Vous êtes sur la page 1sur 94

RAPPORT DE PROJET DE FIN D’ETUDES

Filière

Ingénieurs en Télécommunications

Option

Architectures des systèmes des Télécommunications

Propagation Gsm en milieu Indoor : Etude


d´algorithmes et Implémentation logicielle.

Elaboré par :

Mohamed Béchir KHROUF

Encadré par :

M. Nejib SAGHROUNI

M. Sodki Ben ROMDHANE

M. Mohamed AYADI

Année universitaire : 2004/2005


Dédicaces

A mon père et ma mère,

A mes frères et ma soeur,

A tous mes proches et mes amis,

Je dédie ce travail.

Mohamed Béchir

i
Remerciements

A l´issus de ce période de fin d´études, effectué au sein de notre premier opérateur privé
Orascom Telecom, Tunisie - Tunisiana, je remercie chaleureusement mes encadreurs Mr.
Najib SAGHROUNI; chef service à Tunisiana, Mr. Sodki Ben ROMDHANE ; ingénieur
principale à Tunisiana et Mr. Med AYADI ; enseignant à Sup´Com, pour m´avoir encouragé
à réaliser ce projet et pour leur suivis, leurs disponibilités et leurs assistances.

Je remercie également toute l´équipe du département technique, cadres supérieurs,


ingénieurs et techniciens pour la formation qu’ils m’ont prodigué pendant les quatre mois de ce
projet.

Je tiens aussi, à remercier tous mes enseignants à Sup´Com pour la formation que j´ai
acquise pendant les trois années, ainsi que le cadre administratif.

Je ne manquerai pas de remercier tous ceux qui m’ont aidé de près ou du loin à la
réalisation de ce travail et qui n’ont cessé de m’encourager durant cette période.

Finalement, j´exprime ma profonde reconnaissance envers ma famille et tous mes amis.

Mohamed Béchir

ii
Table des matiéres
Introduction générale 1

Chapitre 1 : Propagation radio 3

Introduction 3
1. Concept cellulaire 3
2. Concept de réseau multicouche 4
2. Les mécanismes de propagation 5
2.1. La réflexion 6
2.2. La diffraction 6
2.3. La diffusion 7
3. Bilan de liaison 7
3.1. Les antennes 7
3.1.1. Différents types d´antenne 8
3.1.2. Gain d´antenne et Aire équivalente 8
3.1.3. Diagramme de rayonnement 9
3.2. Bilan de liaison 10
Conclusion 10

Chapitre 2 : Les modèles de prédiction de propagation 12

Introduction 12
1. Les Modèles empiriques 13
1.1. Modèle d´affaiblissement Log-distance 13
1.2. Modèle de Log-normal shadowing 14
1.3. Modèle de Seidel 15
1.4. Modèle Multi Wall 15
1.5. Modèle de Motley-Keenan 16
1.6. Modèle de Cost 231 16
1.7. Modèle de Lafortune 17
2. Les Modèles déterministes 18
2.1. La méthode de lancer de rayons 18
2.1.1. Principe de lancer de rayon pour la prédiction de propagation 18
2.1.1.1. Considération théorique 18
2.1.1.2. Procédure de lancer de rayon 20
2.1.2. Organigramme 21
2.1.3. Evaluation de la méthode de lancer de rayon 23
2.1.3.1. Hypothèse de la réflexion spéculaire 23
2.1.3.2. Hypothèse de discrétisation 23
2.1.3.3. Point d´intersection et temps de calcul 23
2.2. Le modèle de la radiosité 23
2.2.1. Notion de base 24
2.2.2. Résolution du système 26
2.2.3. Radiosité progressive 27
2.2.4. Organigramme 28
2.2.5. Adaptation de la méthode pour la prédiction de propagation Indoor 29
2.2.6. Evaluation de la méthode de radiosité 30
Conclusion 30

iii
Chapitre 3 : Le parcours dominant pour les milieux Indoor 31

Introduction 31
1. Description de la scène 31
2. Développement de l’arbre de structure 32
3. Détermination du parcours dominant 33
3.1. Méthode de l’arbre de structure 33
3.2. Méthode de la matrice de transition 36
4. Détermination de l’effet du guidage de l´onde (Waveguiding effect) 37
5. Détermination de l’atténuation du parcours 38
6. Limite du modèle du parcours dominant 39
7. Intégration de l´effet multi-étages 39
7.1. Analyse du parcours dominant en mode 3D 40
7.2. Méthodologie de la recherche du parcours dominant 40
7. Mise en évidence des deux diagrammes de rayonnