractérisé par
un facteur d'écrêtage (clipping factor), p , qui correspond au facteur de crête tel que défini
en (4.18). En considérant les notations adoptées dans le modèle, p est toujours > 1, tel que:
L
M=^ = , fM , (5.2)
où s ms = J < si (/) > est la puissance moyenne du signal temporel DMT avant écrêtage et
s =
peak A est l'amplitude maximal. Les valeurs typiques de p se situent généralement entre
2,5 et 3,5. Dans la suite, nous posons p = 3 [29]. La procédure pour la détermination de la
valeur optimale de p est présentée dans les références [58], [79] et [81].
Biais CC et modulation d'intensité
Le courant s[t) est alternatif, bipolaire de valeur moyenne nulle.

107
Étant donné que c'est l'intensité lumineuse qui est modulée et détectée dans un système de
communications optiques IM/DD, il est nécessaire que le signal soit unipolaire afin de
moduler l'intensité optique de la source. Ce signal unipolaire est obtenu en ajoutant un biais
CC au signal électrique DMT écrêté s(t) [29]. La figure 5.2 présente un modèle de
modulateur d'intensité optique linéaire idéal. L'unité des courants I lh , Ibiais et s(t) est
l'ampère.
Puissance en sortie
' p
opt
/Ç)
0 Courant
< '• s
d'injection
biais ,
s(t)
Figure 5.2 : Modulateur d'intensité optique idéal (caractéristique puissance-courant).
En se basant sur la figure 5.2, aucune puissance optique n'est émise lorsque le courant
d'injection est inférieur au courant seuil I,h et la puissance optique émise est linéairement
proportionnelle au courant d'injection lorsque le courant d'injection est supérieur à I lh .
Étant donné que < s (**)>= 0, il est pratique d'établir le courant du biais CC comme suit :
hiats ~ hh + "■ W. (5.3)
où A est l'amplitude maximale autorisé avant clipping de s0 (/) telle que défini dans (5.2).
108
Puissance optique moyenne et puissance optique instantanée
Sans perte de généralité, on pose pour des raisons de commodité, I,„=0.
On a alors Ihiais - A [20]. La puissance optique instantanée transmise Popl (/*) est alors
définie comme suit :
Pop,(t) = P[l b l a i s +s(t)]

= 0[A + s(t)] (5.4)
= 0 M^<s 2 0 (t)>+s(t)
où fi est le facteur de conversion du domaine électrique au domaine optique exprimé en

W/A. Pour des raisons de commodité et sans perte de généralité, on pose /? = 1. Ce qui
simplifie l'expression (5.4) qui peut alors se réécrire comme suit [29] :
PoP,(t) = M - J < 4 ( t ) > + s ( t ) - (5-5)
Étant donné que < s(t) >= 0, la puissance optique moyenne transmise Pave (t) est :
Pme=<PoPt{t)>
(5 6)
rrrr -
= p- y j<s 0 (t)>.
Signal électrique reçu
Après transmission sur le canal, le signal optique est détecté par un photodétecteur
constitué d'une photodiode de sensibilité S [A/W] et d'un amplificateur à trans-impédance
(Trans Impedance Amplifier, TIA) de gain G [V/A]. Le récepteur est caractérisé par un
bruit blanc additif gaussien (Additive White Gaussian Noise, AWGN) induit par le TIA.
Le signal électrique reçu du photodétecteur y(t) [V] peut s'écrire comme suit :
109
y(t) = r(t) + n(t), (5.7)
où r(t) est le signal électrique sans bruit reçu du photodétecteur et n(/)est le bruit AWGN
du TIA à la réception.
En négligeant le terme constant Pave qui ne contient aucune information utile, le signal
électrique sans bruit reçu du photodétecteur, r (/), s'écrit :
r(t) = S G a F P o p l ( t ) ® h F ( t ) , (5.8)
où a F est l'atténuation du canal SI-FOP; ® désigne la convolution entre la puissance
optique transmise Popl (/) et hF (f) qui est la réponse impulsionnelle normalisée de la fibre.
5.2 Capacité théorique du canal SI-FOP
5.2.1 Cas général d'un canal optique IM/DD
Dans les années 1940, C. E. Shannon a établi un lien de dépendance entre la

quantité d'information maximale C qu'il est possible de transmettre sans erreurs sur un
canal perturbé par un bruit AWGN, la largeur de bande Bs utilisée par le signal pour
transmettre l'information et le rapport de puissance entre le signal et le bruit SNR,
avec
P^n/Pnoise ^sig ' a puissance du signal et PBglm celle du bruit. Cette relation s'écrit :
C = B s log 2 1+- sig [bits/s]. (5.9)

p
\ noise /
Cette relation définit le débit maximum d'information que le canal peut supporter de telle
sorte que la probabilité d'erreur soit arbitrairement faible. D'après (5.9), pour transmettre
une quantité d'information sur une sous-porteuse, l'émetteur dispose de deux degrés de
110
liberté, soit la puissance du signal et la largeur de la bande occupée. Le débit binaire que
peut atteindre le canal est limité par la capacité théorique du canal, C qui croît avec le SNR.
En utilisant le modèle de canal établi à la section 5.1, nous cherchons à déterminer

la capacité théorique au sens de Shannon du canal SI-FOP IM/DD en nous basant sur [88].
Cette capacité est obtenue par l'analyse de la capacité du canal dans le cas général d'un
récepteur caractérisé par un bruit AWGN de densité spectrale de puissance Gn (/"), et un
signal utile reçu de densité spectrale de puissance G s ( f ) . Dans un système DMT avec
/V sous-porteuses, on peut assimiler le canal comme équivalent à la somme de /V sous-

canaux gaussiens indépendants. Des propriétés bien connues dans la théorie de
l'information peuvent être alors appliquées. La démonstration de ces résultats est hors du
cadre de ce mémoire mais est réalisée dans [85], [86] et [89]. En partant des résultats
énoncés au chapitre 10 de [86], la capacité totale du système est donnée en maximisant la
quantité suivante :
62 df [bits/s], (5.10)
J ? n i f\
Gn{f)
sous la contrainte de puissance totale

-fUJ
Ps = \G s {f)df. (5.11)
L'inconnue dans ce problème est la distribution spectrale du signal, G s ( f ) solution au
problème d'optimisation. La solution, basée sur les multiplieurs de Lagrange, est donnée
dans [88], et peut être exprimée comme suit :
G s (f) = (v-G n (f)) + , (5-12)
où v ( v - K , water-level) est une inconnue dont la valeur est constante. La constante v

doit être choisie de telle sorte qu'elle puisse satisfaire l'égalité suivante :
Ill
-t-J_
\ ( v - G n ( f ) ) + d f = Ps. (5.13)
La fonction (•)* renvoie la partie positive de ses arguments, c'est-à-dire
w+=
si z>0
(5.14)
0 si z < 0
Cette méthode, appelée waterfilling (WF) [86], [141], a déjà été abordé au chapitre 4. Le
WF a une explication intuitive qui est donnée à la figure 5.3. Pour un G n ( f ) donné,
trouver v dans (5.12) revient à trouver le water-level, v, tel que l'aire de la région
hachurée sur la figure 5.3 soit exactement égale à Ps [29]. L'exemple illustré à la figure 5.3
présente pour / = f*, le Gs (f* ) optimal résultant du principe du WF illustré par la flèche
rouge, tel que : Gs ( / ) = (v - Gn ( / ' )) + .
Figure 5.3 : Water-filling pour le canal SI-FOP IM/DD.
Le terme waterfilling découle du fait que la courbe Gn ( / ) peut être vu comme un bol
qu'on remplit d'eau (puissance) jusqu'à ce qu'on ne puisse plus remplir sans déborder. Le
112
niveau de l'eau monte à un niveau constant plat dans le bol. La quantité d'eau (puissance)
dans n'importe quelle sous-porteuse est la profondeur de l'eau au point correspondant dans
le bol [26]. Intuitivement, la solution permet d'allouer plus de puissance à la gamme de
fréquences où le signal est transmis avec le moins de bruit (figure 5.3). En particulier,
aucune puissance n'est allouée à l'extérieur de l'intervalle définit par la « fréquence
critique » E,, qui satisfait l'équation Gn (£) = v . Les paramètres v et E, jouent donc un rôle
clé dans le calcul de la capacité théorique au sens de Shannon. La solution du waterfilling
est unique car la fonction minimisée est convexe de sorte qu'il y ait une unique distribution
optimale de la puissance pour le canal considéré. En combinant (5.10) et (5.11) aux
résultats généraux donnés en (5.12) et (5.13), on peut déterminer la capacité du canal SI-
FOP. En négligeant Pave, le signal sans bruit reçu après la photodétection, r{t), défini en
(5.8) et a une densité spectrale de puissance notée Gr :
G r (/)=5 2 G 2 4.|// F (/)| 2 .G W (/), rv2/ffe] (5.15)
où G „ ( / ) est la densité spectrale de puissance du signal DMT s[t) transmis. G sx (f) est
une inconnue dans le problème d'optimisation et doit satisfaire l'égalité établie en (5.11).
On peut réécrire (5.11) comme suit :
|<U/)#=<s2(r)>. (5-16)
Pour un facteur d'écrêtage p > 3, la puissance moyenne du signal DMT avant et après
écrêtage est approximativement la même [29]. Comme p = 3, on peut donc supposer :
<s2(t)> = <sl{t)>. (5.17)
On peut réécrire (5.6) comme suit :

113
<s 2 0 (t)> = (p Y (5.18)

ave
En combinant (5.17) et (5.18) et en insérant dans (5.16), on a
7 (P Y
\Gsx{f)df= - ^ (5.19)
-«o V A» 7
L'équation (5.19) mène à la contrainte à respecter, (5.11). En utilisant (5.10), la capacité du

canal SI-FOP peut s'écrire comme suit :
2\
2
G2aF.Ga(f)]nF(fj
+00 ,
C<J-log 2 uS
df, (5.20)
NJ2
avec comme borne supérieure limite (5.19).
On introduit la puissance équivalente du bruit NEP (Noise Equivalent Power)

exprimée en w / v H z . Ce terme caractérise intrinsèquement le récepteur et correspond à la
puissance minimale détectable par unité de racine carrée de la bande passante [49]. On a :
NEP 2 = ^ NEP = (5-21)

S 2 G2 SG
On peut donc simplifier (5.20) qui s'écrit alors :

2^
+00..
n 2^Ga(/).|jyf(/)|
C<J-log 2 df. (5.22)
NEP2
Le problème général d'optimisation défini en (5.19) et (5.22) est équivalent au cas général
définit en (5.10) et (5.11) si on pose :
114
G,(f) = GB{f)
NEP2 (5.23)
Gn(f) = 2a
" \Mft
où H F ( / ) est la réponse en fréquence normalisée du canal SI-FOP IM/DD considéré. En
utilisant la solution donnée par la technique du WF défini en (5.12) et (5.13) et en insérant

le paramètre de la fréquence critique E,, le problème peut être reformulé comme suit :
) ( v - G n ( f ) ) + d f = Ps, (5-24)
avec
NEP2
v = G n {ï) = (5.25)
2«, \HF(Ç)\2
En réécrivant (5.24), le problème d'optimisation est finalement reformulé comme suit
+
-i (P V
NEP2 1 NEP2
df = ave (5.26)
2a2F
Mflr 2OCF
\Mft \ V )
L'équation (5.26) est équivalente à :
EP2 f
NEP 1 1 (P V
df = (5-27)
2
m \Mf)\ KM J
Finalement, l'équation (5.27) peut se réécrire comme suit
I 2a2F
^ D >
# = (5.28)
Mflr M/)l k P J NEP2
On introduit un nouveau paramètre normalisé rj et le paramètre SNR comme suit :

115
rj = j r , (5-29)
fo
et
2a 2 P2
SNRefl = f ™ ; (5.30)
eq
NEP 2 -// 2 -/ 0 V }
SNReg est le rapport signal sur bruit équivalent normalisé, après photodétection.
En partant de l'équation (5.28) et en la réécrivant en introduisant les paramètres rj et
SNReq, nous obtenons après quelques manipulations mathématiques présentées à
l'annexe D, l'équation (D.6) qui montre clairement que le paramètre TJ dépend uniquement
de SNRe? par une loi non linéaire ?7 = g(SNR V II n'existe pas d'expression
mathématique fermée pour la fonction g(-), mais, il est possible de l'évaluer

numériquement sous MATLAB. La capacité du canal SI-FOP IM/DD est alors déterminée
par la résolution d'un problème non linéaire à une inconnue E,.
5.2.2 Capacité théorique et modèle gaussien
Comme nous l'avons vu au chapitre 3, la SI-FOP peut être modélisée comme un

filtre passe-bas gaussien. La réponse en fréquence normalisée est alors donnée par (3.5).
En appliquant les formules vues au paragraphe 5.2.1, on a d'après (5.23) :
G s (f) = G s x (f), (5-31)
Gn(f) =~ e ^ , (5-32)
2a F
,2 A
NEP
V G e u (533)
- ^-^âf •
116
5.2.2.1 Capacité théorique du canal SI-FOP IM/DD obtenue avec le modèle gaussien
On cherche à déterminer une expression analytique de la capacité en fonction de E,

lorsque le canal SI-FOP est modélisé par un filtre passe-bas gaussien. En partant de
l'égalité associée à (5.10) et en combinant avec (5.12), (5.24) et (5.25), on obtient
l'expression suivante de la capacité :
C= 2 e2 (5.34)
3hi(2)/0
On en déduit l'expression de la capacité en fonction de f_MB et n tel que défini en (5.28)
C 2
= ^ = = / W = ,, , ^ f - i i l B g * ( S N R e q ) . (5.35)
31n(2)7h(2) 3^(2)^/1^(2)
Le détail des calculs de la capacité du canal SI-FOP, se trouvent à l'annexe D du mémoire.
5.2.2.2 Évaluation de la fréquence critique dans le cas du modèle gaussien
Il reste à évaluer le paramètre rj qui dépend de la fréquence critique. On rappelle

que la réponse en fréquence normalisée du canal dans le cas du modèle gaussien est donnée
par l / / ^ / ) ! =e ^ avec / 0 = f 3 d B /Jln(2) . Si on insère l'expression de I r / ^ / ) dans
(5.28) on obtient :
I
-4
Mflf K(/)f
df =
(P„A
M J
2a2F
NEP 2
(5.36)
2 \
H f fP..X 2a2F
df = 2 -
\ KM) NEP
-i
En introduisant le paramètre n dans (5.36), il en résulte

117
+'/
2t]e n2 - j e w 2 d w = S^R eq , (5.37)
f
où w est une variable muette telle que w = — . Le détail des calculs menant à l'expression
Jo
(5.37) se trouve à l'annexe D du mémoire.
5.2.2.3 Détermination numérique de la capacité du canal dans le cas gaussien
Pour résumer, nous cherchons ici à déterminer avec la technique du water-filling la

capacité du canal SI-FOP lorsque le canal est modélisé par un filtre passe-bas gaussien. Ce
problème s'avère être un problème non linéaire avec comme inconnu la fréquence critique
<% et peut être résolu numériquement. La procédure s'effectue en deux étapes :
Première étape
2a P
Soit le SNR„„ : SNR„, = sf—^-^r. On introduit le paramètre normalisé ri tel
e eq
" NEP 2 -/ 0 -// 2 F
que 7 = -7- = —^7 ; r) dépend uniquement du SNR par une loi non linéaire donnée
JO J-idB
par (5.37) :
+n
2rje"2 - j e w l d w = SNReq.
-7
Le seul paramètre connu dans (5.37) est le SNRe? et l'inconnu est rj. Cela revient à établir
que 7 = g ( S N R V On obtient la fréquence critique et rj en évaluant numériquement
(5.37).
118
Deuxième étape
Une fois la valeur de TJ évaluée, on peut déterminer la capacité du canal en

introduisant cette valeur dans l'expression de la capacité du canal donnée par (5.35) :
C=
31n(2)Vl„(2) / - 3 ""'
Finalement, la capacité du canal SI-FOP IM/DD, lorsque le canal est modélisé par
un filtre passe-bas gaussien, est donnée par une expression relativement simple :
Ainsi, d'après (5.38), connaissant la bande passante à -3 dB du canal, f_UB , et le rapport
signal sur bruit équivalent normalisé, SNRe(?, on peut déduire la capacité du canal.
5.2.3 Capacité théorique et modèle « power flow equation »
Le raisonnement suivi pour le calcul de la capacité pour le modèle « power flow

equation » (PFE) est identique au raisonnement réalisé pour le modèle gaussien. En partant
des principales équations définies dans le cas général, l'évaluation de la capacité s'effectue
toujours en deux étapes comme dans la section 5.2.2.3. La difficulté ici, c'est que
contrairement au cas du modèle gaussien, nous ne disposons pas d'une expression
mathématique simple pour \HF ( / ) . De la même manière que pour le cas gaussien, le
point de départ pour le calcul de la capacité théorique au sens de Shannon du canal SI-FOP
dans le cas du modèle PFE est l'inégalité (5.10) qui peut également se réécrire comme suit :
+00 f 2
u 2a p.G x (f).\H F (f)p
C<
AÏ -log
NEP2
df.
119
À la difference des expressions simples données dans (5.30), (5.31) et (5.32) pour le
modèle gaussien, on ne peut pas remplacer ici \H F ( / ) par une expression simple.
Première étape
Comme pour le cas du modèle gaussien du canal, on cherche dans la première étape
à évaluer la fréquence critique. En partant de (5.27), on pose la constante, K, telle que :
(p \ 2a ;
K=
KP J NEP2 (5-39)
= /oSNR e? .
On peut alors réécrire (5.27) comme suit
2 f
Mflr -ii
df = K. (5.40)
U\HM
L'expression (5.40) est alors équivalente à :
df = K<^> E.= 2 df (5.41)

Mflf i\Mf)\}\HJ
1 iM(ft
On en déduit alors l'expression d'évaluation de E,
|2 H
Tdf (5-42)
2 I '*** 2 J H J(f)\
D'après (5.27), si on trouve E,, on peut en déduire TJ et vice versa. On cherche dans un
premier temps à trouver la valeur de la fréquence critique E, par le raisonnement suivant :
1) Dans un premier temps, on fixe E, à une valeur arbitraire.

120
2) On évalue (5.41) et suivant le résultat que l'on obtient par cette évaluation, on
réajuste la valeur de E,.
3) On réitère les étapes 1 et 2 jusqu'à ce que l'égalité soit vérifiée ou que l'on ait
atteint une certaine tolérance d'erreur que l'on aura préalablement fixée.
Deuxième étape
Connaissant E,, on peut alors calculer la capacité théorique du canal. En partant de

l'égalité dans (5.10) et en combinant avec (5.12), (5.24), on obtient :
df
(5.43)
\Mf)\ df-
~21n(2)J
Soit encore :
2^
2j il
C^.logjM
MM*)I'
df. (5-44)
Les étapes du calcul menant à (5.43) sont décrites à la fin de l'annexe D.
En réécrivant (5.43), on obtient finalement :
K(/)l
2\
1
C= df
21n(2)
Mflf (5.45)
+
/ln(|// F (/)| 2 )#-{ln(|/7 F ^)| 2 )#
21n(2)
Dans la suite du mémoire, nous déterminons la capacité du canal pour différentes

longueurs de la fibre optique plastique en appliquant d'abord la méthode 1 au modèle
121
gaussien du canal SI-FOP. Ensuite nous déterminons la capacité du canal en appliquant la

méthode 2 au modèle gaussien du canal SI-FOP. La comparaison des résultats du calcul de
la capacité du canal obtenus par la méthode 1 et la méthode 2 en considérant le modèle
gaussien nous permet de valider la méthode 2. Nous appliquons finalement la méthode 2
pour déterminer la capacité du canal SI-FOP en considérant le modèle « power flow
equation ». Une comparaison des différents résultats est réalisée. Les résultats obtenus pour
le calcul des capacités sous MATLAB sont présentés et commentés au chapitre 6.
5.3 Capacité pratique DMT du canal SI-FOP IM/DD
La bande passante des systèmes SI-FOP IM/DD constitue un facteur qui va limiter les
débits de données que l'on peut transmettre. Cette limitation de la bande passante peut
provenir de l'émetteur, du canal, du récepteur ou d'une combinaison des trois.
L'application de la DMT sur le canal SI-FOP requiert l'utilisation de convertisseurs
numérique analogique (CNA) et analogique numérique (CAN). À cause de la vitesse
d'échantillonnage des convertisseurs, la capacité théorique du canal vu en 5.2 n'est pas
réaliste lorsque l'on compare à un système réel DMT sur SI-FOP. Afin d'obtenir des
valeurs plus réalistes, on propose une approche numérique à bande passante limitée du
calcul de la capacité pratique DMT du canal SI-FOP. En limitant la bande passante du canal
SI-FOP à Bw que l'on suppose résultant de la vitesse d'échantillonnage du CNA et du
CAN, le problème d'optimisation donné en (5.10) et (5.11) peut être reformulé de façon
similaire à (4.18) dans le chapitre 3 comme un problème de maximisation du débit total
réalisable R [bits/s] à un BER fixé et sous la contrainte de puissance totale, peut s'écrire
comme suit :
max (R)=Â^hn\B
F w
- \Ntfx
1 r SNR
= max i+ - Bw (5.46)
p. n=\ Y
1 N
Pn'gn
= max 1+ B„,
r
J
p. ' n=l
122
sous la contrainte :
Z^=C- (5-47)
n=\
Le problème de maximisation de R revient à trouver les distributions optimales de bits bn
et de puissance Pn, pour n = \,2,...,N . De façon similaire à (5.13), la solution à ce

problème est la méthode du waterfilling. La solution est déterminée ici de façon
numérique en utilisant des algorithmes selon le critère « rate adaptive » comme
l'algorithme « rate adaptive water-filling » (RA WF) tel que décrit dans [26] et revu au
chapitre 4. L'algorithme RA WF permet de déterminer numériquement le débit R pour un
canal donné lorsque le SNR par sous-porteuse est connu. Comme nous le verrons au
chapitre 6 lors de la présentation des résultats obtenus pour l'application de l'algorithme
RA WF, dans le cas du canal SI-FOP IM/DD, le débit maximum n'est pas toujours atteint
lorsque toutes les sous-porteuses sont utilisées. La solution optimale revient à utiliser
uniquement les sous-porteuses qui ont le plus grand SNR.
5.4 Capacité du canal SI-FOP et algorithme de Chow
5.4.1 Pourquoi rechercher d'autres algorithmes de bit loading?
Dans les sections 4.3 et 5.3, nous avons présenté l'algorithme RA WF appliqué au
canal SI-FOP IM/DD afin de maximiser le débit du canal. L'algorithme RA WF, résulte en
une distribution de bits optimale où le nombre de bits bn par sous-porteuse peut
correspondre à n'importe quel nombre réel [26]. Autrement dit, on suppose théoriquement
une granularité infinie du nombre de bits (taille des constellations) par sous-porteuse.
Cependant, la réalisation d'une distribution avec un nombre non entier de bits peut être
difficile et parfois même impossible car la plupart des schémas de modulation M-QAM, M-
PSK, etc. ont un nombre entier de bits par symbole. De ce fait, l'algorithme RA WF ne
convient pas pour une implementation pratique. Une alternative est alors d'utiliser des
123
algorithmes à granularité finie plus connus sous le nom de « discrete bit loading » ou
allocation discrète de bits [26]. Il existe dans la littérature principalement deux approches
d'algorithmes à granularité finie. La première approche est un algorithme sous-optimal fini
du bit loading et implique d'arrondir la distribution de bits approximative obtenue avec la
technique du waterfilling, c'est l'algorithme de Chow [51]. La deuxième approche est
basée sur des méthodes mathématiques de type greedy (algorithme crible ou glouton).
Hughes-Hartogs a été le premier à établir l'algorithme d'allocation de bits greedy pour
maximiser le débit pour une puissance totale donnée. Cet algorithme est une procédure qui
s'effectue pas à pas pour atteindre la solution du problème de maximisation. À chaque
itération, les puissances APn requises pour émettre un bit additionnel sur chaque sous-
porteuse n sont évaluées et comparées, et on choisit la sous-porteuse pour laquelle la
transmission d'un bit additionnel nécessite le moins de puissance. Ce processus nécessite
des opérations d'ordonnancement et de recherche excessive à chaque itération.
L'algorithme de Hughes-Hartogs n'est donc pas particulièrement convenable dans le cas où
le nombre de bits par symbole DMT est très grand. Une amélioration de l'algorithme de
Hughes-Hartogs a été développée par Jorge Campello de Souza et Howard Levin et est
connue sous le nom d'algorithme Levin-Campello (LC). Dans la suite, nous étudions
l'algorithme de Chow et l'algorithme LC. Nous faisons donc une distinction entre les
solutions obtenues dans le cas où le nombre de bits par symbole transmis prend des valeurs
dans M+, granularité infinie et les solutions adaptées aux systèmes réels où le nombre de
bits par symbole transmis prend valeurs dans N en considérant des modulations QAM,
granularité finie.
5.4.2 L'algorithme de Chow
L'algorithme on/off de Chow ou tout simplement algorithme de Chow a été

développé en 1995 par Chow et Cioffi pour les systèmes ADSL [26]. La procédure consiste
à distribuer les bits un par un (bit filling) aux sous-porteuses à la faveur de la sous-porteuse
nécessitant le moins de puissance pour y transmettre un bit supplémentaire. L'algorithme
de Chow est un algorithme à distribution uniforme de puissance (flat energy distribution)
124
qui exploite le fait que les sous-porteuses utilisées sont les mêmes ou pratiquement les
mêmes que celles utilisées dans le cas de la technique du WF et que la différence de
distribution de bits, entre l'approche WF classique et l'algorithme on/off de Chow est très
faible, inférieure à 2% [115], [121]. Cette approche peut tout simplement se résumer en un
arrondi par défaut de l'approximation des résultats du WF. La puissance transmise sur les
sous-porteuses utilisées est la même et celles-ci sont mises à « on ». La puissance transmise
sur les sous-porteuses non utilisées est égale à zéro; ces sous-porteuses sont mises à « off ».
L'algorithme de Chow détermine de manière itérative quelles sous-porteuses sont
sélectionnées pour la transmission, « on » et celles qui ne doivent pas l'être, « off » et
propose une solution simple, sous-optimale au calcul de la capacité du canal. Il est basé sur
(5.45) et commence en éliminant les sous- porteuses qui sont les moins efficaces en termes
de puissance requise pour la transmission de l'information et redistribue la puissance
équitablement sur les sous-porteuses les plus efficaces afin de maximiser le débit. Quel que
soit le problème d'optimisation que l'on considère, la maximisation du débit sous une
contrainte de puissance (Rate Adaptive, RA) ou la maximisation de la performance pour un
débit donné (Margin Adaptive, MA), l'algorithme commence toujours par l'algorithme
«Chow's on/off Loading Primer » [26].
5.4.2.1 Algorithme on/off de Chow (« Chow's on/off Loading Primer »)
L'algorithme on/off de Chow est divisée en deux parties. La première partie connue
sous le nom de « Chow's on/off Loading Primer » est commune aux deux problèmes
d'optimisation RA et MA. Tout comme l'algorithme RA WF, il commence par
l'ordonnancement des SNR en ordre décroissant; la première sous-porteuse à être analysée
est celle ayant le plus grand SNR; le nombre de sous-porteuses à « off » est zéro.
L'algorithme se déroule comme suit :
1) Tout d'abord, on ordonne de façon décroissante les sous-porteuses en fonction de

leur g n , de telle sorte que g, soit le plus élevé, g, > g 2 >... > g N .
125
2) Ensuite, une partie des sous-porteuses utilisées est choisie itérativement. Par
exemple, on peut supposer à l'initialisation que l'on utilise toutes les N sous-
porteuses. On a TV sous-porteuses à « on » et zéro sous-porteuses à « off ».
Soient i le nombre de sous-porteuses utilisées pour la transmission (sous-porteuses

à « on ») et blemp (i) le nombre total de bits transmis sur les i sous-porteuses. On
initialise i = N et blemp(N + l) = 0, (b lemp (N + l) = 0 permet d'assurer que l'on
effectue au moins une boucle dans l'algorithme car la sous-porteuse N+\ n'existe
pas à l'initialisation).
3) Sur les i sous-porteuses utilisées, la puissance totale est uniformément distribuée :

Pn = Ptol/i pour n - \ , . . . , i ; P m est la puissance totale disponible, et SNR„ = P„■ g„.
4) Puis on calcule le nombre total de bits que l'on peut transmettre sur les i sous-
N
■ ( P g
porteuses utilisées, blemp (i), avec : btemp (*') = £ l°g2 1 + - ™ •
n=\ V i J
5) On compare le nombre de bits transmis sur les i sous-porteuses sélectionnées,

au
btemp (f) nombre de bits associé aux i + l sous-porteuses de l'étape précédente,
a) Si btemp (/) < b, {i +1), on arrête l'algorithme et on conserve la distribution
de bits obtenue à l'étape précédente qui correspond à blemp {i +1).
b) Sinon, si blemp (i) > btemp (i +1), cela signifie que l'on transmet plus de bits en
supprimant la pire sous-porteuse, c'est-à-dire celle qui a le plus grand g n .
On met à jour i, / < - / - l (on diminue de 1 le nombre de sous-porteuses à,
« on » et Pt = 0 ) et on boucle sur l'étape 3).
À la sortie de l'algorithme, on a une distribution uniforme de puissance sur les sous-

porteuses utilisées pour la transmission et un nombre maximal de bits transmis sous la
contrainte de puissance totale. À ce stade, la distribution de bits produite par l'algorithme
126
d'allocation de Chow « on/off Loading Primer » peut contenir vraisemblablement

plusieurs sous-porteuses pour lesquelles le nombre de bits n'est pas entier. Pour le lecteur
intéressé par de plus amples détails, [26] et [51] sont d'excellentes références pour
comprendre cet algorithme. Un exemple de l'algorithme de Chow est déroulé dans [26].
5.4.2.2 L'algorithme « rate adaptive de Chow »
Pour résoudre le problème d'optimisation Rate A daptive, on rajoute trois étapes

supplémentaires à l'algorithme « on/off Loading Primer » de Chow afin d'ajuster
l'allocation de puissance et de bits obtenus. Si on se contente uniquement d'arrondir par
défaut le nombre de bits alloué à chacune des sous-porteuses utilisées pour la transmission,
le débit total résultant est inférieur au débit attendu. De ce fait, le problème d'optimisation
doit tenir compte de la granularité de la modulation utilisée dans le système. Les étapes 6 et
7 sont exécutées pour toutes les sous-porteuses utilisées, « on ». Ces étapes supplémentaires
permettent d'ajuster l'allocation de la puissance par sous-porteuse en respectant la
contrainte de puissance totale et les contraintes d'implementation de la modulation utilisée.
6) Soit J3g , la granularité du système (voir la définition en annexe A ). Le nombre de
bits transmis sur une sous-porteuse quelconque est donnée par : bn = Bn ■ B g , où
B„>0 est un entier.
a) Si ■&-- < 0,5/?g alors on arrondi bn au plus grand entier multiple de

fi. fit
P g contenu dans b n , c'est à dire Bn =

b L'ajustement de la puissance
A
se fait en réduisant la puissance sur la sous-porteuse considérée On réduit la
puissance Pn transmise sur la sous-porteuse d'un facteur — . Cet
ajustement de la puissance permet de supporter de supporter la nouvelle

127
allocation de bits avec les mêmes performances de BER. La nouvelle valeur
entière de bn satisfait : bn = log- 1 +Pnon

g
b) Si -S— >0,5P g , alors on arrondi èn à l'entier supérieur suivant,

P,
B = Dans ce cas, l'ajustement de la puissance se fait en augmentant

A
2PgBn _j
la puissance Pn d'un facteur afin de supporter de supporter la
nouvelle allocation de bits avec les mêmes performances de BER.
Pg
La nouvelle valeur entière de bn satisfait ici aussi : bn = log2 1 + non
7) On calcule la puissance totale utilisée Pm ulile = V P n , où i est le nombre de sous-

n»l
porteuses utilisée et on réajuste la puissance transmise sur chacune des sous-

porteuses d'un facteur P M jP M u.utile
Pour résumer, l'algorithme de Chow débute en écartant les sous-porteuses les moins
efficaces en termes de puissance pour la transmission et redistribue la puissance sur les
sous-porteuses les plus efficaces afin d'obtenir un débit plus élevé. Le nombre de bits non
entier alloué à chaque sous-porteuse est arrondi suivant la granularité des modulations et on
y associe une augmentation ou une diminution de la puissance correspondante afin de
supporter la nouvelle allocation de bits avec les mêmes performances. Il a été montré que
l'algorithme de Chow permet d'atteindre des performances quasi optimales. Un
inconvénient de cet algorithme est que les opérations de calculs sont lourdes.
128
5.5 Capacité du canal SI-FOP et algorithme Levin-Campello
Les définitions du vecteur de distribution de bits, de la puissance d'un symbole, de

l'incrément de puissance et de la distribution efficace de bits sont en annexe A.
On note Pn [bn ] , la puissance du symbole lorsque bn bits sont alloués à la «ieme sous-
porteuse et AP„*" l'incrément de puissance définis comme suit :
P
M=(*- 1 )—; ( 5 - 48 )
on
A^-=JPn[6B]-i>B[6B-l] = [(2 f t "-l)-(2 é "- , -l)]^ = 2 i "-'il. (5.49)

on on
L'algorithme Levin-Campello (LC) se déroule en deux étapes qui sont l'algorithme

« Levin-Campello Efficientizing » (LC EF algorithm) et l'algorithme « Levin-Campello E-
tightness » (LC ET algorithm).
5.5.1 Algorithme d'allocation efficace de bits Levin-Campello
À chaque pas d'itération, l'algorithme d'allocation efficace de bits LC (LC EF)

recherche la sous-porteuse qui nécessite le moins de puissance pour y transmettre un bit
d'information supplémentaire (P g =1). On calcule donc l'emplacement de la sous-porteuse
qui permet d'économiser la plus grande quantité de puissance par élimination de P g unités
d'information et on réaffecte p unités d'information à la sous-porteuse nécessitant le
moins de puissance symbole. On répète les itérations jusqu'à ce que (5.49) soit vérifié.
Cette allocation de bits est effectuée de manière séquentielle jusqu'à ce qu'il n'y ait plus de
puissance disponible pour la transmission. À la fin des itérations, l'allocation de bits est une
129
allocation efficace de bits. Le déroulement de l'algorithme d'allocation efficace de bits (LC

EF) est le suivant :
1) On commence d'abord par dresser la table d'incrémentation de puissances

qui indique la quantité de puissance nécessaire pour transmettre un bit
supplémentaire ( P g = \ bit) sur la sous-porteuse d'indice n.
2) On trouve ensuite dans la table l'indice m tel que :
m <-arg{min 1S/SJV [AP*l+/}g]} ;(soit pour P g = \ , m = arg {min1S/SJV[A/>*'+1 ]})
3) On trouve dans la table l'indice n tel que :
n<-arg{max 1£7fi „[A/>/']};
4) Tant que APbmm+p* <APnK (soit APm*"+1 <APnh" pour p g =1) faire :
a) bm <-6 m + p g (soit bm =b m +1 pour P g = \ )
b) bn < ^ b „ - p g (soit b n = b n - \ pour p g = \ )
c) Trouver dans la table l'indice m tel que :
m ^ a r g { m i n , ^ [ A P ^ ] } ; ( m = arg{min l £ / £ „[A/?< + 1 ]}; P g = 1)
d) Trouver dans la table l'indice n tel que :
n<-arg{max 1 S 7 ,„[A/^]}.
La première étape de l'algorithme RA LC consiste à trouver une distribution

efficace de bits car il existe plusieurs distributions qui mènent à un même nombre total de
bits transmis sur les sous-porteuses. En remplaçant la distribution de bits courante par une
distribution proche de la distribution efficace et en effectuant une recherche exhaustive de
tous les changements de l'unité d'information à chaque étape, l'algorithme LC EF mènera à
une distribution efficace de bits si la fonction puissance croît de manière monotone avec
130
l'information [26]. La distribution de bits ainsi obtenue est efficace dans la mesure où
aucun transfert de bit d'une sous-porteuse à une autre ne permet d'obtenir une réduction de
la puissance du symbole.
5.5.2 Allocation optimale de bits et de puissance (« E-tightness »)
Puisqu'il est tout à fait possible que la condition sur la contrainte de puissance totale
soit violée lors de la première étape de l'algorithme, LC EF qui est commune aux deux
problèmes d'optimisation RA et MA, la deuxième étape de l'algorithme RA LC, « E-
tightness », permet d'assurer l'optimalité de la capacité et le respect de la contrainte de
puissance totale. Le concept « E-tightness » consiste à enlever des bits des sous-porteuses
ayant une puissance d'incrémentation de bit élevée lorsqu'on a utilisé trop de puissance
pour la transmission et à ajouter des bits aux sous-porteuses ayant une puissance
d'incrémentation faible lorsque la puissance utilisée pour la transmission est en dessous du
budget de puissance. On resserre ainsi les bits et puissances alloués aux sous-porteuses
utilisées afin d'assurer l'optimalité de l'allocation des puissances et des bits tout en
respectant la contrainte de puissance totale disponible.
Pour résumer, étant donné une distribution de bits, le remplissage de bits s'effectue
en ajoutant itérativement de façon croissante un bit à la sous-porteuse la moins
consommatrice de puissance lorsque la puissance est suffisamment en dessous de la limite,
et en retirant un bit à la sous-porteuse la plus consommatrice de puissance lorsque la
puissance totale est dépassée. Cette opération est itérée jusqu'à ce que le budget de
puissance soit atteint.
Une distribution de bits avec une granularité Pg est dite « E-tight » si :
0<P lol -f,AP n b - <min[A/f +/? <], (5.50)

n=\
soit pour p = 1
131
0 < Pol - Y APnh" < min T APA'+11.

K» L17=1
^ n ls/s/V L
i i J
L'étape « E-tightness », permet de s'assurer qu'aucun bit supplémentaire ne peut

être ajouté ou enlevé sans violation de la contrainte sur la puissance totale disponible. Une
distribution de bits peut être rendue « E-tight » en appliquant l'algorithme ET LC ainsi
l'efficacité de la distribution des bits dans l'algorithme RA LC est préservée. L'algorithme
est déroulé ci-dessous.
Algorithme Levin-Campello « E-tightness »
Afin d'obtenir une distribution de bits « E-tight », on utilise l'algorithme « Levin-

Campello E-tightening » décrit comme suit [26] :
1) On pose: 5 = 2 / „ [ * „ ] ;
n=\
2) Tant que (P m - S < 0) ou [Plo, - S > m i n , ^ [ A P ^ ])
(soit pour p g = 1 : Tant que (PM - S < 0) ou (Plol - S > minl£/S„ [ A / ? ' + 1 ]) )
3) Si ( P l o l - S < 0 ) alors
a) Trouver l'indice n tel que : n <— arg jmax^,^ ÏAff1 ] | ;
b) S<r-S-AP n K
c) b „ < - b H - P g (soit b „ = b „ - l )
4) Sinon
a) Trouver l'indice m tel que : m <— arg j minls/SJV \ API l+ g

|
(soit pour p g = 1 : m <- arg {min l£i ^ [ ^ + 1 ]} )

132
b) S <r- S + APhm"+p*, (soit S = S + A P y )
c) b m ^ b m + p g , ( s o i t b m = b m + \ )
La procédure se termine lorsque l'ajout d'un bit supplémentaire entraîne une

violation de la contrainte de puissance, ce qui signifie clairement que la distribution de bits
est resserrée. L'algorithme LC ET réduit le nombre de bits lorsque celui-ci viole la
contrainte de puissance totale et rajoute des bits additionnels sur la sous-porteuse ayant le
moindre quota de puissance tant qu'on est en dessous de la limite de puissance totale.
5.5.3 Algorithme « rate adaptive Levin-Campello »
L'algorithme Levin-Campello (LC) permet d'obtenir un résultat quasi-optimal avec

une complexité de mise en œuvre raisonnable [91]. L'algorithme d'adaptation de débit RA
LC s'effectue en trois étapes [26] :
1 ) On commence d'abord par choisir un vecteur de distribution de bits b.
2) Pour ce vecteur de distribution de bits b, on effectue une distribution de bits

efficace telle que toute autre distribution avec un même débit cible requièrent
plus de puissance (« Levin-Campello Efficientizing algorithm»).
3) La troisième étape consiste à ajuster la distribution binaire et la puissance de

manière à ce que toute augmentation du nombre de bits induise un
dépassement du budget de puissance totale (« Levin-Campello E-
tightening »).
La description de l'algorithme RA LC que nous avons présenté ne tient pas compte

d'une éventuelle contrainte que l'on pourrait avoir sur le nombre de bits maximal qui peut
être transmis sur les sous-porteuses. Cette contrainte nécessiterait que l'on apporte des
ajustements à l'algorithme [125]. L'algorithme RA LC est présenté aux références [26],
[125] et [126].
133
5.6 Conclusion
Ce cinquième chapitre a été dédié à l'analyse des performances d'un système de

transmission optique DMT SI-FOP. Une attention particulière a été portée au calcul de
capacité du canal optique à partir des travaux de Gaudino et al. [88]. Deux méthodes de
calcul de capacité théorique du canal SI-FOP utilisant la modulation multitone ont été
exposées. Nous avons également présenté plusieurs algorithmes de bit loading tels que
l'algorithme de Chow et l'algorithme de Levin-Campello.
CHAPITRE 6
Analyse des résultats
Dans ce chapitre 6, nous présentons les principaux résultats obtenus lors de nos
simulations. L'objectif de ce mémoire est d'établir un modèle mathématique réaliste de la
réponse en fréquence du canal SI-FOP à modulation d'intensité et détection directe.
1) Nous commençons d'abord par établir les réponses en fréquences des différents
modèles du canal SI-FOP IM/DD. Ainsi les réponses en fréquences du canal sont
déterminées pour :
a) le modèle gaussien,
b) le canal réel mesuré (« avec mode mixing » et « sans mode mixing »),
c) et le modèle « power flow equation ».
2) Au chapitre 5, nous avons déterminé un modèle analytique du canal SI-FOP IM/DD

utilisant la DMT et nous avons établi deux méthodes (méthode 1 et méthode 2) de
calcul de la capacité théorique au sens de Shannon pour un canal optique IM/DD
lorsque la technique du waterfilling est utilisée. La méthode 1 du calcul de la
capacité théorique permet d'évaluer de manière relativement rapide la capacité du
canal lorsque l'on a une expression mathématique simple et fermée de la réponse en
fréquence. Dans le cas contraire, nous utilisons la méthode 2 qui est une méthode
135
plus générale de l'évaluation de la capacité théorique au sens de Shannon. Nous

présentons alors les résultats de la capacité théorique au sens de Shannon obtenus :
a) en appliquant les méthodes 1 et 2 au modèle gaussien afin de valider la

méthode 2 par comparaison à la méthode 1 ;
b) la méthode 2 est alors appliquée au modèle « power flow equation »
3) Finalement, en appliquant le concept de bit loading qui est un avantage des

systèmes utilisant la DMT, nous déterminons la capacité pratique du canal SI-FOP
IM/DD en utilisant le critère d'allocation Rate Adaptive. Ainsi, on détermine
différentes capacités pratiques du système en appliquant :
a) l'algorithme « rate adaptive water-filling »
- au canal réel mesuré « sans mode mixing »,
- au modèle gaussien et au modèle « power flow equation »;
b) l'algorithme « rate adaptive de Chow »
c) et enfin, l'algorithme « rate adaptive Levin-Campello »
6.1 Résultats de la simulation du modèle gaussien
Nous avons établi dans la section 3.3 que le canal SI-FOP peut être modélisé par un
filtre passe-bas gaussien et sa réponse en fréquence normalisée H F ( / ) est, d'après (3.4) :
H F ( f ) = e [f ->, avec f0 = f _ U B / ^ { 2 ) ,
136
où / 0 est la fréquence de référence et f_idB est la bande passante à -3 dB du canal. C'est ce
modèle de canal qu'on simule lorsqu'on parle de modèle numérique gaussien.
6.1.1 Présentation du modèle expérimental réalisé dans [29]
Du fait de la grande ouverture numérique de la SI-FOP, une photodiode Si-PIN de

diamètre allant de 300 p m à 1 mm est généralement utilisée pour détecter la lumière au
niveau du récepteur. Dans [29], un montage expérimental a été réalisé pour mesurer
certains paramètres du système optique SI-FOP IM/DD utilisant la modulation DMT. En
particulier, des mesures ont été réalisées afin d'obtenir la bande passante f_idB, pour
différentes longueurs de la SI-FOP. Le montage expérimental réalisé comprend [29] :
- au transmetteur une DL, 655-nm pour DVD (Digital Video Disc) avec une bande
passante de 500 MHz et au niveau du récepteur, un photodétecteur en silicium
intégrant un amplificateur à trans-impédance (TIA) de bande passante 300 MHz; ce
photodétecteur non officiel est un prototype qui a été fourni à l'auteur de l'article
[29] (S. C. J. Lee) par un manufacturier allemand. Néanmoins ses caractéristiques
se rapprochent de celles du photodétecteur en silicium Thorlabs PDA 10A. Un
inconvénient de l'utilisation d'une diode laser pour DVD en transmission est que les
performances de ce composant varient avec la température. Les avantages des
composants au niveau du transmetteur et du récepteur sont qu'ils sont bon marché,
ils présentent une sécurité d'utilisation et sont adaptés à la production de masse;
- pour le canal, on utilise la SI-FOP Mitsubishi ESKA GH4001 (voir annexe B) de

diamètre de cœur 1 mm, d'ouverture numérique 0,5 et d'atténuation 140 dB/km à
650 nm; ce modèle de SI-FOP est un modèle de référence dans la littérature.
Le modèle expérimental décrit ci-dessus est utilisé pour mesurer les valeurs de
f-idB P o u r différentes longueurs de la SI-FOP. Le tableau 6.1 présente les valeurs de f_idB
mesurées pour le canal réel « sans mode mixing » ainsi que les valeurs correspondantes de
/ 0 calculées. Ces différentes valeurs sont utilisées pour simuler le modèle gaussien et le
137
modèle « power flow equation » du canal de manière à obtenir pour les réponses en
fréquences de ces modèles, le même f_idB, que celui du canal réel mesuré.
Tableau 6.1 : f_3dB mesurées et /„ calculées pour un canal SI-FOP pour A = 650 nm.
Longueur de la fibre Bande passante à -3d Iî mesurée, f_3dB /„ calculée

[m] [MHz] [MHz]
25 200 240,23
50 110 132,13
75 83 99,7
100 62 74,47
150 33 39,64
200 17 20,42
i i i i i
■ i i ^ ^ ^ Canal réel mesuré "sans mode mixing"
0 ^ " ^ — Canal réel mesuré "avec mode mixing"
™ ™ ■ Approximation gaussienne
^ ^ H * i
^tt^ V ^"Sfc.^*^
— ™ - Modèle gaussien obtenu à patir du tableau 6.1
i i i i
CD
1
CD
■OJ
cfl
-2 - \ -
i VN
^ « ^ V ^^r" *x» .^ X L'
15
ilo J
c ■A
sc
OJ
3
CT
-6 - - - y t
t
c
ni 200m
CD
co
c
1 V >à. ! i X ! \ ! ^
-ft - J* 1 >\ \>«w- - - i iTW. iSw
1
ce
*T i !»
\ \\ \ >\l
> X x <^Vw*k
>.
-10 ; *_«_ _ _: ;_ _ 4- - - r - \ i - - ! - - -N«_ ;_ _N3
, | VL , > % i \ X. ^
!■ A 50
25 : i \ ; \:
75 100 125 i x 175
150 i 200
Fréquence [MHz]
Figure 6.1 : Réponses en fréquences pour L = 50 m, 100 m et 200 m : du canal réel mesuré
« avec mode mixing » (AMM) et « sans mode mixing » (lignes pleines); du modèle
gaussien obtenu avec le f_idB du tableau 6.1 (traits-discontinus rouge) et approximation
gaussienne du canal réel mesuré AMM (traits discontinus gris).
138
La figure 6.1 présente différentes réponses en fréquence de la SI-FOP pour

L = 50 m, L = 100 m et L = 200 m. Les résultats de la figure 6.1 ont été obtenus à partir des
mesures réelles du canal qui m'ont été fournies par le Dr Jeffrey Lee que je tiens à
remercier pour son aide. La figure 6.1 présente des résultats similaires à ceux de la figure 3
de [29]. On y distingue :
- les réponses en fréquences mesurées en utilisant une DL de 650 nm (lignes

pleines) :
• en gris, on a la réponse en fréquence du canal réel mesuré « avec mode

mixing » ou mélange de modes; le mélange de modes étant obtenu ici en
enroulant la SI-FOP quatre fois autour d'un cylindre de rayon 0,5 cm;
• en noir, on a la réponse en fréquence du canal réel mesuré « sans mode

mixing »;
- les courbes en traits-discontinus représentent le modèle gaussien. Nous avons :
• en gris, l'approximation gaussienne du canal réel mesuré « avec mode

mixing » donnée dans [29]. On peut remarquer d'après la figure 6.1 que
pour L = 100 m, contrairement à L = 50 m et L = 200 m, le f_}dB obtenu
pour le canal réel « sans mode mixing » est différent de celui mesuré pour le
canal réel « avec mode mixing ». L'approximation gaussienne du canal réel
mesuré « avec mode mixing » a été réalisée afin d'obtenir le même f_3dB
que celui mesuré pour le canal réel « avec mode mixing »;
• en rouge, le modèle numérique gaussien du canal SI-FOP obtenu à partir de

(3.4) en utilisant les valeurs de f_3dB listées au tableau 6.1; ce modèle
numérique gaussien correspond à l'approximation gaussienne du canal réel
mesuré « sans mode mixing ».
D'après la figure 6.1, on remarque que :

139
- le modèle gaussien se rapproche davantage du canal réel mesuré « avec mode

mixing » lorsque comparé au canal réel mesuré « sans mode mixing »;
bien que le modèle gaussien soit une bonne approximation du canal réel SI-FOP
pour des longueurs de la fibre L >200m, l'approximation gaussienne de la SI-FOP
est pessimiste pour L < 200 m;
- pour L = 100 m, le mélange de modes cause une réduction de la bande passante du

canal réel SI-FOP. Cette réduction de la valeur de f_}dB est probablement due à la
présence d'une forte dispersion modale;
- pour L = 200 m, on remarque que le mélange de modes n'a pas une grande
influence et que les résultats obtenus pour le canal réel mesuré dans les cas « avec
mode mixing » et « sans mode mixing » ne diffèrent pas beaucoup. Ce résultat
laisse penser que la distribution d'équilibre des modes (EMD) dans la SI-FOP est
atteinte après 200 m;
- finalement, d'après les réponses en fréquences obtenues pour le modèle gaussien à

la figure 6.1, on pourrait s'attendre à obtenir des valeurs de la capacité du canal SI-
FOP dans le cas du modèle gaussien qui vont être inférieures aux capacités du canal
réel mesuré pour L < 200 m.
Les capacités présentées dans les tableaux de ce chapitre 6 proviennent soit des
résultats de capacités calculées données dans l'article de référence [29], soit des capacités
que nous avons calculé à partir des modèles gaussien et PFE. Dans [29], l'auteur fournit
également les valeurs des différentes capacités mesurées de la SI-FOP d'après son montage
expérimental lorsqu'il applique l'algorithme « rate adaptive de Chow ». Pour une meilleure
comparaison des capacités calculées et mesurées, des capacités mesurées du système SI-
FOP sont présentées au tableau F.l de l'annexe F. Le lecteur intéressé pourra se reporter à
[29] pour de plus amples détails sur la technique employée pour les mesures. Les
conditions d'exécution de l'algorithme « rate adaptive de Chow » dans [29] diffèrent de
celles que nous avons considérées pour nos calculs. De ce fait, nous n'avons pas réalisé de
140
comparaison entre les capacités mesurées de [29] et les différentes capacités que nous
avons calculé à partir de nos modèles.
6.1.1.1 Résultats de la méthode 1 du calcul de la capacité théorique du canal
Dans cette section, nous cherchons à calculer la capacité théorique au sens de

Shannon dans le cas général d'un canal optique idéal IM/DD perturbé par la seule présence
d'un bruit AWGN introduit par l'amplificateur à trans-impédance. La capacité du canal est
déterminée en considérant le modèle numérique gaussien de la SI-FOP. Cette capacité est
basée sur la reformulation de la capacité théorique du canal au sens de Shannon et utilise la
technique du waterfilling. Nous avons vu au chapitre 5 que la capacité théorique du canal
peut être calculée connaissant le f_3dB. En utilisant les méthodes de calcul de la capacité
présentées au chapitre 5, nous déterminons ici la capacité théorique du canal SI-FOP dans
le cas idéal. Pour la validation de nos résultats, nous faisons une comparaison des résultats
obtenus à ceux présentés dans [29]. Les paramètres utilisés pour le calcul de la capacité
théorique du canal sont regroupés au tableau 6.2.
Tableau 6.2 : Paramètres utilisés pour le calcul de la capacité du canal SI-FOP.

Paramètre Symbole Valeur [Unités]
Puissance moyenne P 2,5 dBm
ave
Atténuation de la fibre dp 140 dB/km
Facteur de clipping ou écrêtage M 3 Sans unités

Puissance équivalente du bruit NEP lôxlO" 12 WJ4HZ
Comme nous l'avons vu au chapitre 5, la méthode 1 du calcul de la capacité
théorique du canal permet de déterminer TJ par la loi non linéaire TJ = g(SNRe(j J et consiste
à exploiter la relation entre la capacité C du canal, le paramètre normalisé TJ et la bande
passante à - 3 dB, f_idB . On rappelle que la réponse en fréquence utilisée pour le calcul des
141
différentes capacités théoriques méthode 1 données au tableau 6.3 est celle de la SI-FOP
modélisée par un filtre passe-bas gaussien (3.4) :
H F ( f ) = e [ f ° } , avec f0 = / ^ / ^ t a p ) ,
où les valeurs de f_3dB sont celles mesurées à partir du montage expérimental présenté ci-
dessus et reportées dans le tableau 6.1. La loi non linéaire est donnée par (5.37) :
2rjenl - $ew2dw = SNReq.

-n
Une fois la loi non linéaire déterminée, on peut tracer la courbe C/f_3dB en fonction du
SNRe(/ donné par (5.38) que l'on rappelle s'exprimer comme suit :
2
— = -r=J = K ^3(SNR A
/ . » 31n(2)7m72)/ 1 ^ ( 2 ) ^ ) * V eq)
La fonction exp(-jc 2 )est une fonction paire. L'intégrale/, = \ ew dw que l'on retrouve
-7
dans (5.37) est équivalente à Ix = - i I e~ dt et est obtenue en effectuant le changement de
variable t = iw. L'intégrande de Ix n'admet pas de primitive s'exprimant à l'aide des
fonctions usuelles. La résolution de Ix conduit à :
I l = \ e w 2 d w = -i.erf(i.rj).y l Ç, (6.1)
-i
où erf (•) est la fonction erreur. En introduisant 7, dans (5.37), on trouve alors TJ .
142
La courbe C/f_3dB en fonction du SNRe(? est présentée à la figure 6.2. Connaissant
C/f_3dB en fonction du SNRe?, on peut déduire la capacité théorique du canal pour la
longueur de la fibre considérée Par exemple, pour un système dont le SNRg(? = 20 dB, on a
C/f_3dB =10, ce qui signifie que la capacité du canal en bit/s est dix fois supérieure à la
bande passante du système à -3 dB, f_3dB. Comparée aux résultats de [29], la courbe
obtenue à la figure 6.2, est un peu plus haute que la même courbe obtenue à la figure 2 de
[29] où pour un SNRe<? = 24, on trouve C/f_3dB « 10 contre C/f_3dB = 12,7 à la figure 6.2.
Ces différences peuvent s'expliquer par les approximations faites pour les calculs et par la
méthode numérique utilisée pour la résolution des équations.
80
1
L
60
J
50
_; ; ; ^ \ ; — ;
^ ^ ^ ^ 1 ■ 1 I I 1 \
30 60 70 80
S N R , [dB ]
Figure 6.2 : Capacité normalisée C\ fi3dB en fonction du SNRe? pour le modèle numérique
gaussien du canal.
143
6.1.1.2 Résultats de la méthode 2 du calcul de la capacité théorique du canal SI-FOP

modélisé comme un filtre passe-bas gaussien
Lorsqu'on ne dispose pas d'une expression simple de la réponse en fréquence du

canal, il est intéressant d'avoir une méthode générale du calcul de capacité qui n'introduit
pas de manière explicite l'expression de la réponse en fréquence du canal. Le principe reste
globalement le même que pour la méthode 1. On rappelle que le raisonnement suivi est :
Méthode 2
1) On calcule la constante (5.39), K :
'P~\ 2a2F
K= 2
M J NEP
2) On trouve E, à partir de (5.42)
f-
Mff K df
(ft
3) Une fois que l'on a déterminé E,, on peut déduire la capacité (5.45)
C= L-2^1n(|//f(^)-Jln(|//F(^)f)#
21n(2)
-t
On présente au tableau 6.3, une comparaison des valeurs de la capacité calculée

avec les méthodes 1 et 2 et la capacité théorique de [29] pour le modèle gaussien. La
réponse en fréquence utilisée pour les calculs de capacité théorique méthode 1 et capacité
théorique méthode 2 présentés au tableau 6.3 est celle définie par l'équation (3.4).
144
Tableau 6.3 : Comparaison des méthodes 1 et 2 de calcul de la capacité théorique pour le

modèle gaussien.
Longueur J-idB SNReî Capacité Capacité Capacité
de la fibre mesurée [dB] théorique [29] théorique théorique
[m] [MHz] [Gbit/s] méthode 1 méthode 2
[Gbit/s] [Gbit/sl
25 200 64 10,7 10,9 10,5
50 110 59 5,1 5,3 5,1
75 83 53 3,4 3,4 3,3
100 62 48 2,2 2,2 2
150 33 36 0,8 0,75 0,7
200 17 25 0,2 0,2 0,2
On remarque que les valeurs de la capacité théorique du canal obtenues pour le modèle
gaussien avec les méthodes 1 et 2 sont proches des valeurs données dans [29] pour ce
même modèle de la fibre. La différence entre les valeurs obtenues avec les deux méthodes
peut s'expliquer par l'imprécision dans le calcul de l'intégrale numérique avec la fonction
quad de MATLAB. La comparaison des deux méthodes de calcul de la capacité présentées
nous permet de valider la méthode 2 que nous utilisons pour le calcul de la capacité
théorique du canal SI-FOP pour le modèle « power flow equation ».
6.2 Simulation du modèle « power flow equation »
6.2.1 Modèle de propagation avec couplage de modes dans la fibre
En partant de l'équation de propagation de D. Gloge donnée par (3.7), l'objectif est

de déterminer la réponse en fréquence de la SI-FOP pour le modèle « power flow
equation ». Les paramètres des fonctions de diffusion et d'atténuation déterminant le
comportement physique de la fibre sont obtenus par mesures en champ lointain en
considérant le diagramme de rayonnement d'équilibre de la fibre (SSD). La forme de ce
diagramme est déterminée par la distribution angulaire de la puissance optique à la sortie de
145
la fibre et dépend de facteurs tels que la distribution initiale fixée par les conditions
d'injection dans la fibre, la diffusion et l'atténuation propres à la fibre et, bien sûr, la
longueur de la fibre. Nous utilisons l'approche décrite dans [47] pour simuler la SI-FOP
GH4001. Dans (3.7), la variation de puissance est prise en compte par les fonctions
d'atténuation a ( 0 ) et de diffusion de modes d{6); (3.7) admet des solutions propres.
Pour de grandes valeurs de z , on peut supposer que la distribution de la puissance à l'état

d'équilibre est atteinte. C'est-à-dire qu'au bout d'une longueur z , le diagramme de
rayonnement émis par la fibre sera toujours le même; c'est le diagramme de rayonnement à
l'équilibre ^ ( ^ ) ; il ne dépend pas du diagramme de rayonnement injecté à l'entrée de la
fibre. Tout diagramme de rayonnement émis par la fibre en un point z est donc la
superposition du diagramme de rayonnement particulier Q(0) avec le coefficient e~yz qui
dépend uniquement du diagramme de rayonnement injecté. Sous cette condition, la solution

de l'équation de Gloge est donnée par (3.32) :
P S S D =Q{9)e -n
où Q(0) décrit le profil de distribution à l'état d'équilibre et y permet de tenir compte de
l'atténuation dans la fibre.
6.2.2 Paramètres du modèle « power flow equation »
6.2.2.1 Détermination de la fonction d'atténuation et de la fonction de diffusion
Le modèle « power flow equation » proposé est un modèle pour lequel les fonctions
d'atténuation et de diffusion de la fibre sont décrites en fonction de l'angle de propagation.
On détermine les fonctions d'atténuation et de diffusion pouvant être introduites dans
l'équation de propagation de D. Gloge avec différentes conditions initiales selon la longueur
de la fibre. Les hypothèses et les valeurs utilisées proviennent de résultats expérimentaux.
Les valeurs du paramètre y correspondant à l'atténuation de la fibre GH 4001 et les valeurs
des paramètres de la fonction de diffusion et la distribution de puissance optique à l'état
146
d'équilibre sont obtenues expérimentalement par mesure dans [72] et sont listées
respectivement aux tableaux 6.4, 6.5 et 6.6.
Tableau 6.4 : Paramètre d'atténuation y d'après [72].

Atténuation/ [np/m] Atténuation/ [dB/m]
0,0331 0,1438
Tableau 6.5 : Paramètres de la fonction de diffusion, d'après [72]
do à> d, °<1
6,356xl0 -5 2,338xl0 -4 0,321 11,66
Tableau 6.6 : Paramètres de la distribution de la puissance optique à l'état d'équilibre

(Steady State Distribution, SSD) d'après [72].
o2
°\ 0, #2
6,5327 0,2689 4,0744 0,2689
x10
26
24 -
22 -
2 -
1.8 % _
!"
| 1.6 _
S
1.4
"
1.2 -
1 \ -
08 -
06
10 16 30
8 [degrés]
Figure 6.3 : Fonction de diffusion de la fibre GH4001.

147
La figure 6.3 présente l'allure de la fonction de diffusion. C'est une fonction

décroissante à partir de 0 = 0°, qui se stabilise ensuite et reste constante à partir de 0 = 14°
environ. On observe donc une décroissance de la fonction de diffusion pour les angles 9
inférieurs à l'angle critique et la fonction tend ensuite vers une valeur asymptotique.
Figure 6.4 : Fonction QN (0) du profil radial SSD normalisé de la fibre GH4001.
La figure 6.4 présente l'allure de la fonction QN (#) du profil de la distribution à
l'état d'équilibre en fonction de l'angle de propagation 0. La fonction Q N (0) est
décroissante et continuellement derivable. Elle a une caractéristique asymptotique plate à
l'origine et à l'infinie. Une fois que l'on a déterminé les paramètres y, d{0) et QN ( 0 ) , on
peut déduire la fonction d'atténuation définie en (3.34).
La figure 6.5 présente l'allure de la fonction d'atténuation de la fibre GH4001 qui

est relativement plate pour de faibles valeurs de l'angle 0 et croît abruptement au
voisinage de l'angle critique. Ces différents résultats intermédiaires permettent d'obtenir le
modèle « power flow equation » (PFE) du canal SI-FOP. Il est intéressant de noter que
148
d'après les résultats expérimentaux de [72] et contrairement aux prévisions théoriques, on

trouve dans notre modèle numérique de la SI-FOP que la puissance est présente dans la
fibre au-delà de l'angle critique de propagation (19,6°). Ce phénomène pourrait
probablement être lié à la propagation des modes à fuite dans la fibre.
0 25
0.05-
Figure 6.5 : Fonction d'atténuation de la fibre GH4001.
Pour plus de détails sur la méthode de détermination des différents paramètres de la fibre, le
lecteur intéressé pourra se reporter à [71] et [72].
6.2.2.2 Influence des conditions d'injection sur la réponse en fréquence de la SI-FOP
Nous cherchons à analyser l'influence des conditions initiales d'injection sur la

réponse en fréquence de la SI-FOP. La méthode utilisée pour déterminer la réponse en
fréquence de la fibre a déjà été expliquée en détails et l'équation (3.7) a été résolue avec les
conditions aux limites de proche en proche. Les axes 0 et z ont été découpés en un
nombre fini de segments et (3.7) a été remplacée par une équation aux différences finies
puis exprimée ensuite sous une forme compacte par une représentation matricielle. Pour
déterminer la réponse en fréquence pour n'importe quelle longueur de la fibre, il est
149
nécessaire de connaître P(0,z - 0,/ = 0) ou p(0,z = 0,M>). Tous les types d'injection sont
simulables et le choix de l'impulsion initiale est libre. Une fois le vecteur de conditions
initiales fixé, on peut déterminer la réponse en fréquence de la SI-FOP donnée par (3.31) :
,7/2
H(L,w)= Jsin(6>) p ( 0 , L , w ) d 0
Des études expérimentales comme celle effectuée dans [103] ont montré l'impact de
l'injection initiale sur la bande passante. Supposons que l'on a à l'entrée de la fibre une
injection d'un faisceau gaussien de largeur variable de la forme :
P(0,O,O) = exp - (6.2)

6
\ M
où 0 < 0O < 0M ; 0M est l'angle maximum à l'intérieur de la fibre (0 M = armax =19,6° pour la
GH 4001; les angles sont définis à l'intérieur de la fibre); C est un paramètre de contrôle
permettant de faire varier la largeur du faisceau gaussien. C peut être ajusté tel que :
0,
FWHM = 2>/in2.-^-. (6.3)
C
Figure 6.6 : Définition des conditions initiales d'injection.
La figure 6.6 schématise un exemple de définition des conditions initiales

d'injection d'une impulsion gaussienne à l'entrée de la fibre. Cette impulsion a un angle
150
d'incidence 0O et une largeur 0 M /C. Ce modèle d'impulsion permet de caractériser la
distribution des angles d'incidence que l'on peut avoir avec une DL ou une DEL. En
particulier, pour modéliser une injection de type DEL, on utilise de faibles valeurs pour le
paramètre de contrôle C [100].
On veut montrer l'impact des conditions initiales d'injection sur la bande passante
f_3dB du modèle PFE du canal SI-FOP simulé. On posera pour commencer les simulations
0O = 0 et on fait varier C pour montrer l'impact de l'impulsion gaussienne initiale sur
f_idB. Les résultats obtenus sont présentés pour L = 100 m (figure 6.7). Néanmoins, des
résultats semblables sont obtenus pour les autres longueurs de la fibre.
FWHM= 100
— FWHM = 32
— FWHM = 4
^ ^ — FWHM = 0,5
1 ^ ^ 1 ^ ^ ^ ^ ^
^^ 1 ^^^p^.
I l l l l
I^L
^k
^^^^v.
^^^^^J
rô l l l l \ 1 ^^l^^w
i i i i i Y^ i i i i
1 1 1 1 1 VLl 1 1 1
i
Q:
! ! ! ! ! ! yv! ! !
i i i i i i i w
4 5
Fréquence [Hz]
Figure 6.7 : Comparaison des réponses en fréquences normalisées, modèle PFE; L = 100 m;
FWHM= 100, FWH = 32, FWHM= 4, FWHM= 0,5.
La figure 6.7 présente une comparaison des réponses en fréquences normalisées

pour le modèle «power flow equation » de la SI-FOP GH 4001 pour L = 100m; ces
réponses en fréquences sont obtenues avec différentes conditions initiales qui sont
FWHM = 100°, FWHM = 32°, FWHM = 4° et FWHM = 0,5° (avec 6^ =19,6° et
151
FWHM = 2 Vin 2-0 M /C ). La figure 6.7 montre clairement la dépendance aux conditions
initiales d'injection de la réponse en fréquence de la SI-FOP. En particulier, on peut y voir
que les valeurs de f_3dB sont d'autant plus grandes que FWHM est faible.
6.2.3 Comparaison des modèles « power flow equation » et gaussien
Le cas « avec mode mixing » du canal réel mesuré où le mélange de modes est
introduit au début de la fibre est un artifice réalisé dans [29] afin d'atteindre plus
rapidement l'état d'équilibre dans la SI-FOP. Théoriquement, le mélange de modes réduit
la bande passante du canal du fait de l'importance de la dispersion modale qu'il cause tant
que la distribution d'équilibre des modes n'est pas atteinte dans la fibre. Afin de généraliser
les différents résultats obtenus, nous ne retenons que le cas du canal réel mesuré « sans
mode mixing » dans la suite de ce mémoire même si d'après la figure 6.1, le modèle passe-
bas gaussien se rapproche davantage du canal réel mesuré « avec mode mixing ». On désire
comparer les courbes des réponses en fréquences obtenues pour le modèle PFE et le modèle
gaussien à celles du canal réel mesuré « sans mode mixing » (SMM).
I I I I I I I I I
l I l l I I l l I
0
; 7N***«»
I ^^>W ^ V I I I I I I
-2
J^SÇfc' i i i i
! I\SL
■A
-6
-8
^ ^ ^ Canal réel mesuré "sans mode mixing"

——-
10 " • ■ » ■
Modèle gaussien obtenu à partir du tableau 6.1
Modèle déri\é du "power flow equation"
N
— - y = -3 dB
_ _ ; — j — ; — ; . _ _ _ *
I I I I
02 04 06 0.8 1 12 16 2
Fréquence [Hz]
x10*
gaussien et canal réel mesuré SMM; L = 50 m.
152
I I ! ! I I I I I
//
-2
i—
i—
i—.
----
1 —■
-
i i i *W^ i i i i i i
!
-4 1 1 (. _ - ^ ^ S k 1 1 1 J- 1
-6
! iftj
i i i \ Vi >»__' i
!! i i
! i i i V\
-8
! "1 T !" (\
i i i i i \ T»v i "~w i
^ ^ ^ — Canal réel mesuré "sans mode mixing"
™ ™ ■ Modèle gaussien obtenu à partir du tableau 6.1 * i > <
10 » ™ ■ Modèle dérivé du "power flow equation"
— - y = -3 dB
02 04 06 0.8 1 12 14 1 6
Fréquence [Hz]
x 10
gaussien et le canal réel mesuré SMM; L = 100 m.
l l l l
^ ^ ^ Canal réel mesuré "sans mode mixing"
0 ~ ™ ■ Modèle gaussien obtenu à partir du tableau 6.1 -
-_■-_-_■ Modèle dérivé du "power flow equation"
\ Ni — - y = -3 dB
\ l \ l
-2 , , 1 t |
\ \
1 %! ! ! ! ! ! ! !
■A
-6
1 i\ ! j j j j ! j
0)
. _ jT
A . - _ J' . \l - - i '- ' ' -! i '----
tf)
!
-8
i l : \:
i a i %,
i
i
i
.
i
.
i i
i "^r ~i -»T r i i i T r
i \\i \
i ! \ i i\
i
i
i
i
i i
i
i i
i i
%
10 \ \\ { 1 L ! -1 1 L
: i \ : \ :
06 08 1 1 2
Fréquence [Hz] x 10
gaussien et le canal réel mesuré SMM; L = 200 m.
153
Les figures 6.8, 6.9 et 6.10 présentent une comparaison des réponses en fréquences
normalisées de la SI-FOP pour le modèle PFE, le modèle gaussien et le canal réel mesuré
« sans mode mixing » pour L = 50 m, L = 100 m et L = 200 m. On y retrouve :
- en noir (trait plein), le canal réel mesuré « sans mode mixing »;
- en rouge (trait discontinu), le modèle gaussien du canal SI-FOP;
- en bleu (trait discontinu), le modèle « power flow equation » du canal SI-FOP;
- la ligne y = -3 dB, permet de visualiser aisément la bande passante f_3dB .
Bien que nous ayons réalisé nos simulations pour les longueurs de la SI-FOP de 25 m,
50 m, 75 m, 100 m, 150 m et 200 m, toutes les figures obtenues ne sont pas présentées afin
de ne pas alourdir le texte du mémoire. Pour L = 50 m et L — 100 m, les courbes des
réponses en fréquences présentées ont le même f_3dB . Cependant, pour L = 200 m, nous ne
sommes pas arrivé à obtenir le même f_3dB pour le modèle PFE que celui du modèle
gaussien et du canal réel mesuré SMM en faisant varier le paramètre de contrôle des
conditions initiales d'injection dans la fibre, C. On obtient pour le modèle PFE,
f-idB = 27 MHz au lieu de 17 MHz donnée dans [29] pour L = 200 m. Ceci peut s'expliquer
par les caractéristiques de simulation et paramètres choisis du modèle PFE de la fibre
simulée. On note cependant, d'après les figures 6.8 et 6.9 que le modèle PFE se rapproche
davantage du canal réel mesuré « sans mode mixing » que le modèle gaussien. Cette
remarque est aussi valide pour la figure 6.10. De plus, de manière générale, on observe que
l'écart entre les différentes courbes obtenues sont moins marquées avant la fréquence f_3dB.
On peut conclure des figures 6.8, 6.9 et 6.10 que de manière générale, le modèle
PFE est une approximation plus réaliste du canal réel SI-FOP lorsque comparé au modèle
gaussien et que le modèle gaussien est une bonne approximation du canal réel SI-FOP pour
L > 200 m. Cependant si on veut effectuer un raisonnement rigoureux, c'est-à-dire en
considérant que l'on veut exactement le même f_3dB pour tous les modèles de la fibre
évalués, le choix d'une approximation du canal réel SI-FOP se porterait vers le modèle PFE
154
pour Z,<200m et vers le modèle gaussien pour L >200m. De plus, d'après l'allure
générale des courbes de réponses en fréquences normalisées des différents modèles de la
SI-FOP, on ne devrait pas avoir une grande différence lorsque l'on compare la capacité de
la SI-FOP obtenue pour le modèle PFE à celle obtenue pour le canal réel mesuré SMM.
6.2.4 Capacité théorique pour le modèle « power flow equation » et bilan
On cherche à comparer les capacités théoriques au sens de Shannon déterminées

avec la méthode 2 pour le modèle PFE et le modèle gaussien aux valeurs obtenues pour le
canal réel mesuré « sans mode mixing » listées dans [29].
6.2.4.1 Capacité théorique de la SI-FOP pour le modèle « power flow equation »
Le tableau 6.7 présente les valeurs de la capacité théorique du canal obtenues avec
la méthode 2 pour le modèle gaussien et le modèle PFE ainsi que les valeurs de la capacité
théorique données dans [29] pour le modèle gaussien (tableau 1 de [29]). La capacité
théorique du modèle gaussien déterminée à partir de la méthode 2 a été obtenue à partir de
la réponse en fréquence du canal SI-FOP telle que définie par (3.4). La capacité théorique
du modèle PFE déterminée à partir de la méthode 2 a été obtenue à partir de la réponse en
fréquence du canal SI-FOP telle que définie par (3.31).
Tableau 6.7 : Comparaison des capacités théoriques obtenues par la méthode 2 pour les
modèles PFE et numérique gaussien aux valeurs du canal réel de [29].
Longueur Capacité Capacité théorique Capacité théorique modèle
fibre [m] théorique [29] modèle gaussien PFE (méthode 2) [Gbit/s]
[Gbit/s] (méthode 2) [Gbit/s]
25 10,7 10,5 55,7
50 5,1 5,1 24,7
75 3,4 3,3 10,93
100 2,2 2 4,99
150 0,8 0,7 0,85
200 0,2 0,2 0,21
155
On rappelle que les réponses en fréquences des deux modèles du canal considérés sont
obtenus respectivement à partir des équations (3.4) et (3.31) en utilisant les valeurs de f_3dB
obtenues par mesures dans [29] pour les longueurs de la fibre de 25 m, 50 m, 75 m, 100 m
et 150 m (voir tableau 6.1). Comme c'était prévisible d'après les courbes des réponses en
fréquences des modèles gaussien et PFE des figures 6.8, 6.9 et 6.10, les valeurs de la
capacité obtenues pour le modèle PFE sont grandes comparées aux valeurs obtenues pour le
modèle passe-bas gaussien. Cette différence est plus marquée lorsque L < 200 m. On arrive
donc à la même conclusion que celle formulée dans [29] à savoir que l'on obtient une
estimation des valeurs de la capacité du canal réel SI-FOP plus faibles avec le modèle
gaussien lorsque comparée aux valeurs de la capacité du canal réel pour L < 200 m.
6.2.4.2 Bilan des comparaisons effectuées
Nous avons présenté deux modèles d'approximation du canal SI-FOP : le modèle

gaussien et le modèle « power flow equation ». Pour L = 25 m à L = 150 m le paramètre de
contrôle C des conditions initiales d'injection dans le modèle PFE a été ajusté de manière à
avoir un f_3dB identique pour le canal réel « sans mode mixing » (SMM) et le modèle
gaussien. Cependant à cause des caractéristiques de la source modélisée et des conditions
initiales d'injection considérées pour le modèle PFE, il nous a été impossible d'obtenir pour
L = 200 m, le même f_3dB que celui mesuré dans [29] pour le canal réel mesuré SMM et
utilisé pour le modèle gaussien. Les résultats obtenus permettent, par comparaison avec les
résultats de la figure 3 et du tableau 1 de [29] de valider les modèles d'approximation
gaussien et PFE du canal. De plus, d'après les différents résultats obtenus, on peut conclure
que le modèle gaussien de la SI-FOP est pessimiste pour L < 200 m et que le modèle PFE
s'avère être un modèle plus réaliste du canal réel. De manière générale, le choix du modèle
gaussien ou du modèle PFE dépendra de la source de lumière utilisée, des conditions
initiales d'injection et de la longueur de la fibre. Le modèle gaussien pourra être préféré au
modèle PFE dans le cas où l'état d'équilibre est atteint dans la fibre car il fournit une
approximation rapide de la capacité de la fibre avec des expressions simples.
156
6.3 Capacité pratique de la SI-FOP
Nous avons vu qu'un système utilisant la modulation DMT inclut des CANs et
CNAs dont la vitesse d'échantillonnage va limiter la bande passante du système et donc
réduire la capacité du système. On ne peut donc ignorer la limitation de la bande passante
qu'entraîne l'utilisation des CNA et CAN. La capacité théorique présentée à la section
précédente a été réalisée en supposant que seul le canal pouvait limiter la bande passante du
système. Afin de tenir compte des limitations de la bande passante que l'on a lors de
l'implémentation d'un système réel DMT sur SI-FOP, nous utilisons ici une « approche
numérique bande passante limitée » pour le calcul des différentes capacités pratiques.
6.3.1 Conditions d'exécution des algorithmes de bit loading
Dans un système utilisant la modulation DMT, l'effet de la fonction de transfert du

canal sélectif en fréquence, les interférences et le bruit sont pris en compte en assignant à
chaque sous-porteuse un nombre maximal de bits étant donné un taux d'erreur binaire (Bit
Error Rate, BER) cible. On rappelle que dans un système DMT non codé, la n'eme sous-
porteuse transmet des symboles pris dans une constellation de type 2h" -QAM dont
l'énergie est normalisée à 1. Pour une marge de SNR ou SNR gap caractéristique d'une
probabilité d'erreur symbole Pes et un schéma de codage donné, le nombre de bits pouvant
être véhiculés correspondant au choix optimal des bn est donné par :
ôn=log2(u^^), (6.4)
où bn est exprimé en bits par symbole; Y est le SNR gap correspondant à l'écart entre le
rapport signal sur bruit du canal, SNRn = P„-g„ et le rapport signal sur bruit nécessaire pour
atteindre la capacité sur la rieme sous-porteuse. La relation (6.4) montre que la capacité
pratique est réduite par rapport à la capacité théorique d'un facteur SNR gap. On considère
157
que l'on utilise des modulations de type QA M pour transmettre les données sur les sous-
porteuses. Le SNR gap des modulations QA M peut être déterminé de façon théorique à
partir de l'expression de la probabilité d'erreur symbole, P es . Dans le cas du codage de
Gray, cette probabilité peut être approchée par la relation donnée par Proakis [89] :
P K2
- '^ C ^\ 2 l^)f'J P° uri ô»l- (6-5)
E E
Sachant que SNR = —— = h ■ — , on en déduit alors :
N0 " N0'
(6.6)
Si on note SER (Symbol Error Rate) le taux d'erreur symbole cible, une approximation du
SNR gap pour une modulation de type QA M est directement donnée par la formule
suivante [122], [123], [142] :
+00 2
r-i
3
Q
m
.-|2
(6.7)
avec e w =
727pd"
Les passages mathématiques qui permettent d'arriver à (6.7) sont à l'annexe E. On note que
l'approximation du SNR gap (6.7) n'est pas valide dans certains cas quand on fait un
raisonnement strict car lorsqu'on réalise l'allocation de bits (bit loading), certaines sous-
porteuses peuvent se voir allouer un nombre de bits correspondant à des constellations
QAM non carrée (8-QA M, 32-QA M, 128-QA M, etc.). Dans de pareils cas, (6.7) n'est pas
valide et on ne peut pas obtenir une expression analytique du SNR gap. On note BER ,
le taux d'erreur binaire cible. Dans le cas du codage Gray pour les modulations QAM, on a
M 3 L , , ~ SER, c'est-à-dire qu'une erreur sur un symbole correspond à une erreur sur un
158
bit. Pour BER^%t{ =10 3 , on a T = 6dB. La fréquence de Nyquist qui correspond à la
fréquence d'échantillonnage maximale du CNA et du CAN donnée dans [29] est B w . En
limitant la bande passante du système à la fréquence d'échantillonnage du CAN et du CNA,

on a tel que défini en (5.46) et (5.47) la capacité pratique, R, exprimée en bits/s obtenue
sous la contrainte de puissance totale disponible, Plol, qui s'exprime comme suit :
i+i
max (./?) = max
p. ' P. ii>4 ^ B,.,
On cherche les distributions optimales de bits, bn et de la puissance, Pn par sous-porteuse

n = 1,...,JV afin de maximiser le débit total. De manière similaire à (5.13), la solution à ce
problème d'allocation de bits et de puissance est la méthode du waterfilling. Ce problème
peut être résolu numériquement en utilisant l'algorithme optimal RA WF décrit par Cioffi
dans [26] qui permet, connaissant le SNR par sous-porteuse de déterminer le débit binaire
maximum atteignable pour un canal donné. La première sous-porteuse d'indice n = 1 (c'est-
à-dire à la fréquence / = 0 Hz) n'est pas utilisée pour la transmission car assignée à CC;
elle est donc mise à zéro. Les algorithmes « rate adaptive water-filling », « rate adaptive de
Chow » et « rate adaptive Levin-Campello » sont exécutés sous les conditions suivantes :
- le canal SI-FOP IM/DD utilisant la modulation DMT à A = 650 nm est considéré

comme étant idéal et le seul bruit présent dans le système est le bruit thermique du
photodétecteur, bruit AWGN induit par le TIA et caractérisé par le NEP;
l'amplitude du signal est limité par le facteur de crête ou « clipping », p = 3 ;
- la contrainte sur la puissance totale disponible est Plol et BER^^ = 10"3 ;
- le nombre de sous-porteuses est N = 256 avec è, = 0 ; Px = 0 et g, = 0 ; la bande
passante du système est limitée à Bw = 312,5 MHz et il n'y a aucune limitation sur
le nombre de bits pouvant être transmis par sous-porteuse.

159
Les valeurs des paramètres utilisés pour les calculs de la capacité pratique lorsque
l'on applique les algorithmes de bit loading sont résumées au tableau 6.8 et des exemples
de résultats obtenus sont donnés uniquement pour L = 100 m afin d'alléger le texte. Nous
présentons quelques résultats de l'application des algorithmes « rate adaptive water-
filling », « rate adaptive de Chow » et « rate adaptive Levin-Campello ». En particulier, les
figures représentant l'allocation de bits, la distribution de puissance et le rapport signal sur
bruit obtenus avec les différents algorithmes sous MATLAB, sont présentées et
commentées.
Tableau 6.8 : Paramètres utilisés pour le calcul de la capacité pratique du canal SI-FOP
Paramètre Symbole Valeur [Unités]
Puissance moyenne P 2,5 dBm
ave
Atténuation de la fibre aF 140 dB/km
Facteur de coupure ou écrêtage y" 3 Sans unités

Budget de puissance totale 2
351,3642xl0" 9 W
(P )
disponible pour la transmission P,o,= ave
Puissance équivalente du bruit NEP 16xl0" 12 W/yfîïz

Fréquence d'échantillonnage des Bv 312,5 MHz
convertisseurs CNA et CAN
Taux d'erreur binaire cible (BER) BER
i3rget IO"3 -
Nombre de sous-porteuses N 256 -
6.3.2 Capacité pratique et algorithme « rate adaptive water-filling »
6.3.2.1 Capacité pratique et algorithme « rate adaptive water-filling » pour le canal

réel mesuré « sans mode mixing »
Le tableau 6.9 regroupe les principaux résultats de l'application de l'algorithme

« rate adaptive water-filling » au canal réel mesuré « sans mode mixing » (SMM). On y
160
retrouve pour différentes longueurs de la fibre, le nombre de sous-porteuses utilisé pour la

transmission, la puissance totale utilisée qui correspond au budget de puissance totale
disponible, le water-level et la capacité pratique obtenue avec l'algorithme RA WF. À
cause de la limitation de la bande passante du système, le water-level ne varie pas beaucoup
de L = 25 m à L = 100 m et toutes les sous-porteuses sont utilisées. La variation du water-
level est plus prononcée pour Z,= 150m et L = 200 m lorsque comparée aux autres
longueurs et on utilise moins de sous-porteuses. Des tableaux similaires au tableau 6.9 sont
présentés pour les algorithmes « rate adaptive de Chow » et « rate adaptive Levin-
Campello ».
Tableau 6.9 : Principaux résultats de l'algorithme « rate adaptive water-filling » appliqué au

canal réel mesuré « sans mode mixing » (SMM).
Longueur Nombre de Puissance totale Water-level Capacité RA-WF
fibre [m] sous-porteuses utilisée [W] canal réel
utilisé (SMM) [Gbit/s]
25 255 351,3642xl0" 9 l,3779xl0' 9 5,2879
50 255 351,3642xl0" 9 l,3780xl0" 9 4,3216
75 255 351,3642xl0" 9 l,3790xl0~ 9 3,3949

100 255 351,3642xl0" 9 l,3859xl0" 9 2,5378
150 186 351,3642xl0" 9 2,5030x IO"9 0,7283
200 45 351,3642xl0" 9 ll,4824xl0 - 9 0,1240
Les figures 6.11, 6.12, 6.13 et 6.14 présentent des résultats de l'exécution de
l'algorithme RA WF appliqué au canal réel mesuré SMM pour L = 100 m. Des figures
semblables ont été tracées pour toutes les autres longueurs de la fibre mais n'ont pas été
incluses dans le texte du mémoire afin de l'alléger. La figure 6.11 permet d'observer la
distribution du rapport du bruit sur le signal et la puissance allouée lorsque l'algorithme RA
WF est appliqué au canal réel mesuré SMM. Pour L = 100 m, la valeur du rapport du bruit
sur le signal sur les différentes sous-porteuses ne varie pas beaucoup, de telle sorte que l'on
a l'impression d'avoir une distribution uniforme de la puissance.
161
Étant donné les faibles valeurs du rapport du bruit sur le signal par rapport à la
puissance allouée, nous présentons aux figures 6.12 et 6.13 respectivement le rapport du
bruit sur le signal et l'allocation de puissance afin de mieux visualiser leurs évolutions.
x 10
14
■ Puissance allouée à chaque sous-porteuse
12 | Rapport du bruit sur le signal
0.8
06
04
0.2
0
50 100 150 200 250 300
Indice de sous-porteuse
Figure 6.11 : Distribution puissance allouée et rapport bruit sur signal du canal réel mesuré
SMM obtenus avec l'algorithme RA WF; L = 100 m; K = l,3859x IO -9 .
x10
3.5
1 3
c
S>
■ 2.5
3 2
lu
TJ
^M I
I*
ID
as 0.5
0
50 100 150 200 250 300
Figure 6.12 : Rapport bruit sur signal du canal réel mesuré SMM obtenu avec l'algorithme
RAWF;Z=100m.
162
x 10
100 150 200 300

RAWF;I=100m.
300
RAWF;L=100m.
La figure 6.14 illustre l'allocation de bits par sous-porteuse obtenue lorsque

l'algorithme RA WF est appliqué au canal réel mesuré SMM. Les 255 sous-porteuses
disponibles se voient allouer un nombre de bits allant de b2 =10,7693 à b256 =5,5242 bits
pour les sous-porteuses d'indice n = 2 à n = 256.
163
6.3.2.2 Capacité pratique et algorithme « rate adaptive water-filling » pour le modèle

numérique gaussien

au modèle numérique gaussien de la SI-FOP.
Longueur Nombre de Puissance totale Water-level Capacité RA-WF
fibre [m] sous-porteuses utilisée [W] modèle gaussien
utilisé [Gbit/s]
25 255 351,3642xl0" 9 l,3779xl0" 9 5,2656
50 255 351,3642xl0" 9 l,3788xl0 - 9 3,9556
75 246 351,3642xl0 -9 1,5157x10"" 2,6435
100 171 351,3642xl0" 9 2,2092 xlO -9 1,5849
150 76 351,3642xl0 -9 5,1881 xlO"9 0,4898
200 30 351,3642xl0" 9 14,5914x IO-9 0,1155
Le tableau 6.10 présente les principaux résultats de l'application de l'algorithme RA

WF au modèle gaussien du canal. On y retrouve les mêmes résultats que ceux présentés au
tableau 6.9 pour le canal réel mesuré SMM et des remarques semblables à celles faites pour
le tableau 6.9 peuvent être énoncées. Pour le modèle gaussien, le water-level varie peu de
L = 25 m à L = 75 m et augmente ensuite de façon plus significative.
On observe respectivement aux figures 6.15, 6.16 et 6.17, la distribution du rapport

du bruit sur le signal et la puissance allouée, le rapport du bruit sur le signal et enfin
l'allocation de puissance pour L = 100 m. La variation du rapport du bruit sur le signal est
faible et lente jusqu'à la sous-porteuse n = 220 puis croît ensuite abruptement.
164
x 10
| Puissance allouée à chaque sous-porteuse

| Rapport du bruit sur le signal
60 80 100 120 140 160 180 200

Figure 6.15 : Distribution puissance allouée et rapport du bruit sur le signal du modèle
gaussien obtenus avec l'algorithme RA WF; L = 100 m; K = 2,2092 x 10~9.
x 10
3.5
«S 3
c
O)
» 2.5
II.
£ 0.5
50 100 150 200 250 300

Figure 6.16 : Rapport du bruit sur le signal pour le modèle gaussien obtenu avec
l'algorithme RA WF; L = 100 m.
x 10
300

RAWF;I=100m.
165
100 150 200 250 300

Figure 6.18 : Allocation de bits du modèle gaussien obtenue avec l'algorithme RA WF;
1 = 1 0 0 m.
La figure 6.18 illustre l'allocation de bits par sous-porteuse pour le modèle
gaussien. Seulement 171 sous-porteuses sont utilisées pour la transmission et se voient
allouer un nombre de bits allant de b2 = 11,437 bits à b m = 0,036 pour « = 2 an = 172.
6.3.2.3 Capacité pratique et algorithme « rate adaptive water-filling » pour le modèle

« power flow equation »

WF au modèle PFE du canal. On y trouve les mêmes données qu'aux tableaux 6.9 et 6.10.
Le water-level varie peu deZ = 2 5 m à Z = 100 m puis augmente rapidement.

au modèle « power flow equation » de la SI-FOP.
Longueur Nombre de Puissance totale Water-level Capacité RA-
fibre [m] sous-porteuses utilisée [W] WF modèle PFE
utilisé [Gbit/s]
25 255 351,3642xl0 -9 l,3779xl0" 9 5,2914
50 255 351,3642xl0" 9 l,3780xl0" 9 4,3391
75 255 351,3642xl0' 9 l,3788xl0~ 9 3,4419
100 255 351,3642xl0" 9 l,3872xl0" 9 2,4692
150 139 351,3642xl0" 9 3,3865 xlO -9 0,5704
200 63 351,3642xl0" 9 7,9190xl0" 9 0,1803
166
Comme pour les modèles précédents de la SI-FOP, les figures 6.19, 6.20 et 6.21
présentent respectivement pour l'algorithme RA WF appliqué au modèle PFE, la
distribution du rapport du bruit sur le signal et la puissance allouée, le rapport du bruit sur
le signal et l'allocation de puissance. Le rapport du bruit sur le signal est quasiment
constant jusqu'à environ n = 25 puis croît ensuite assez vite; il est relativement faible sur la
bande passante considérée. De ce fait, les 255 sous-porteuses disponibles sont utilisées de
façon optimale dans l'algorithme RA WF. La variation de la puissance allouée est faible.
x 10
1.4n
| Puissance allouée à chaque sous-porteuse 1
1.2 J | Rapport du bruit sur le signal
1
0.8 I
0.6
0.4
0.2
o'
50 100 150 200 250 300
Figure 6.19 : Distribution de puissance allouée et rapport du bruit sur le signal du modèle
PFE obtenus avec l'algorithme RA WF; L = 100 m; K = 1,3872 x IO"9.
x 10
râ 2.5
o 2
1.5
^ÊJÊ I
50 100 150 200 250 300

Figure 6.20 : Distribution rapport du bruit sur le signal du modèle PFE de la SI-FOP
obtenue avec l'algorithme RA WF; L = 100 m.
167
x 10
50 100 150 200 300


l'algorithme du RA WF; L = 100 m.
100 150 200 250 300

RAWF;Z=100m.
La figure 6.22 illustre l'allocation de bits par sous-porteuse pour le modèle PFE qui
varie de b2 = 10,7656 bits à b256 = 5,6373 bits aux sous-porteuses n = 2 et n = 256.
D'après les résultats obtenus dans cette section pour l'allocation de bits, un nombre
non entier de bits est alloué à chaque sous-porteuse. Généralement, pour des systèmes
pratiques, on cherche à avoir un nombre entier de bits transmis sur les sous-porteuses. Une
alternative à l'algorithme RA WF pour obtenir un nombre entier de bits par sous-porteuse
est d'utiliser l'algorithme sous-optimal « rate adaptive de Chow » ou encore l'algorithme
« rate adaptive Levin-Campello ».
168
6.3.3 Capacité pratique et algorithme de Chow
L'algorithme de Chow a été déjà abordé à la section 5.4.2. On suppose ici que la
granularité P g = l , ce qui est une valeur typique. La puissance disponible est distribuée
uniformément sur les sous-porteuses à « on ». Le nombre non entier de bits alloué à

chacune des sous-porteuses à « on » est arrondi à l'entier le plus proche. Ainsi, le nombre
de bits transmis sur la sous-porteuse d'indice n sera arrondi à \_b„\ ou à \bn~\ = \_bn J +1. Si
la plupart des nombres de bits sont arrondis à la partie entière, on a alors une distribution de
puissance inférieure à la puissance maximale que l'on peut transmettre par sous-porteuse.
Ainsi, la puissance correspondante à la nouvelle allocation de bits doit être ajustée afin de
supporter cette nouvelle allocation avec les mêmes performances.
Le tableau 6.12 présente les principaux résultats de l'application de l'algorithme

« rate adaptive de Chow » au canal réel mesuré « sans mode mixing » (SMM). On y
retrouve pour les longueurs de la fibre L = 25 m à L = 200 m, le nombre de sous-porteuses
et la puissance utilisés pour la transmission ainsi que la capacité obtenue avec l'algorithme
RA de Chow. Des résultats similaires sont également présentés pour le modèle gaussien et
le modèle PFE. D'après le tableau 6.12, dans le cas du canal réel mesuré SMM, toutes les
sous-porteuses sont utilisées pour Z, = 2 5 m à Z , = 100m contre 162 sous-porteuses pour
L = 150 m et 39 sous-porteuses pour L = 200 m.

canal réel mesuré « sans mode mixing » (SMM).
Longueur fibre Nombre de sous- Puissance utilisée [W] Capacité RA Chow canal
[m] porteuses utilisé réel SMM [Gbit/s]
25 255 351,3642xl0 -9 5,3052
50 255 351,3642xl0~9 4,3115
75 255 351,3642xl0 -9 3,4033
100 255 351,3642xl0" 9 2,5439
150 162 351,3642xl0" 9 0,7251
200 39 351,3642xl0 -9 0,1208
169
100 150 200 300

RAdeChow;Z= 100 m.
12
10 -OMUHHB* n i r i
! zWÊamÊÊmm
1 8 v. (ne {■■■■■rtV
CD
T3
ë e «•«1 I0HHHMD}
1
Y: 7
i i i i i
4
i
T 1 1 i -r
°t 50 100 150
200 250 300
Figure 6.24 : Allocation de bits du canal réel mesuré SMM obtenue avec l'algorithme RA
de Chow; 1 = 100 m.
100 150 200 300

RAdeChow;Z=100m.
170
La figure 6.23 présente le SNR par sous-porteuse calculé qui est utilisé dans
l'application de l'algorithme RA de Chow au canal réel mesuré SMM. L'allure de la
répartition du SNR est en escalier. La figure 6.24 présente l'allocation de bits qui varie de
b2 = 11 bits à b256 = 7 bits et qui a une allure en escalier après l'application de l'algorithme
RA de Chow. On observe à la figure 6.25 l'allocation de puissance par sous-porteuse pour

le canal réel mesuré SMM lorsque l'algorithme RA de Chow est appliqué pour L = 100 m.
L'allure de l'allocation de puissance est en dents de scie ce qui est une caractéristique de
l'algorithme de Chow. La déviation pic à pic approximative de la puissance est de 3 dB
correspondant à l'augmentation du SNR pour transmettre un bit supplémentaire lorsque
l'on utilise une modulation de type QAM. Cette déviation explique l'allure en escalier que
l'on observe pour le SNR lors de l'exécution de l'algorithme RA de Chow.
6.3.3.1 Capacité obtenue avec l'algorithme RA de Chow pour le modèle gaussien

« rate adaptive de Chow » au modèle gaussien du canal SI-FOP. On y retrouve des données
similaires à celles présentées au tableau 6.12. Le nombre de sous-porteuses utilisé pour la
transmission varie de N = 255 pour L = 25 m à JV' = 27 pour L = 200 m. Toute la puissance
disponible est utilisée pour la transmission.

modèle gaussien de la SI-FOP.
Longueur Nombre de sous- Puissance totale Capacité RA Chow modèle
fibre[m] porteuses utilisé utilisée [W] gaussien [Gbit/s]
25 255 351,3642xl0" 9 5,2832
50 255 351,3642xl0" 9 3,9417
75 239 351,3642xl0' 9 2,6416
100 165 351,3642xl0" 9 1,5771
150 72 351,3642xl0" 9 0,4932
200 27 351,3642xl0" 9 0,1159
171
40
— 35 Y: 3 9 1 8
CQ
" i i *™jiw *" !"
2,
■B 30
CO
$ i "fc ;
25
I
g 20
a is
w 10
i r-r-r-r-f-i-^-
5 20 40 60 80 100 120 140 160 180
Figure 6.26 : SNR par sous-porteuse du modèle gaussien de la SI-FOP obtenu avec
l'algorithme RA de Chow; L = 100 m.
Les figures 6.26, 6.27 et 6.28 présentent des résultats de l'application de

l'algorithme RA de Chow au modèle gaussien de la SI-FOP pour L = 100 m. En particulier,
la figure 6.26 présente le SNR par sous-porteuse; on observe à la figure 6.27 l'allocation de
bits qui varie de b2 = 11 bits à bl66 = 1 bit; la figure 6.28 représente l'allocation de
puissance. Les remarques faites pour les figures semblables présentées dans le cas où
l'algorithme RA de Chow est appliqué au canal réel mesuré SMM restent valides pour le
modèle gaussien. L'allocation de puissance est en dents de scie et la déviation pic à pic de
la puissance est de 3 dB; l'allocation de bits et le SNR ont une allure en escalier.
50 100 150 200 300

Figure 6.27 : Allocation de bits du modèle gaussien de la SI-FOP obtenue avec l'algorithme
RA de Chow; 1 = 1 0 0 m.
172
-88.5
50 100 150 200 250 300
Figure 6.28 : Allocation de puissance du modèle gaussien de la SI-FOP obtenue avec

6.3.3.2 Capacité obtenue avec l'algorithme RA de Chow appliqué au modèle PFE
Tout comme dans les cas précédents où l'algorithme RA de Chow est appliqué au
canal réel mesuré SMM et au modèle gaussien de la SI-FOP, le tableau 6.14 présente les
principaux résultats de l'application de l'algorithme RA de Chow au modèle PFE. On y
retrouve le nombre de sous-porteuses utilisé qui varie de JV= 255 pour L = 25 m à JV= 54
pour L = 200 m, la puissance utilisée pour la transmission et la capacité obtenu en
appliquant l'algorithme RA de Chow au modèle PFE.

modèle « power flow equation » de la SI-FOP.
Longueur Nombre de sous-porteuses Puissance totale Capacité RA Chow
fibre[m] utilisé utilisée [W] modèle PFE [Gbit/s]
25 255 351,3642xl0' 9 5,2966
50 255 351,3642xl0 -9 4,3347
75 255 351,3642xl0" 9 3,4448
100 255 351,3642xl0~9 2,4768
150 120 351,3642xl0" 9 0,5652
200 54 351,3642xl0 -9 0,1807
173
100 150 200 300

RA de Chow; 1 = 100 m.
100 150 200 300

Figure 6.30 : Allocation de bits du modèle PFE de la SI-FOP obtenue avec l'algorithme RA
de Chow; 1 = 100 m.
-905
50 100 150 200 250 300

174
Aux figures 6.29, 6.30 et 6.31, on observe des données similaires à celles présentées
lorsque l'algorithme RA de Chow est appliqué au canal réel mesuré SMM et au modèle
gaussien. Les remarques faites pour les modèles précédents restent valables ici. Les figures
6.29, 6.30 et 6.31 présentent respectivement le SNR par sous-porteuse calculé d'allure en
escalier, l'allocation de bits qui varie de b2 = 11 bits à b256 = 6 bits, et l'allocation de
puissance par sous-porteuse en dents de scie lorsque l'algorithme RA de Chow est appliqué
au modèle PFE du canal SI-FOP pour L = 100 m.
Un autre algorithme à granularité finie est l'algorithme « rate adaptive Levin-

Campello ». Dans la suite, nous cherchons à comparer les performances en termes de
capacité de l'algorithme de RA LC à celles des algorithmes RA de Chow et RA WF.
Théoriquement, les capacités obtenues avec les algorithmes RA LC et RA de Chow
devraient être proches.
6.3.4 Capacité pratique et algorithme Levin-Campello
L'algorithme Levin-Campello utilise une approche greedy séquentielle. Comme

nous l'avons déjà vu, la première étape de cet algorithme consiste à choisir une distribution
initiale de bits, b. Un choix naturel pour cette distribution initiale de bits est la distribution
donnée par l'algorithme à granularité infinie qu'est le waterfilling. En effet, nous avons vu
à travers l'algorithme de Chow que l'arrondi de la solution donnée par le waterfilling
représente une distribution efficace de bits. La preuve formelle que l'arrondi de la solution
du waterfilling est une distribution efficace de bit a été faite par Levin et Campello (thèse
de doctorat de J. Campello [125]). La suite de l'algorithme Levin-Campello consiste
ensuite à établir la table d'incrément de puissance qui répertorie pour les JV sous-porteuses
la puissance nécessaire pour transmettre 1 bit supplémentaire sur la sous-porteuse n. On
applique alors l'algorithme LC EF afin d'obtenir la distribution efficace de bits.
L'algorithme LC EF converge vers la solution donnée par la distribution de bits la plus
efficace, la moins consommatrice de puissance à partir de n'importe quelle distribution
initiale de bits. L'algorithme LC ET appliquée ensuite permet de déterminer sur quelles
175
sous-porteuses on doit transmettre des bits supplémentaires et sur quelles sous-porteuses on

doit retirer des bits afin de respecter la contrainte de puissance totale.
6.3.4.1 Capacité obtenue avec l'algorithme RA LC pour le canal mesuré sans mode
mixing

« rate adaptive Levin-Campello » au canal réel mesuré « sans mode mixing » (SMM).

appliqué canal réel mesuré « sans mode mixing » (SMM).
Longueur Nombre de sous- Puissance totale Capacité RA LC canal
fibre [m] porteuses utilisé utilisée [W] réel SMM [Gbit/s]
25 255 351,0419xl0 -9 5,2759
50 255 351,1009xl0 -9 4,3115
75 255 351,3382x 10-9 3,3862
100 255 350,7762x IO"9 2,5281
150 167 350,6666 x 10"9 0,7214
200 40 349,661 lxlO" 9 0,1221
On retrouve au tableau 6.15 pour différentes longueurs de la fibre, le nombre de

sous-porteuses et la puissance utilisés pour la transmission ainsi que la capacité pratique
obtenue avec l'algorithme RA LC. On remarque que :
- toute la puissance disponible n'est pas utilisée pour la transmission;
pour L = 25 m à L = 100 m, 255 sous-porteuses sont utilisées pour la transmission

contre 167 sous-porteuses utilisées pour L = 150 m et 40 pour L = 200 m;
- les valeurs des capacités obtenues avec l'algorithme RA LC sont inférieures à celles
obtenues en appliquant les algorithmes RA WF et RA de Chow.
176
40
i i i i
i i i i
i i i i
m
S 35
CD ! ! !
I
i i i
30
10 ii i i
3
25
i i i i < ^ ^ ^ ^ ^ > x:256
| Y: 20.98
i i |
20 i i i i i
50 100 150 200 250 300

RALC;I=100m.
- e — Allocation de bits après LC EF

- © — Allocation de bits après LC ET
0è-
50 100 150 200 250 300
RALC;I=100m.
50 100 150 200 300

RALC;I=100m.
177
Les figures 6.32, 6.33 et 6.34 présentent quelques résultats de l'application de

l'algorithme « rate adaptive Levin-Campello » au canal réel mesuré SMM pour L =100 m.
La figure 6.32 présente le SNR par sous-porteuse calculé et utilisé dans l'application de
l'algorithme RA LC. La figure 6.33 présente l'allocation de bits d'allure en escalier qui
varie de b2 = 11 bits à b256 = 1 bit; en particulier, on observe les différences entre les
distributions de bits obtenues après l'application de l'algorithme LC EF et après

l'application de l'algorithme LC ET. La figure 6.34 présente l'allocation de puissance
d'allure en dents de scie. La déviation pic à pic approximative de la puissance est de 3 dB,
ce qui entraîne que l'allure de l'allocation de puissance obtenue est en escalier.
6.3.4.2 Capacité obtenue avec l'algorithme RA LC pour le modèle gaussien

LC au modèle gaussien du canal SI-FOP. On remarque que :
- toute la puissance disponible n'est pas utilisée; les valeurs de la capacité pour
l'algorithme RA LC sont inférieures à celles obtenues pour les autres algorithmes;
pour L = 25 m et L = 50 m, 255 sous-porteuses sont utilisées pour la transmission

contre 241 pour L = 75 m, 167 pour L = 100 m, 73 pour L = 150 m et 28 pour
L = 200 m.

appliqué au modèle gaussien de la SI-FOP.
Longueur fibre Nombre de sous- Puissance totale Capacité RA LC modèle
[m] porteuses utilisé utilisée [W] gaussien [Gbit/s]
25 255 351,1230xl0 -9 5,2539
50 255 350,4264x IO"9 3,9453
75 241 351,2052xl0" 9 2,6355

100 167 350,9036 xlO"9 1,5784
150 73 350,5636 xlO" 9 0,4871

200 28 344,1589xl0" 9 0,1135
178
Les figures 6.35, 6.36 et 6.37 présentent respectivement le SNR par sous-porteuse,
l'allocation de bits et l'allocation de puissance lorsque l'algorithme RA LC est appliqué au
modèle gaussien pour L — 100 m. Les remarques générales faites pour le canal réel mesuré
SMM sont valides pour le modèle gaussien. D'après la figure 6.36, les allocations de bits
après les algorithmes LC ET et LC EF sont semblables pour toutes les sous-porteuses sauf
pour la sous-porteuse n = 50 sur laquelle on transmet 11 bits après l'algorithme LC EF
contre 12 bits après l'application de l'algorithme LC ET. Le nombre de bits alloué varie de
b2 = 11 bits à 6168 = 1 bit.
45
_ 40h
m ; LBL™ ! ! ! ! !
2- 35
o>
CD
3 30 1 jlaE i.
f*
■c
; ; : : ^ ^ ! ! !
SSJ
° 20
a
o- 15
10
:::::b±::t::t:::b£&:::
UB
20 40 60 80 100 120 140 160 180
Figure 6.35 : SNR par sous-porteuse du modèle gaussien obtenu avec l'algorithme RA LC;
1 = 1 0 0 m.
B— Allocation de bits après LC EF

■e— Allocation de bits après LC ET
X:168
Y:1
100 150 200 250 300

Figure 6.36 : Allocation de bits du modèle gaussien obtenue avec l'algorithme RA LC;
1 = 1 0 0 m.
179
100 150 200 300


RALC;/:=100m.
L'allure de l'allocation de puissance à la figure 6.37 est en dents de scie et on

observe un pic de la puissance allouée pour la sous-porteuse n = 50.
6.3.4.3 Capacité obtenue avec l'algorithme RA-LC pour le modèle PFE
Le tableau 6.17 présente les principales caractéristiques de l'application de

l'algorithme RA LC au modèle PFE du canal SI-FOP. On y retrouve des données
semblables à celles présentées aux tableaux 6.15 et 6.16. D'après le tableau 6.17 :
- comme attendu, toute la puissance disponible n'est pas utilisée pour la transmission;
- pour L = 25 m à L = 100 m, 255 sous-porteuses sont utilisées pour la transmission

contre 124 sous-porteuses utilisées pour L = 150 m et 54 pour L = 200 m;
- comme pour le modèle gaussien, les valeurs de la capacité obtenues en appliquant

l'algorithme RA LC sont inférieures à la capacité numérique DMT de [29] et aux
capacités obtenues lorsque les algorithmes RA Chow et RA WF sont appliqués.
180

appliqué au modèle « power flow equation » de la SI-FOP.
Longueur Nombre sous-porteuses Puissance totale Capacité RA LC
fibre [m] utilisé utilisée [W] modèle PFE [Gbit/s]
25 255 3 50,6246 xlO"9 5,2795
50 255 350,8555xl0 -9 4,3298
75 255 351,0533xl0" 9 3,4326
100 255 351,0347xl0" 9 2,4597
150 124 350,6274 xlO -9 0,5652
200 54 351,2206xl0~9 0,1782
Aux figures 6.38, 6.39 et 6.40, on a pour le modèle PFE les mêmes données que
celles présentées pour le canal réel mesuré SMM et le modèle gaussien.
40
m Y: 39.17 i i i i i
=■ 36
m
m
5> 34
■e ! OHHSH . I I
| 32
» 30 -r fl
i X: 191 i
1
1 i Y: 27.1 '
rr 28
i
* 26
24
50 100 150 200 250 300
RALC;J: = 100m.
181
100 150 200 300

RALC;I=100m.
50 100 150 200 300


l'algorithme RA LC; L = 100 m.
La figure 6.38 présente le SNR en dB par sous-porteuse lorsque l'algorithme RA

LC est appliqué au modèle PFE du canal SI-FOP pour L = 100 m. La figure 6.39 présente
l'allocation de bits. La distribution de bits a une allure en escalier; à chaque fin de pallier
(dernière sous-porteuse de chaque pallier) on a 1 bit de moins transmis après l'application
de l'algorithme LC ET lorsque l'on compare au nombre de bits transmis après l'application
de l'algorithme LC EF. Le nombre de bits alloué par sous-porteuse varie de b2 = 11 bits à
b256 = 6 bits. La figure 6.40 présente l'allocation de puissance dont l'allure est en dents de
scie. La déviation approximative de la puissance est de 3 dB, d'où l'allure en escalier du

SNR calculé et utilisé lors de l'application de l'algorithme RA LC.
182
6.3.5 Comparaison des produits longueur x bande passante
La performance d'un système DMT dépend de l'efficacité de la technique de bit

loading utilisée. Le calcul du produit débit x longueur de la SI-FOP nous permet d'avoir
une meilleure vue d'ensemble des performances du système. Pour une SI-FOP standard, ce
produit vaut approximativement 50 MHz x 100 m.
Tableau 6.18 : Comparaison des capacités obtenues avec l'algorithme RA WF pour le canal
réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE.
Longueur Capacité Capacité RA WF Capacité RA Capacité RA
fibre [m] numérique canal réel mesuré WF modèle WF modèle
[29] [Gbit/s] SMM [Gbit/s] gaussien [Gbit/s] PFE [Gbit/s]
25 5,3 5,288 5,266 5,291

50 4,4 4,322 3,956 4,339
75 3,6 3,395 2,644 3,442
100 2,6 2,538 1,585 2,469
150 0,8 0,728 0,490 0,570
200 0,2 0,124 0,115 0,180
Le tableau 6.18 présente une comparaison des valeurs de la capacité numérique

DMT de [29] aux valeurs de la capacité pratique calculées en appliquant l'algorithme « rate
adaptive water-filling » au canal réel mesuré SMM, au modèle gaussien et au modèle PFE
de la SI-FOP. Pour L = 25 m à L = 200 m, les valeurs de la capacité RA WF pour le canal
réel mesuré SMM, les modèles gaussien et PFE sont proches des valeurs de la capacité
numérique DMT de [29]. En particulier, les valeurs des capacités obtenues lorsque
l'algorithme RA WF est appliqué au modèle PFE sont plus proches de celles données pour
le modèle numérique DMT de [29] lorsque l'on compare au modèle gaussien.
La figure 6.41 présente les valeurs des produits capacité « rate adaptive water-
filling » x longueur en fonction de la longueur de la SI-FOP pour le canal réel mesuré
SMM, le modèle gaussien et le modèle PFE.
183
300 i i i I I i i r
i i i i i i i i
i i i i i i i i
^ ^ i i i i i i i i
^ ^ ^ ^ ^ j ^ i i
250
L
150 _ _^r _i + , ~^^^, '—^^V. 1 -
100 J) + ! 1 1 . ^ ^ | _
50 ^ ♦ — Produit capacité théorique x longueur SI-FOP

^ ^ ^ Produit capacité RA WF canal mesuré x longueur SI-FOP
■M^M Produit capacité RA WF canal gaussien x longueur SI-FOP
^ ^ Produit capacité RA WF canal "PFE" x longueur SI-FOP
0 i i i 1 i 1—
60 80 100 120
Longueur de la fibre [m]
Figure 6.41 : Comparaison des produits capacité x longueur de la fibre lorsque

l'algorithme « rate adaptive water-filling » est appliqué.
Tableau 6.19 : Comparaison des capacités obtenues avec l'algorithme RA de Chow pour le
canal réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE.
Longueur Capacité Capacité RA Capacité RA Capacité RA
fibre [m] numérique [29] Chow canal réel Chow canal Chow canal
[Gbit/s] SMM [Gbit/s] gaussien [Gbit/s] « PFE »
[Gbit/sl
25 5,3 5,305 5,283 5,297
50 4,4 4,312 3,942 4,335
75 3,6 3,403 2,642 3,445
100 2,6 2,544 1,577 2,477
150 0,8 0,725 0,493 0,565
200 0,2 0,121 0,116 0,181
Le tableau 6.19 présente une comparaison des valeurs de la capacité numérique

DMT de [29] aux valeurs de la capacité pratique calculées en appliquant l'algorithme « rate
adaptive de Chow » au canal réel mesuré SMM, au modèle gaussien et au modèle PFE.
184
MO
p .f , 1 ! r_-. ! r
^^^^^■^^"■^Wte^^^^^^ I I I I
250
200
150
100 4 4 1 1 1 . . ^ ^ i - ^
^ ^ ^ f c ^ ^ ^ ^ ^ h
50 ^♦— Produit capacité théorique x longueur SI-FOP i—^^^^^^^^^_ -
^ ^ ^ Produit capacité RA Chow canal mesuré x longueur SI-FOP
^^r— Produit capacité RA Chow canal gaussien x longueur SI-FOP
^(f— Produit capacité RA Chow canal "PFE" x longueur SI-FOP
0 1 1 1
80 100 120 140 160 200
Figure 6.42 : Comparaison des produits capacité x longueur lorsque l'algorithme «rate
adaptive de Chow » est appliqué.
La figure 6.42 présente les courbes des produits capacité « rate adaptive de
Chow » x longueur en fonction de la longueur de la SI-FOP pour le canal réel mesuré
SMM, le modèle gaussien et le modèle PFE.
Tableau 6.20 : Comparaison des capacités obtenues avec l'algorithme RA LC pour le canal
réel mesuré « sans mode mixing », le modèle gaussien et le modèle PFE.
Longueur Capacité Capacité RA LC Capacité RA LC Capacité RA

de la numérique canal réel SMM modèle gaussien LC modèle
fibre [m] [29] [Gbit/s] [Gbit/s] [Gbit/s] « PFE »
[Gbit/s]
25 5,3 5,276 5,254 5,279
50 4,4 4,312 3,945 4,330
75 3,6 3,386 2,636 3.433
100 2,6 2,538 1,578 2,460
150 0,8 0,721 0,487 0,565
200 0,2 0,122 0,114 0,178
185
Le tableau 6.20 permet de comparer les valeurs de la capacité numérique DMT de

[29] aux capacités obtenues en appliquant l'algorithme RA LC au canal réel mesuré SMM,
au modèle gaussien et au modèle PFE.
I I i I I I I I
— ^ I I I I I i I I
250
200
i
Mp i î i V^^ '
150 — -Mp - JJ. + 1 1 ^ ^ 1—^JJ^^^'-
—- j - — - f
50 ^ ^ ^ Produit capacité théorique x longueur SI-FOP

-^^— Produit capacité RA LC canal mesuré x longueur SI-FOP
^ ^ ^ Produit capacité RA LC canal gaussien x longueur SI-FOP
^ ^ - Produit capacité RA LC canal "PFE" x longueur SI-FOP
20 80 100 120 160 180 200

Figure 6.43 : Comparaison des produits capacité x longueur lorsque l'algorithme « rate
adaptive Levin-Campello » est appliqué.
La figure 6.43 présente les courbes du produit capacité « rate adaptive Levin-
Campello » x longueur de la SI-FOP en fonction de la longueur de la SI-FOP pour le canal
réel mesuré SMM, le modèle gaussien et le modèle PFE.
Les valeurs des tableaux 6.18, 6.19 et 6.20 sont arrondies à la troisième décimale.
Des différents résultats présentés aux tableaux 6.18, 6.19 et 6.20 6.18, on remarque que :
- les valeurs des capacités obtenues avec les algorithmes « rate adaptive water-
filling », « rate adaptive de Chow » et « rate adaptive Levin-Campello » diffèrent
peu. Les différences entre les algorithmes de bit loading présentés sont donc
principalement la manière dont ils sont implémentés, leurs complexités et la
granularité considérée;
186
quel que soit le type d'algorithme de bit loading considéré, les valeurs de la capacité
obtenues pour le modèle « power flow equation » sont plus proches des valeurs de
la capacité numérique DMT de [29] lorsque l'on compare au modèle gaussien; ce
résultat confirme la validité du modèle PFE du canal SI-FOP;
lorsque l'on compare les différentes capacités pratiques obtenues aux valeurs de la
capacité théorique de [29] données dans le tableau 6.7, on note que :
• pour L < 75 m, la bande passante du système est limitée par la fréquence

d'échantillonnage du CNA et du CAN; cela entraîne une limitation de la
capacité du système. Les valeurs de la capacité numérique DMT de [29] et
les valeurs des différentes capacités pratiques obtenues sont alors faibles par
rapport à la capacité théorique;
• pour L = 75 m et L = 100 m, les valeurs de la capacité numérique DMT de

[29] et les valeurs des différentes capacités pratiques obtenues pour le canal
réel mesuré « sans mode mixing » et le modèle PFE sont égales ou
supérieures à la capacité théorique de [29] qui a été déterminée pour le
modèle gaussien; cela s'explique le fait que par la bande passante disponible
soit plus grande lorsque comparée à celle de l'approximation gaussienne;
• pour L > 100 m, la limitation due à la bande passante du canal SI-FOP

prédomine sur celle de la fréquence d'échantillonnage du CAN et CNA. Par
conséquent, les valeurs des capacités théoriques et numériques sont proches.
D'après les figures 6.41, 6.42 et 6.43 et les différents résultats présentés, on observe
que
on n'obtient pas forcément de meilleures performances du système, produit

capacité x longueur, pour de courtes longueurs de la SI-FOP;
pour L < 75 m, les courbes des produits capacité pratique x longueur sont
croissantes; cela est probablement dû à la valeur de p choisie ( p = 3) qui s'avère
être optimale;
187
- le produit capacité x longueur est maximal à L = 75 m lorsque l'on considère les

capacités pratiques du système;
- pour L > 100 m, on observe la décroissance de tous les produits

capacité x longueur à cause de la réduction de la bande passante (la limitation de la
bande passante est causée par le canal SI-FOP);
- pour L < 200 m, les produits capacité pratique modèle gaussien x longueur sont
plus faibles que les valeurs des autres produits BL.
6.4 Conclusion
Dans ce chapitre 6, nous avons présenté les réponses en fréquence du canal réel
ainsi que celles du modèle gaussien et du modèle « power flow equation ». Nous avons
montré l'influence des conditions initiales d'injection sur la réponse en fréquence du
modèle PFE. D'après les différents tableaux et figures présentés dans ce chapitre 6, le canal
SI-FOP pourrait être approximé par le modèle PFE lorsque la longueur de la fibre est courte
et que l'état d'équilibre dans la fibre n'est pas atteint. Lorsque la longueur de la fibre est
suffisamment grande de telle sorte que l'état d'équilibre y est atteint, le canal SI-FOP
pourrait être modélisé par un filtre passe-bas gaussien. Les capacités théoriques et pratiques
du canal ont été déterminées en considérant le canal comme idéal et le seul bruit présent
dans le système est le bruit AWGN induit par le TIA. La capacité théorique au sens de
Shannon a été déterminée en utilisant la technique du waterfilling et les capacités pratiques
ont été déterminées en considérant le problème d'optimisation associé à la maximisation du
débit; le critère d'allocation Rate Adaptive. Ce critère consiste à répartir de manière efficace
la puissance sur les différentes sous-porteuses à un BER donné en respectant la contrainte
de puissance totale transmise. Les débits transmis sur chacune des sous-porteuses sont liés
à la répartition des puissances. On a distingué les algorithmes à granularités infinie et finie.
Les algorithmes à granularité finie sont caractérisés par une allocation de bits en escalier.
Les valeurs des capacités pratiques obtenues avec les différents algorithmes sont proches.
188
Tous les résultats présentés nous permettent de valider le modèle mathématique plus
réaliste du canal SI-FOP que nous avons présenté, le « power flow equation ».
CHAPITRE 7
Conclusion et recommandations pour les travaux futures
Ce travail de maîtrise porte sur l'étude de la fibre optique plastique à saut d'indice
dans un système de transmission optique sur courte distance utilisant la modulation DMT.
L'idée du sujet de maîtrise est née à la suite d'un stage de quatre mois effectué à l'ENSSAT
(École Nationale Supérieure des Sciences Appliquées et de Technologie à Lannion et
affiliée à l'Université de Rennes 1, France) dans le cadre d'un projet réalisé en partenariat
avec France Télécom et l'ENSSAT portant sur l'OFDM optique appliqué aux systèmes de
communications optiques utilisant la FOP. Les expérimentations pratiques réalisées avec la
fibre optique plastique à saut d'indice nous mettaient entre autres face au problème de forte
dispersion et de multi-trajets qui n'existent généralement pas lors d'une transmission sur la
fibre de verre traditionnelle. Pour pallier à ces nouveaux problèmes, on cherche alors à
appliquer des techniques de traitement du signal déjà très bien maîtrisées en
communications filaires et sans fils.
Le travail réalisé dans le cadre de ce mémoire est un travail pluridisciplinaire, car il

s'inscrit à la fois dans le domaine des communications radiofréquences et optiques. Tout au
long de ce mémoire, nous faisons en effet appel à différentes notions que l'on maîtrise en
traitement numérique du signal et que l'on transpose dans le domaine de l'optique.
L'objectif de ce travail est double. En effet, le but ici est de réaliser un modèle analytique
réaliste de la fibre optique plastique à saut d'indice et d'évaluer le potentiel de la DMT sur
190
la SI-FOP. Nous réalisons donc dans ce mémoire une étude d'un système de
communications optiques sur courte distance, intégrant en particulier la fibre optique
plastique à saut d'indice et utilisant la modulation DMT. Les systèmes de
télécommunications optiques sur FOP présentent de nombreux avantages dans le domaine
de la transmission de l'information. Le travail mené a permis d'étudier, d'évaluer et
d'analyser le potentiel de la modulation DMT dans le cadre de la mise en œuvre d'un
système de transmission à haut-débit et à courte distance sur la SI-FOP. Les avantages de la
DMT sont nombreux et l'utilisation d'un préfixe cyclique dans la modulation DMT permet
de combattre naturellement la grande dispersion induite par la SI-FOP.
La première partie (chapitre 2) de ce mémoire a été consacrée à la fibre optique et la

fibre optique plastique. Dans cette section, nous avons présenté les caractéristiques de la
fibre en générale et par la suite celles de la fibre optique plastique. La FOP, bien qu'elle
soit antérieure à la fibre de verre traditionnelle, n'est sérieusement considérée pour des
applications en télécommunications que depuis ces dernières années. En effet, bien que
présentant des caractéristiques similaires à la fibre de verre traditionnelle, la FOP comporte
des spécificités telles que la grande atténuation et la grande dispersion modale qui ont fait
que jusqu'alors son utilisation dans les télécommunications n'était pas considérée. La
présentation des caractéristiques principales de la FOP nous a permis d'établir et de justifier
un certain nombre de choix de paramètres et de valeurs que nous utilisons dans nos
simulations. Par la suite, nous avons présenté les valeurs numériques théoriques de certains
paramètres tels que l'ouverture numérique et l'angle d'acceptance pour la FOP de référence
qui est la SI-FOP Mitsubishi Eska Premier GH4001. Cette première partie a permis
d'acquérir une maîtrise des différentes notions importantes qui caractérisent la FOP.
La deuxième partie (chapitre 3) aborde les différentes approches de modélisation de

la FOP. Bien qu'il existe dans la littérature plusieurs méthodes pour évaluer les
caractéristiques de la FOP, sa modélisation reste néanmoins assez difficile car la SI-FOP
est une fibre fortement multimode. Cet aspect soulève donc un problème de propagation de
puissance avec couplage de modes dans la fibre. Le but ici est en modélisant le processus
191
de couplage de modes et la dépendance angulaire de l'atténuation, de trouver un modèle

numérique de la réponse en fréquence de la SI-FOP qui incorpore les particularités de la SI-
FOP qui sont la dépendance angulaire de l'atténuation, la dispersion modale et le couplage
de modes. Le modèle obtenu avec cette nouvelle approche, « power flow equation »,
déduite de théories de D. Gloge, nous donne une bonne approximation du comportement
réel de la SI-FOP. Nous obtenons donc un modèle analytique du canal que l'on utilise pour
le calcul de la capacité dans le cas général d'un canal SI-FOP IM/DD idéal.
La troisième partie (chapitre 4) introduit les télécommunications optiques en général

et les notions de modulation DMT telles que la génération du signal DMT et le bit loading.
La DMT, tout comme l'OFDM dont elle dérive, est une modulation multi-porteuses dont la
principale caractéristique est la possibilité de répartir les bits sur les sous-porteuses en
fonction du rapport signal sur bruit de chacune des sous-porteuses. La DMT traite les sous-
porteuses individuellement. Quelques principales forces de la DMT sont qu'elle permet de
simplifier l'égalisation à la réception; de plus, lorsque l'on introduit le préfixe cyclique
dans la DMT, elle permet de combattre la dispersion. Les avantages de la DMT sont
nombreux, mais tout comme l'OFDM, elle présente un inconvénient majeur qui est le
PAPR élevé, donc un facteur de crête élevé qui limite les performances du système.
La quatrième partie (chapitre 5) a permis d'établir différentes caractéristiques du

système de transmission. Nous y avons abordé les notions de capacité théorique, SNR gap
et capacité pratique. En particulier, nous avons analysé la capacité théorique au sens de
Shannon du canal optique SI-FOP IM/DD et la capacité pratique en utilisant des
algorithmes de bit loading, tels que l'algorithme « rate adaptive water-filling »,
l'algorithme de Chow et l'algorithme Levin-Campello. Dans ce chapitre nous avons
également introduit des paramètres tels que l'atténuation du canal a F , la bande passante du
système B v , la puissance optique moyenne transmise Pave, la puissance équivalente du bruit
qui caractérise le bruit du récepteur, NEP et le rapport signal sur bruit équivalent SNR
qui dépend du facteur de crête p . Le facteur de crête joue un rôle important dans la
192
détermination de la capacité qui dépend du SNR . Cette dépendance signifie que l'on peut
améliorer la capacité en optimisant les valeurs de p et du SNReq. Des études précédentes
nous ont permis de fixer la valeur optimale de p à 3.
Dans la cinquième partie (chapitre 6), nous avons présenté les courbes des réponses
en fréquences des différents modèles de la SI-FOP (modèles gaussien et PFE) et différents
résultats du calcul de la capacité du système de transmission optique sur courte distance SI-
FOP IM/DD utilisant la modulation DMT. Certains résultats obtenus sont surprenants. Par
exemple dans le modèle « power flow equation » de la fibre, les simulations montrent que
contrairement à ce à quoi on pourrait s'attendre d'après la théorie, il y a encore en partie
une propagation de la puissance au-delà de l'angle critique. L'hypothèse retenue pour
justifier ce phénomène est la présence de modes à fuites. De plus, la comparaison des
courbes de réponses en fréquence et les capacités théoriques obtenues avec les deux
modèles de canal simulés montre clairement que le modèle gaussien qui est largement
utilisé pour la modélisation de la SI-FOP est un modèle pessimiste pour de courtes
longueurs de la fibre. Nous validons le modèle « power flow equation » du canal SI-FOP
par comparaison avec le canal réel mesuré « sans mode mixing » et les résultats de [29].
Les différents résultats obtenus dans ce chapitre montrent que le modèle « power flow
equation » que nous avons déterminé se rapproche plus du canal réel lorsque l'on compare
avec le modèle gaussien.
Il est possible d'envisager plusieurs travaux de recherches basés sur nos résultats.
Les perspectives sont nombreuses et se situent dans le prolongement des travaux déjà
menés. Elles permettent en particulier de tenir compte de différents points qui n'ont pas été
abordés dans ce mémoire et sont basées sur plusieurs axes. Ainsi dans une perspective
future, il serait intéressant :
- d'effectuer des études complémentaires pour analyser l'impact du choix du facteur

de crête sur la capacité du canal dans le cas d'un système de communications
optiques courte distance SI-FOP IM/DD. En effet, comme le SNR du système
193
dépend du facteur de crête, il serait intéressant de voir l'impact réel du choix de ce

dernier sur les performances du système. La détermination de la valeur optimale de
p suivant la longueur de fibre considérée est alors pertinente. Une prochaine étape
de cette étude devrait prendre en compte toutes les spécifications du signal DMT
ainsi que les problèmes de synchronisation et de fenêtrage;
- dans le cadre de ce mémoire, nous avons négligé tous les autres bruits et n'avons
pris en considération que le bruit induit par le TIA au niveau du récepteur. Une
étude plus complète et plus précise du système SI-FOP IM/DD nécessiterait de
prendre en compte tous les bruits présents dans le système tels que le bruit de
quantification (la quantification du signal introduit une erreur produisant du bruit
sur les hautes fréquences), et le bruit induit par l'écrêtage. Une connaissance précise
des différents bruits permettrait d'obtenir un modèle du système plus proche du
système réel et de s'approcher plus des capacités mesurées dans les systèmes réels;
- finalement, l'introduction d'un codage canal, tel que le codage LDPC (Low Density
Parity Check Code) ou encore le turbo DMT pourrait être envisagé.
En conclusion, les études réalisées sur la fibre optique plastique montrent sans
aucun doute qu'elle constitue une alternative intéressante à la fibre de verre traditionnelle,
au câble coaxial, aux fils de cuivre et aux technologies sans fils, pour la transmission des
flux de données haut débit sur de courtes distances. À ce jour, les résultats de la recherche
sur la FOP sont prometteurs, néanmoins la dispersion qu'elle présente reste toujours élevé
et ne permet pas de l'exploiter à son plein potentiel. L'orientation de la recherche sur la SI-
FOP serait donc de pouvoir intégrer dans un système de communications optique FOP à
courte distance, des éléments de traitement de signal existants et de faible complexité qui
permettraient d'augmenter les débits de transmission de données et de la rendre évolutive
afin qu'elle puisse s'adapter aux besoins de la demande en termes de coûts, qualité,
capacité de transmission, et de nouveaux services. La FOP en PMMA de diamètre de cœur
lmm a été standardisée en 2008 par 1TEC sous l'appellation A4a.2 [110].
Références bibliographiques
[1] http://www.luceat.it/francese/faq.htm
[2] P. Polishuk, "Plastic Optical Fibers Branch Out", IEEE Communications Magazine,
vol. 44, no. 9, pp. 140-148, septembre 2006.
[3] H. Yang, S. C. J. Lee, C. M. Okonkwo, S. T. Abraha, H. P. A. van den Boom, F.

Breyer, S. Randel, A. M. Koonen et E. Tangdionggal, "Record High-Speed Short-
Range Transmission over 1 mm Core Diameter POF Employing DMT modulation",
Optics Letters, vol. 35, no. 5, pp. 730-732, mars 2010.
[4] POF-ALL project, "Paving the Optical Future with Affordable Lightning - fast
Links". Disponible sur: http://www.ist-pof-all.org/
[5] I. Môllers, D. Jâger, R. Gaudino, A. Nocivelli, H. Kragl, O. Ziemann, N. Weber, T.

Koonen, C. Lezzi, A. Bluschke et S. Randel, " Plastic Optical Fiber Technology for
Reliable Home Networking: Overview and Results of the EU Project POF-ALL",
IEEE Communications Magazine, vol. 47, no. 8, pp. 58-68, août 2009.
[6] D. Felipe, C. Lopez, A. Nespola, S. Camatel, S. Abrate et R. Gaudino, "100 Mb/s

Ethernet Transmission Over 275 m of Large Core Step Index Polymer Optical
Fiber: Results From the POF-ALL European Project", Journal of Lightwave
Technology, vol. 27, no. 14, pp. 2908-2915, juillet 2009.
[7] W. Daum, J. Krauser, P. E. Zamzow et O. Ziemann. POF Handbook - Optical

Short Range Transmission Systems, Springer, deuxième édition, 2008.
[8] Club des Fibres Optiques Plastiques, Plastic Optical Fibres: Practical Applications,
John Wiley & Sons, New York, 1997.
[9] S. Baumer, Handbook of Plastic Optics, Wiley-VCH, 2005.
[10] T. Freeman, "Plastic Optical Fibre Tackless Automotive Requirements", Fibre

System Europe Magazine, vol. 1, no. 4, pp. 14-17, mai 2004.
195
[11] J. Cirillo, "High Speed Plastic Networks (HSPN): A New Technology for Today's
Applications", National Aerospace and Electronics Conference (NAECON'96),
IEEE Aerospace and Electronic Systems Magazine, vol. 11, no. 10, pp. 10-13,
octobre 1996.
[12] H. Rajbenbach, "Report of The European Conference On Optical Communications

(ECOC 2001)", Report, European Commission, Directorate-General Information
Society, Amsterdam, septembre-octobre 2001.
[13] M. Bellec, "Home Broadband Home Area Network," Keynote 3, European

Wireless, avril 2007.
[14] O. Ziemann et J. Krauser, "The Use of Polymer Optical Fiber for in-House
Networks, Advantages of 520 nm LED Transmission Systems," 24th European.
Conference on. Optical Communications, vol. 1, pp. 379-380, septembre 1998.
[15] Home Planet (IST-2000-28234) EU Research Project. Disponible sur:

http://www.tvndall.ie/proiects/home-planet/
[16] C. A. Bunge et H. Poisel, POF Modelling: Theory, Measurement and Application,

Books on Demand GmbH, Norderstedt, 2007.
[17] A. W. Snyder et J. D. Love, Optical Waveguide Theory, Chapman and Hall,

Londres, 1983.
[18] J. Zubia, H. Poisel, C.-A. Bunge, G. Aldabaldetreku et J. Arrue, "POF modelling",

11 Proceedings of International POF Conference, pp. 221-224, Tokyo, 2002.
[19] J. Zubia, G. Aldabaldetreku, G. Durana, J. Arrue, C.-A. Bunge et H. Poisel,

"Geometric Optics Analysis of Multi-Step Index Optical Fibers", Fiber and
Integrated Optics, vol. 23, no. 2-3, pp. 121-156, mars-juin 2004.
[20] R. Van Nee et R. Prasad, OFDMfor Wireless Multimedia Communications, Artech

House Publisher, Boston, 2000.
[21] Y. Li et G. L. Stuber, Orthogonal Frequency Division Multiplexing for Wireless

Communications, Springer, New York, 2006.
[22] A. J. Lowery, "Optical OFDM", Optical Society of America, Proceedings

Conference on Lasers and Electro-Optics and Quantum Electronics and Laser
Science (CLEO/QELS), Paper CWN1, pp. 1-2, mai 2008.
[23] Y. Wu et B. Caron, "Digital Television Terrestrial Broadcasting", IEEE

Communications Magazine, vol. 32, no. 5, pp. 46—52, mai 1994.
[24] Asymmetric Digital Subscriber Line (ADSL) Transceivers, ITU Standard. G.992.1,
juillet 1999.
196
[25] D. J. G. Mestdagh, P. M. P. Spruyt et B. Biran, "Effect of Amplitude Clipping in
DMT-ADSL Transceivers", Electronics Letters, vol. 29, no. 15, pp. 1354-1355,
juillet 1993.
[26] J. M. Cioffi, "Advanced Digital Communication", Course Reader, juin 2008.

Disponible sur: http://www.stanford.edu/class/ee379c
[27] S. Bottacchi, Multi Gigabit transmission over multimode optical fibre Theory and
Design Methods for lOGbE Systems, John Wiley & Sons, Ltd 2006.
[28] D. Cârdenas, A. Nespola, P. Spalla, S. Abrate et R. Gaudino, "A Media Converter

Prototype for 10-Mb/s Ethernet Transmission Over 425 m of Large-Core Step-
Index Polymer Optical Fiber", IEEE/OSA Journal of Lightwave Technology,
vol. 24, no. 12, pp. 4946-4952, décembre 2006.
[29] S. C. J. Lee, F. Breyer, R. Gaudino, G. Bosco, A. Bluschke, M. Matthews, P.

Rietzsch, R. Steglich, H. P. A. van den Boom et A. M. J. Koonen, "Discrete
Multitone Modulation for Maximizing Transmission Rate in Step-Index Plastic
Optical Fibers", Journal of Lightwave Technology, vol. 27, no. 11, pp. 1503-1513,
juin 2009.
[30] Université de Nice, cours Telecommunications. Disponible sur :

http://www.unice.fr/DeptPhvs/sem6/2006 2007/PagesWeb/Telecorn/historique.html
[31] J. Zubia et J. Arme, "Plastic Optical Fibers: An Introduction to Their Technological

Processes and Applications," Optical Fiber Technology, vol. 7, pp. 101-140, 2001.
Disponible sur: http://infochem.hanyang.ac.kr/files/reviewl.pdf
[32] L. Jankowski, "Modelling and Simulation of Light Propagation in Non-Aged and

Aged Step-Index Polymer Optical Fibres", thèse doctorat, 29 octobre 2004.
Disponible sur: http://opus.kobv.de/ubD/volltexte/2005/174/pdf/JANKO2.Ddf
[33] A. Nespola, S. Abrate, R. Gaudino, B. Offenbeck, J. Sundermeyer , C. Zerna et N.

Weber, "In-Building and Home Networks using POF", LEOS Annual Meeting
Conference Proceedings, 2009. LEOS '09.IEEE, pp. 624-625, octobre 2009.
[34] Notes de cours, Disponible sur: http://christian.caleca.free.fr/fibroptique/
[35] G. P. Agrawal, Non-linear Fiber Optics, Academic Press, Inc., deuxième édition,
1995.
[36] G. Keiser, Optical Fiber Communications, Series in Electrical and Computer

Engineering, McGraw-Hill, Boston, troisième édition, 2000.
[37] S. Takahashi et K. Ichimura, "Time Domain Measurements of Launching Condition

Dependent Bandwidth of all-Plastic Optical Fibres", Electronics Letters, vol. 27,
no. 3, pp. 217-219, Janvier 1991.
197
[38] J. M. Senior, Optical fiber communications, Prentice Hall International Series in
Optoelectronics, New York, Londres, Toronto, Sydney, Tokyo et Singapore,
deuxième édition, 1992.
[39] J. Powers, An introduction to fiber optic systems, Electrical Engineering Series.,

McGraw Hill International Editions, Californie, deuxième édition 1999.
[40] P. Lecoy, Télécommunications optiques, Hermès, Paris, 1992.
[41] A. H. Cherin, An introduction to optical fibers, McGraw-Hill International Book

Company, 1983.
[42] G. Agrawal, Fiber-optic communication systems, Wiley Series in Microwave and

Optical Engineering, Wiley-Interscience Publication, 1997.
[43] B. E. A. Saleh et M. C. Teich, Fundamentals of photonics, Wiley-Interscience

Publication, John Wiley & Sons, Inc., New York, 1991.
[44] Integrated Publishing. Electrical Engineering Training Series. Disponible sur:

http://www.tpub.com/neets/tm/109-3 .htm
[45] G. Mahlke et P. Gôssing, Câbles à fibres optiques, Siemens Aktiengesellschaft et

TEKNEA, 1989.
[46] MOST. Disponible sur: http://www.mostcooperation.com
[47] J. Mateo, M. A. Losada, et J. Zubia, "Frequency Response in Step Index Plastic

Optical Fibers Obtained from the Generalized Power Flow Equation", Optics
Express, vol. 17, no. 4, pp. 2850-2860, février 2009.
[48] D. Gloge, "Optical Power Flow in Multimode Fibers", The Bell System Technical
Journal, vol. 51, no. 8, pp. 1767-1783, octobre 1972.
[49] P. Lecoy, Télécoms sur fibres optiques, Lavoisier, troisième édition revue et
augmentée, 2008.
[50] J. M. Cioffi, "A Multicarrier Primer", juin 2008. Disponible sur:

http://www-isl.stanford.edu/~cioffi/pdf/multicarrier.pdf
[51] P. S. Chow, J. M. Cioffi, et J. A. C. Bingham, "A Practical Discrete Multitone

Transceiver Loading Algorithm for Data Transmission over Spectrally Shaped
Channels", IEEE Transactions on Communications, vol. 43, no. 2, pp. 773-775,
février 1995.
[52] M. Eve, "Généralités sur les transmissions optiques", REVUE TECHNIQUE

THOMSON-CSF, vol. 14, no. 12, juin 1982.
198
[53] J. P. Nérou, Introduction aux télécommunications optiques, le Griffon d'argile,
1983.
[54] T. Ishigure, E. Nihei et Y. Koike, "Optimum Refractive-Index Profile of the

Graded-Index Polymer Optical Fiber, Toward Gigabit Data Links", APPLIED
OPTICS, vol. 35, no. 12, pp. 2048-2053, avril 1996.
[55] Y. Koike et M. Asai, "The Future of Plastic Optical Fiber", Publié le 21 octobre
2009. Disponible sur: http://www.natureasia.com/asia-materials/review.php?id=579
[56] S. Randel, S. C. J. Lee, B. Spinnler, F. Breyer, H. Rohde, J. Walewski, A. M. J.

Koonen et A. Kirstâdter, "1 Gbit/s Transmission with 6.3 bit/s/Hz Spectral
Efficiency in a 100 m Standard 1 mm Step-Index Plastic Optical Fiber Link using
Adaptive Multiple Sub-Carrier Modulation", European Conference on Optical
Communication, Post deadline Paper Th4.4.1, Cannes, 2006.
[57] F. Breyer, S. C. J. Lee, S. Randel et N. Hanik, "1.25 Gbit/s Transmission over up to

100 m Standard 1 mm Step-Index Polymer Optical Fiber using FFE or DFE
Equalisation Schemes", European Conference on Optical Communication,
paper 9.6.6, Berlin, 2007.
[58] S. C. J. Lee, F. Breyer, S. Randel, O. Ziemann, H. P. A. van den Boom et A. M. J.

Koonen, "Low-Cost and Robust 1-Gbit/s Plastic Optical Fiber Link Based on Light-
Emitting Diode Technology", Optical Fiber Communications, OWB3, San Diego,
février 2008.
[59] F. Breyer, S. C. J. Lee, S. Randel et N. Hanik, "PAM-4 Signalling for Gigabit

Transmission over Standard Step-Index Plastic Optical Fibre using Light Emitting
Diodes", European Conference on Optical Communication, We.2.A.3, vol. 3, pp.
81-82, Bruxelles, septembre 2008.
[60] S. C. J. Lee, F. Breyer, S. Randel, H. van den Boom et T. Koonen, "Gigabit

Ethernet Transmission over Standard Step-Index Polymer Optical Fiber",
Proceedings 17th International Conference on Polymer Optical Fiber (ICPOF
2008), Santa Clara, août 2008.
[61] O. Ziemann, O. Lednicky, J. Vinogradov, R. Gaudino, H. Kragl, S. Randel, S.C.J

Lee et B. Offenbeck, "The Development of Gbps over SI-POF Systems in the POF-
ALL Project", POF-AC, Proceedings 17' International Conference on Polymer
Optical Fiber (ICPOF 2008), Santa Clara, août 2008.
[62] M. Jones, Senior FAE, "Ethernet Over Plastic Optical Fibre", Micrel Inc.,
Disponible sur: http://www.future-mag.com/0706/0706130.asD
[63] A. Messiah, Mécanique quantique, Dunod, Paris, tome 1, 1965.
[64] P. M. Morse et H. Feshbach, Methods of Theoretical Physics, Part 2, McGraw-Hill,

New York, 1953.
199
[65] T. Ishigure, "WKB Method for POF Modelling and Optimisation", International
POF Conference, 2007.
[66] G. Aldabaldetreku, J. Zubia, Gaizka et Jon Arrue, "Numerical Implementation of

the Ray-Tracing Method in the Propagation of Light through Multimode Optical
Fiber", International POF Conference, 2007.
[67] W. H. Press, B. P. Flannery, S. A. Teukolsky et W. T. Vetterling, Numerical recipes

in C: The art of scientific computing, Cambridge University Press, Cambridge,
2002.
[68] R. Olshansky et D. B. Keck, "Pulse Broadening in Graded Index Optical Fibers",

Applied Optics, vol. 15, no. 2, pp. 4 8 3 ^ 9 1 , février 1976.
[69] D. Marcuse, Light Transmission Optics, Van Nostrand Reinhold, New York,
deuxième édition, chapitre 11, pp. 466, 1982.
[70] M. Eguchi, "Large-Scale Numerical Analysis of Large-Core Multimode Fibers

Including POF", International POF Conference, 2007.
[71] M. A. Losada, J. Mateo, I. Garces et J. Zubia , "Estimation of the Attenuation and

Diffusion Functions in POF from Experimental Far Field Pattern", Optics Express,
vol. 14, no. 20, pp. 336-341, octobre 2006.
[72] J. Mateo, M. A. Losada et I. Garces, "Global Characterization of Optical Power

Propagation in Step-Index Plastic Optical Fibers", Optics Express, vol. 14, no. 20,
pp. 9028-9035, octobre 2006.
[73] Notes de cours INS A ROUEN, "Dérivation, integration, difference centrale",

Disponible sur: http://asi.insa-rouen.fr/enseignants/~plerav/ftp/l 2deriv-integr 1 .pdf
[74] Différence finie, Disponible: http://fr.wikipedia.org/wiki/Dijff%C3%A9rence finie
[75] Fonction gaussienne, Disponible: http://fr.wikipedia.org/wiki/Fonction gaussienne
[76] R. W. Chang et R. A. Gibby, "A Theoretical Study of Performance of an

Orthogonal Multiplexing Data Transmission Scheme", IEEE Transaction on
Communications, vol. 16, no. 4, pp. 529-540, août 1968.
[77] Specification sheet GH 4001 ESKA PREMIER, Industrial Fiber Optics,

Disponible sur: http://www.i-fiberoptics.com/fiber/IFOfiber.htm
[78] Y. Suematsu et K. I. Iga, Transmission sur fibres optiques : Technologie générale,

Massqn 1984. ; , •: •
[79] S. C. J. Lee, F. Breyer, S. Randel, H- P. A. van den. Boom et A. M. J, Koonen,

"High-speed Transmission over Multimode Fiber using Discrete Multitone",
Journal Of Optical Networking, vol. 7, no. 2, pp. 183-196, février 2008.
200
[80] J. Armstrong et B. J. C. Schmidt, "Comparison of Asymmetrically Clipped Optical

OFDM and DC-Biaised Optical OFDM in AWGN", IEEE Communications Letters,
vol. 12, no.5, pp.343-345, mai 2008.
[81] J. M. Tang et K. A. Shore, "Maximizing the Transmission Performance of

Adaptively Modulated Optical OFDM Signals in Multimode-Fiber Links by
Optimizing Analog to Digital Converters", IEEE/OSA Journal of Lightwave
Technology, vol. 25, no. 3, pp. 787-789, mars 2007.
[82] J. M. Tang, P. M. Lane et K. A. Shore, "High Speed Transmission of Adaptively

Modulated Optical OFDM Signals over Multimode Fibers using Directly
Modulated DFBs", IEEE/OSA Journal of Lightwave Technology, vol. 24, no. 1,
pp. 429-441, Janvier 2006.
[83] J. S. Chow, J. C. Tu et J. M. Cioffi "A Discrete Multitone Transceiver System for

HDSL Applications", IEEE Journal on Selected Areas in Communications, vol. 9,
no. 6, pp. 895-908, août 1991.
[84] C. E. Shannon, "A Mathematical Theory of Communication", Bell System

Technical Journal, vol. 27, pp. 379-423 et pp. 623-656, juillet-octobre 1948.
[85] R. G. Gallager, Information Theory and Reliable Communication, John Wiley, New
York, chapitre. 2 et 4,1968.
[86] T. M. Cover et J. A. Thomas, Elements of Information Theory, John Wiley, New

York, deuxième édition, 2006.
[87] R. You et J. Kahn, "Upper-Bounding the Capacity of Optical IM/DD Channels with
Multiple-Subcarrier Modulation and Fixed Bias using Trigonometric Moment
Space Method", IEEE Transactions on Information Theory, vol. 48, no. 2, pp. 514-
523, février 2002.
[88] R. Gaudino, G. Bosco, A. Bluschke, N. Kiss, M. Matthews, P. Rietzsch, S. C. J. Lee

et F. Breyer, "On the Ultimate Capacity of SI-POF Links and the Use of OFDM :
Récents Results from the POF-ALL Project", International Conference on Plastic
Optical Fibers, septembre 2007.
[89] J. G. Proakis, Digital Communication, McGraw-Hill, quatrième édition, 2001.
[90] J. Palicot, Y. Louët et S. Zabré, "Traitement Numérique des Non- Linéarités : Un

état de l'art de la littérature", Livrable France Télécom R&D, no. 46124952,
Rennes, février 2005.
[91] E. Guerrini, G. Dell'Amico, P. Bisaglia et L. Guerrieri, "Bit-Loading Algorithms

and SNR Estimate for HomePlug AV", IEEE International Symposium Power Line
i Communications and Its Applications (ISPLC 2007), pp. 77-82, mars 2007.
I I'/Vl " I ' 1 6 <H" » *.!-'.. f>I' ,v ) ; . <\..l ' '.' . r I i, i » . . i •• i ;~ • •; • * ' , ! ' . / f T S I . ' r o
201
[92] Y. Koike, "High-Bandwidth Plastic Optical Fiber for Fiber to the Display", Journal
Of Lightwave Technology, vol. 24, no. 12, pp. 4541^4553, décembre 2006.
[93] B. Charbonnier, P. Urvoas, M. Ouzzif, J. Le Masson, J. D. Lambkin, M. O'Gorman

et R. Gaudino, "EU Project POF-PLUS: Gigabit Transmission over 50 m of Step-
Index Plastic Optical Fibre for Home Networking", Optical Fiber communication,
OWR4, pp. 1-3, mars 2009.
[94] B. A. Lengyel, Introduction to lasers physics, Wiley New York, 1966.
[95] F. Hartmann, Les lasers, PUF, Paris, 1974.
[96] W. V. Smith, P. P. Sorokin, The laser, Mc Graw-Hill, New York, 1966.
[97] D. Kalymnios, "Squeezing more Bandwidth into High NA POF", 8th Intl. Conf. on
Plastic Optical Fibres and Applications, pp. 18-24, juin 1999.
[98] J. Mateo, M. A. Losada, I. Garces, J. Arrue, J. Zubia et D. Kalymnios, "High NA

POF Dependence of Bandwidth on Fibre Length", 12th Intl. Conf on Plastic Optical
Fibres and Applications, pp. 123-126, septembre 2003.
[99] F. Breyer, N. Hanik, S. Lee et S. Randel, "POF Modelling: Theory, Measurement

and Application, C. A. Bunge, H. Poisel (Ed.), chapitre : Getting the Impulse
Response of SI-POF by Solving the Time-Dependent Power-Flow Equation using
the Crank-Nicholson Scheme", (Verlag Books on Demand GmbH, Norderstedt,
2007).
[100] M. Rousseau et L. Jeunhomme, "Numerical Solution of Coupled-Power Equation in

Step-Index Optical Fibers", IEEE Transactions on Microwave Theory and
Techniques, vol. 25, no. 7, pp. 577-585, juillet 1977.
[101] J. Mateo, M. A. Losada, J. J. Martinez-Muro, I. Garces et J. Zubia, "Bandwidth

Measurement in POF Based on General Purpose Equipment", 14th International
Conference on Plastic Optical Fibers and Applications, pp. 53-56, septembre 2005.
[102] M. A. Losada, J. Mateo, D. Espinosa, I. Garces et J. Zubia, "Characterisation of the

Far Field Pattern for Plastic Optical Fibres", 13th International Conference on
Plastic Optical Fibers and Applications, pp. 458-465, 2004.
[103] M. A. Losada, J. Mateo et L. Serena, "Analysis of Propagation Properties of Step

Index Plastic Optical Fibers at Non-Stationary Conditions", 16' International
Conference on Plastic Optical Fibers and Applications, pp. 299-302, septembre
2007.
[104] P. Heredia, J. Mateo et M. A. Losada, "Transmission Capabilities of Large-Core GI-

POF Based on BER Measurements", 16th International Conference on Plastic
Optical Fibers and Applications, pp. 307-310, septembre 2007.
202
[105] M. A. Losada, J. Mateo, J. J. Martinez et A. Lôpez, "SI-POF Frequency Response

Obtained by Solving the Power Flow Equation", 17th International Conference on
Plastic Optical Fibers and Applications, août 2008.
[106] R. Chang, "Orthogonal Frequency Division Multiplexing", US. Patent 3,488445,

novembre 1970.
[107] S. B. Weinstein, "Data Transmission by Frequency-Division Multiplexing Using the

Discrete Fourier Transform", IEEE Transactions on Communication Technology,
vol. 19, no. 5, pp. 628-634, octobre 1971.
[108] "Digital Audio Broadcasting - Overview and Summary of the DAB System,"
World DAB Forum. Disponible sur :
http://www.worlddab.org/public documentation/eurekabrochure.pdf
[109] "Digital Video Broadcasting", ETSI. Disponible sur : http://www.etsi.org
[110] IEC. Disponible sur: http://www.iec.ch
[111] D. Lacroix et D. Castelain, "A study of OFDM parameters for high data rate
LANs", Vehicular Technology Conference Proceedings, vol. 2, 1075-1079,
mai 2010.
[112] J. Campello, "Practical Bit Loading for DMT", IEEE International Conference on
Communications, vol. 2, pp. 801-805, juin 1999.
[113] S. C. J. Lee, F. Breyer, S. Randel, D. Cardenas, H. P. A. van den Boom et A. M. J.

Koonen, "Discrete Multitone Modulation for High-Speed Data Transmission over
Multimode Fibers using 850-nm VCSEL", Optical Society of America, OWM2,
mars 2009.
[114] I. Kalet, "The multitone channel", IEEE Transactions on Communications, vol. 37,
no. 5, pp. 119-124, 1989.
[115] P. S. Chow, J. M. Cioffi, "Method and Apparatus for Adaptive, Variable Bandwidth
High-Speed Data Transmission of a Multicarrier Signal Over Digital Subscriber",
U.S. Patent 5, 479,447, décembre 1995.
[116] C M . Akujuobi et J. Shen, Greedy Algorithms, chapitre: Efficient Multi-User

Parallel Greedy Bit-Loading Algorithm with Fairness Control For DMT Systems,
Center of Excellence for Communication Systems Technology Research, Prairie,
novembre 2008.
[117] J. Jang, K. B. Lee, et Y. H. Lee, "Transmit Power and Bit Allocations for OFDM
Systems in a Fading Channel", Global Telecommunications Conference (Globecom
2003), vol. 2, pp. 858-862, décembre 2003.
203
[118] G. Sanger, "How Fiber Optics Works", The Industrial Physicist, pp. 18-21, février-
mars 2002.
[119] J. Zubia, G. Durana, G. Aldabaldetreku, J. Arrue, M. A. Losada, M. Lopez-Higuera,

"New Method to Calculate Mode Conversion Coefficients in SI Multimode Optical
Fibers", Journal of Lightwave Technology, vol. 21, no. 3, pp. 776-781, mars 2003.
[120] J. Armstrong, "OFDM for Optical Communications", Journal of Lightwave

Technology, vol. 27, no. 3, pp. 189-204, février 2009.
[121] A. Leke, J. M. Cioffi, "A Maximum Rate Loading Algorithm for Discrete Multitone
Modulation Systems", IEEE Global Telecommunications Conference, vol. 3, pp.
1514-1518, novembre 1997.
[122] G. D. Forney, M. V. Eyuboglu, "Combined Equalization and Coding using

Precoding", IEEE Communications Magazine, vol. 29, no. 12, pp. 25-34,
décembre 1991.
[123] A. Garcia-Armada, "SNR Gap Approximation for M-PSK-Based Bit-Loading",

IEEE Transactions on Wireless Communications, vol. 5, no. 1, pp. 57-60,
Janvier 2006.
[124] H. E. Levin, "A Complete and Optimal Data Allocation Method for Practical
Discrete Multitone Systems", IEEE Globecom, vol. 1, pp. 369-374, août-
novembre 2001.
[125] J. Campello, "Discrete Bit Loading for Multicarrier Modulation Systems", thèse de
doctorat, Department of Electrical Engineering, Stanford University, Stanford, CA,
1999.
[126] J. Campello, "Optimal Discrete Bit Loading for Multicarrier Modulation Systems",
IEEE International Symposium on information theory, pp. 193, août 1998.
[127] ANSI, ANSI/T1E1. 4/94-007, Asymmetric Digital Subscriber Line (ADSL) Metallic
Interface, août 1997.
[128] IEEE 802.11, "Draft Supplement to Standard for Telecommunications and

Information Exchange between Systems - LAN/MAN Specific Requirement - Part
11 : Wireless MAC and PHY Specifications : High Speed Physical Layer in the
5 GHz band", P802.11a/D6.0, mai 1999.
[129] T. Kaino, M. Fujiki, K. Jinguji, "Preparation of Plastic Optical Fibers", Review of

the Electrical Communication Laboratories, vol. 32, pp. 478-488, 1984.
[130] A. Peled, A. Ruiz, "Frequency Domain Data Transmission Using Reduced

Computational Complexity Algorithms", Proceedings of IEEE International
Conference on Acoustics, Speech, and Signal Processing (ICASSP'80), vol. 5,
pp. 964-967, avril 1980.
204
[131] T. Jiang, Y. Wu, "An Overview: Peak to Average Power Ratio Reduction
Techniques for OFDM Signals", IEEE Transactions on Broadcasting, vol. 54, no.2,
pp. 257-268, juin 2008.
[132] X. Li, L. J. Cimini, "Effects of Clipping and Filtering on the Performance of

OFDM", IEEE 47th Vehicular Technology Conference, vol. 3, pp. 1634-1638,
mai 1997.
[133] X. Li, L. J. Cimini, "Effects of Clipping and Filtering on the Performance of

OFDM", IEEE Communications Letters, vol. 2, no.5, pp. 131-133, mai 1998.
[134] K. R. Panta, J. Armstrong, "Effects of Clipping on the Error Performance of OFDM

in Frequency Selective Fading Channels", IEEE Transactions on Wireless
Communications, vol. 3, no.2, pp. 668-671, mars 2004.
[135] R. W. Chang, "Synthesis of Band-Limited Orthogonal Signal for Multichannels

Data Transmission", Bell Systems Technical Journal, vol. 45, pp. 1775-1796,
décembre 1966.
[136] T. Keller, L. Piazzo, P. Mandarini et L. Hanzo, "Orthogonal Frequency Division

Multiplex Synchronisation Techniques for Frequency-Selective Fading Channels",
IEEE Journal on Selected Areas in Communications, vol. 19, no. 6, pp. 999-1008,
juin 2008.
[137] L. W. Faat, "Power Amplifier Linearization for OFDM Signal", Thèse de Doctorat,
Department of Electrical and Electronic Engineering, Hong Kong University of
Science and Technology, août 2000.
[138] T. Pollet et M. Peeters, "Synchronisation with DMT modulation", IEEE

Communications Magazine, vol. 37, no. 4, pp. 80-86, avril 1999.
[139] P. H. Moose, "A technique for Orthogonal Frequency-Division Multiplexing

Frequency Offset Correction", IEEE Transactions on Communications, vol. 42,
no. 10, pp. 2908-2914, octobre 1994.
[140] T. M. Schmidl et D. C. Cox, "Robust Frequency and Timing Synchronisation for

OFDM", IEEE Transactions on Communications, vol. 45, no. 12, pp. 1613-1621,
décembre 1997.
[141] S. Haykin, Communication systems, John Wiley, New York, Californie, quatrième
édition, 2001.
[142] A. Garcia-Armada et J. Cioffi, "Multiuser constant-energy bit loading for M-PSK-

modulated orthogonal frequency division multiplexing", IEEE Wireless
Communications Networking Conference, vol. 2 (Orlando, FL, USA), pp. 526-530,
mars 2002.
Annexe A
Quelques définitions
A.l Granularité du système
La granularité P g , du système est par définition la plus petite unité d'incrément de
l'information pouvant être transmise [26]; autrement dit, c'est la taille en bits de la donnée
élémentaire manipulée; ou encore le nombre minimum de bits que l'on peut transmettre sur
une sous-porteuse. Les valeurs typiques de P g sont 0,25, 0,5, 0,75, 1 ou 2 bits.
A.2 Vecteur de distribution de bits
Le vecteur de distribution de bits pour un ensemble de sous-porteuses parallèles

transportant b bits total d'information est donné par b=[è, b2 ...bN] et la somme des
éléments de b est égale au nombre total de bits transmis b [26].
A.3 Puissance d'un symbole et incrément de puissance
En pratique, les systèmes réels utilisent un nombre entier de bits. Il est donc
nécessaire de maximiser le débit total du système avec un nombre discret de bits de
données et une granularité P g de l'information pour chaque sous-porteuse. Soit bn le
nombre maximum de bits qui peuvent être envoyés sur une sous-porteuse d'indice n. On
définit la puissance d'un symbole comme correspondant à la puissance nécessaire pour
206
transmettre bn bits sur la sous-porteuse n. La puissance du symbole pour un nombre entier
de bits tel que bn = BnPg est notée Pn [bn] ; c'est la puissance du symbole lorsque bn bits
sont alloués à la «lème sous porteuse. Dans le cas général, pour une sous-porteuse d'indice n,
lorsque l'on utilise une modulation de type QAM et pour une valeur typique de Pg - 1 , la
puissance transmise peut être exprimée en fonction du gap comme suit :
P
n M = (2K " i ) — . (A.1)
on
P„ [bn ] est une fonction monotone croissante et on admet que :
P„[0] = 0. (A.2)
On définit alors l'incrément de puissance que l'on note APnb", comme étant la
quantité additionnelle de puissance nécessaire pour transmettre le b'neme bit. Autrement dit,
c'est la puissance que l'on doit rajouter à la puissance du symbole requis pour bn - P g bits
pour transmettre p bits supplémentaires. L'incrément de puissance est alors :
AP„ b "=P n [b n ]-P n [b n -p]. (A.3)
Avec Pg = 1, on a alors pour une modulation QAM:
-[(*-l)-(2H -l)]f (A.4)

gn
. * * ! - .
gn'
A.4 Distribution efficace de bits
Soit b un vecteur de distribution de bits. Si la distribution des valeurs de bits bn

satisfait la condition suivante pour une granularité donnée Pg :
max [ APbn" ] < min [ A/^*"' ] , (A.5)

207
alors la distribution est dite efficace. Une allocation de bits efficace est une allocation pour
laquelle la puissance totale transmise ne peut pas être réduite par une nouvelle allocation de
bits. Autrement dit, une réaffectation des bits de donnée ne permet pas de modifier, réduire
la puissance totale. On peut trouver l'allocation de bits efficace à partir d'une allocation de
bits donnée, en appliquant l'algorithme itératif d'allocation efficace de bits de Levin-
Campello [124], [125].
Annexe B
Fiche de spécification du fabricant Mitsubishi GH 4001
La fiche complète du fabricant de la SI-FOP Mitsubishi Eska Premier GH 4001 se

trouve sur le lien suivant : http://www.i-fiberoptics.com/pdf/GH4001 .pdf
No. DPF1212-17
1 Scope
This ipeaficaDOD covers bask requirements for the structure, optical and mechanical performance:, of GH4001.
2.Structure
Tablet GH4001
Specification
Item
Unit Mm. Typ- Max.
CoreMatenal — Pdymetyl - Memaciy late Resin
daddrng Material — Fhiorinated Polymer
Coie Refractive Index — 1.49

Optical Fiber
Refractive Index Profile — Step Index
Nun.encalAp.tii™ — 0.5
Core Diameter Lim 920 NO 1,040
Cladding Diameter Um 940 1.000 1,060
Matenal and Color — Polyethylene
Jacket Diameter — 2.13 2.20 2.27
Indication on the Jacket — ESKA PREMIER. ; Pink color
Approximate Weight j/m 4
ESKA PREMIER Pink color
Figure B.l : Fiche du fabricant de Mitsubishi Eska Premier GH 4001.

Annexe C
Transformation des symboles complexes en réels
Dans cette annexe, nous démontrons par la méthode de transformation des symboles
complexes en réels que le signal obtenu à la sortie de l'IFFT à 2N points est un signal réel.
Soit C„ le symbole associé à un point de la constellation M-QAM. L'ensemble des
symboles Cn pour n variant de 0 à N - \ est noté {C} . Pour effectuer une
transformation de l'espace des complexes vers l'espace des réels, une solution est d'ajouter à
la séquence originale des N symboles Cn vérifiant la symétrie hermitienne, la séquence
des complexes conjugués de ces symboles. On obtient ainsi une suite de 2N symboles,
notée {D} , qui, après passage dans l'IFFT, génère une séquence de 2N valeurs réelles
{M} . La preuve est effectuée de la façon suivante.
Soit la séquence originale des ./V symboles C„ échantillonnés. Pour obtenir une
séquence réelle à la sortie de l'IFFT, on adjoint à la séquence initiale la séquence des
symboles conjugués de ces symboles afin de réaliser une symétrie hermitienne. L'IFFT est
donc réalisée sur le nouvel ensemble de 2N symboles noté Dn tel que :
D. = C
;1 »€[i,iV-i], (ci)
D2N-n = C
et
kn{D0} = lm{D N }=0, (C.2)
210
où l'opérateur •* représente l'opération de conjugaison complexe et l'opérateur
Im{-} signifie partie imaginaire. En pratique on pose généralement :
D0 =C 0 =0
(C.3)
DN=CN=0
La transformée inverse de Fourier discrète est effectuée sur les symboles D n . Soit u k , le
résultat :
1 A2 M ( n \
uk = . V Dn -exp j2nk ,
* y/2NÙ " { 2N) (CA)
k = 0,\,...,N-\
Si on développe la somme, on obtient :
2N-\
u
k = ) D o+T d D n -exp ) 2 n k ^ - +D N + £ D„-exp j 2 n k ^ - (C.5)
y/2N I tt y NJ £f+x ^ N
En remplaçant les Dn par leurs expressions en fonction des C n , et sachant que
D0 = DN = 0 on obtient
u
k = -7== \ E C„ ■ exp j 2 n k - £ - + j C2V„ • exp /2;r* - ^ - [. (C.6)
V2/V [ t ? I 2iV; „fsi, ^ 2N)\
On pose
2w-i ^ r n \
C (C7)
A=-- Z 2V„-exph'2^—
n=N+\
Si on opère le changement de variable suivant : v = 2 N - n , o n obtient alors :

N-l f (2N-v))
n=\ 2N
(C.8)
N-l
c ex 2
=Z
lt-1
»' p {-J ** 2/V
En remplaçant dans uk on obtient :
211
N-\
»k =
C„-exp j2nk (C.9)

2N
où l'opérateur Re{-} est l'opérateur définissant la partie réelle. Soit encore :
AM
1 f (C.10)
2N
La figure C l représente une synoptique de la transformation des complexes en réels et de

l'IFFT à 2N points associés à la modulation DMT que l'on met en oeuvre à l'émission. Les
opérations duales sont effectuées à la réception.
212
C, "i
C, A=c 2
c„
/^=Q=0
c IFFT-2W
Points
ID = C
Opération de
conjugaison
D =C*
c, ^2^-2 ^2
D =C*
c2/V-l t
Figure C l : Synoptique de la conversion des complexes en réels et de l'IFFT à 2Npoints

associés à la modulation DMT.
Annexe D
Calcul de la capacité du canal passe-bas gaussien
Dans cette annexe, on développe les passages mathématiques qui nous permettent
de déterminer l'expression mathématique de la capacité du canal donné en (5.10). On
cherche à déterminer une expression analytique de la capacité en fonction de £. En partant
de l'égalité dans (5.10) et en combinant avec (5.12), (5.24), on obtient :
\
C = \ - i o g , 1 +G.(f) df
Gn(f)
df
^ { G„(f)
•r» i
df
o.(f)
T
ï 1
df
-t o.(f)
2 \
1
df
j_
-i
Ve J
2 \
L
\-\L
k) I/o #
(D.ll)
2
*{» i f r^-/ ^
/„2 df.
" t e * *
214
In y
On rappelle que log2 y =
ln2
Pour tout x appartenant à l'ensemble des réels, ln(e x ) = x . L'expression précédente (D.l)
peut donc se réécrire comme suit :
( ie-f'W
ln fl
+
1 ^
df
-{
ln(2)
H
21n(2)/02 r " ^ _ 3 L / 3 J
2?
2
21n(2)/0 { *
1 4çf
2
~21n(2)/ 0 3 (D.l 2)
31n(2)/ 0 2 "
On introduit le paramètre TJ tel que :
f '
Jo
L'expression de la capacité donnée par (D.2) peut se réécrire comme suit
2
31n(2) /oV
C=
(D.13)
f-MB-V*.
3^(2)7^(2)
215
Il reste maintenant à évaluer rj. En partant de (5.30) et en introduisant le paramètre rj on
a:
^
(P Y 2a2F
1 jl/oj _ e U # =
k M ) NEP2
-4
ji^#-|J^# = PS\
| 2al
NEP2
(D.14)
}
î U}2 2a2F
** •[/%-] **>#- NEP2
-( v. M J
E f
Si on pose TJ = — => £ = 7/ 0 et w = — alors,
7o JO
1
dw = — d f ^ d f = f 0 -dw,
Jo
/ = +£ => W = ^ - = +TJ et (D.l 5)

/o
/ = - £ => W = - ^ = -TJ.
Jo
On a donc
(P V 2a 2
<=>2^"2 -je^dw 2<*l'PL
2*ify-f 0 ]e*d W =
k y" ^ NEP; -'i
NEP 2 -/i 2 -/ 0
-9 (D.16)
» 2 ^ 2 - | e w 2 i n v = SNRe(7.
-n
De manière similaire au développement des passages mathématiques permettant de

déterminer l'expression mathématique de la capacité du canal donné en (5.10), l'expression
(5.43) dans le calcul de la capacité théorique du canal SI-FOP pour le modèle « power flow
equation » est obtenue comme suit :
216
df
■j h2
=
-4
l0&
-Gn(f)
Gn(f) ,
df
df
G M df
Mf)
GM) df
~21n(2)J
(2)J K(/)
Mf) #•
21n(2)J
Annexe E
SNR gap
Le SNR gap représente l'écart entre le SNR théorique et la capacité associée à un

taux d'erreur fixé. Il modélisé les pertes réelles du système. Nous avons vu que les
algorithmes d'allocation de bits tiennent comptent de la granularité, du nombre de bits
maximum qui peuvent être alloué à chacune des sous-porteuses. Il est donc nécessaire que
l'on ait une approximation du SNR gap. Dans notre analyse du SNR gap, nous considérons
ici le cas des constellations QAM carrées. On note dmiB la distance minimale entre deux
symboles quelconques de la constellation; b , le nombre de bits par symbole pouvant être

véhiculés.
b = \og2 1 + ——- . (E.l)

V
E E
L
On rappelle que SNR=— - où Es est l'énergie du symbole; SNRb= — , Eb étant
N0 N0
l'énergie d'un bit; SNR = b-SNRb, représentant le SNR par symbole. Le SNR gap est
également appelé SNR normalisé car :
SNRb=Y^, (E.2)
b
qui peut se réécrire :
r--?2.. (E.3)
2»-i
218
Le SNR gap des constellations QAM peut être théoriquement obtenu à partir de
l'expression de la probabilité d'erreur symbole [114]. Dans le cas du codage de Gray, cette
expression peut être approximée à :
36 E„
£. «2-erfd l 2 ( 2 b - \ ) N pour E b / N 0 » \ . (EA)
0
Soit encore :
/>2.erfcJf (E.5)
On en déduit l'expression du SNR gap :
-i2
(P \
Y= 2 - erfc (E.6)
3 K^ )
où erfc '(•) correspond à erfcinv(-). L'expression précédente montre que la probabilité
d'erreur symbole ne fait pas intervenir la taille de la constellation QAM. Par définition,
nous avons :
00
Q(x) = A = [ e - 1 l* dt, x>0 (EJ)

yJ2n J
et
CD
erfc(jc) = —f= I e~' d t . (E.8)

yJK J
X
En faisant le changement de variable u = r / v 2 , on peut écrire Q{x) comme suit
0(x) = - i = f e-"2j2du
V2/r J
x]S.
oo
M*
2
du (E.9)
4n
f x^
= —erfc
2 vV2y
219
On pose y = Q(x), alors :
(
—erfc y. (E.10)
2 ri.
Soit encore :
x = 42exic x {2y). (EM)
Ce qui est équivalent à
Q- ] (y) = y[2erfc- 1 (2y). (E.l 2)
Ce qui nous permet alors d'écrire pour une probabilité d'erreur symbole cible SER
r-I or
'SER*
(E.l 3)
3
Le SNR gap est fonction du taux d'erreur symbole cible, du gain du codage, de la
marge de bruit et de la source d'information. Le tableau E.l présente les valeurs du gap en
fonction du nombre de bits pour une modulation QAM et du taux d'erreur cible.
Tableau E.l : Valeurs du SNR-gap pour un taux d'erreur cible de 10
Bits SNR théorique SNR (l0~3) Gap(l0' 3 )
2 4.77 10.35 5.58
3 8.45 14.18 5.72
4 11.76 17.63 5.87
5 14.91 20.75 5.84
6 17.99 23.97 5.98
7 21.04 26.92 5.88
8 24.07 30.09 6.02

220
La figure E.l donne la capacité des modulations QAM pour un SER = 10 3 .
Figure E.l : Capacité théorique de Shannon et points de fonctionnement des modulations

QAM pour une probabilité d'erreur symbole cible SER = 10~3
221
Annexe F
Capacité mesurée
Dans notre article de référence [29], l'auteur réalise une comparaison entre les
capacités théoriques, les capacités numériques DMT et les capacités mesurées à partir du
montage expérimental réalisé. Les valeurs qu'il a obtenues sont regroupées au tableau F.l.
D'après les valeurs de capacité mesurées du canal que le produit débit x longueur de la SI-
FOP est maximal pour L = 100 m.
Comparaison capacité théorique [29], capacité numérique [29] et capacité mesurée [29].
Tableau F.2 : Comparaison des capacités sur SI-FOP
Longueur de Capacité Capacité Capacité Capacité mesurée

la fibre [m] théorique [29] numérique [29] mesurée [29] [29] x longueur
[Gbit/s] [Gbit/s] [Gbit/s] fibre [Gbit/s*m]
25 10,7 5,3 2,0 50
50 5,1 4,4 1,6 48,4
75 3,4 3,6 1,5 112,5
100 2,2 2,6 1,4 140
150 0,8 0,8 0,4 60
200 0,2 0,2 0,1 20

Etude D'Un Systeme de Transmission Sur Fibre Optique Plastique À Saut D'Indice

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

Etude D'Un Systeme de Transmission Sur Fibre Optique Plastique À Saut D'Indice

Transféré par

Droits d'auteur :

Formats disponibles

TOGNICLO CAROLLE THON-ADJALIN

ETUDE D'UN SYSTEME DE TRANSMISSION SUR

DEPARTEMENT DE GENIE ELECTRIQUE ET DE GENIE INFORMATIQUE

Togniclo Carolle Thon-Adjalin, 2011

Aujourd'hui, avec le développement croissant de nouvelles applications et

Généralement, lorsque l'on entend parler de fibres optiques, on pense

manipulation et l'installation, la solution à un réseau d'extrémité simple et moins coûteux

La volonté d'augmenter la capacité et de réduire les coûts de l'installation

Tout d'abord, je tiens à remercier chaleureusement mon professeur et directeur de

Merci infiniment à mes parents, ma sœur Corinne, Aymeric, Fabrice, toute ma

Je dédie ce mémoire à ma maman Florentine et à mon papa Nicolas pour leur

À mes parents et à toutes les personnes qui ont cru en moi.

En fait, qui êtes-vous pour ne pas l'être ?

Extrait du discours prononcé par

Résumé court iii

Table des matières x

Liste des tableaux xv

Liste des figures xvii

1.1 Contexte général 1

1.4 Objectif et plan du mémoire 8

CHAPITRE 2 Fibre optique et fibre optique plastique 10

2.1 Bref historique des télécommunications optiques 10

2.2 Généralités sur la fibre optique 12

2.2.1 Spectre électromagnétique 12

2.2.2 Propriétés des fibres 13

2.2.3 Transmission dans les fibres optiques 18

2.3 Atténuation, dispersion et bande passante 26

2.3.2 Dispersion dans les fibres optiques multimodes 27

2.3.3 Bande passante des fibres multimodes 32

2.4 La fibre optique plastique 34

2.5 Paramètres de base pour la fibre ESKA PREMIER GH4001 37

CHAPITRE 3 Approches de modélisation de la FOP 41

3.1 Introduction au problème de modélisation de la FOP 41

3.2 Survol de quelques méthodes de modélisation de la FOP 43

3.2.1 La méthode du tracé de rayons ou « ray tracing » 43

3.2.2 La méthode WKB 44

3.2.3 L'approche « mode solving » 45

3.3 Présentation des deux modèles de la SI-FOP simulés 46

3.3.1 Le modèle gaussien 46

3.3.2 Pourquoi est-il difficile de trouver un modèle réaliste de la SI-FOP? 48

3.3.3 Modélisation de la fibre à partir de l'équation de Gloge 50

CHAPITRE 4 Généralités sur les communications optiques et la DMT 65

4.1 Introduction aux communications optiques 65

4.1.1 L'émission : la source optique; rappel de quelques définitions 66

4.1.2 La modulation de données 71

4.2 Principes généraux de la DMT : cas d'un canal idéal 75

4.2.1 Introduction à la DMT 75

4.2.2 Transmetteur DMT 77

4.2.3 Récepteur DMT 86

4.3 La DMT dans un canal IM/DD et le bit loading 90

4.3.1 Caractéristiques de la DMT dans un canal IM/DD 90

4.3.2 Le PAPR et le facteur de crête 92

4.3.3 Techniques d'allocation de bits ou bit loading 94

4.4 Conclusion 103

CHAPITRE 5 Analyse de la capacité d'un canal SI-FOP IM/DD 104

5.1 Modèle analytique de la DMT sur un canal SI-FOP IM/DD 105

5.2 Capacité théorique du canal SI-FOP 109

5.2.1 Cas général d'un canal optique IM/DD 109

5.2.2 Capacité théorique et modèle gaussien 115

5.2.3 Capacité théorique et modèle « power flow equation » 118

5.3 Capacité pratique DMT du canal SI-FOP IM/DD 121

5.4 Capacité du canal SI-FOP et algorithme de Chow 122

5.4.1 Pourquoi rechercher d'autres algorithmes de bit loading? 122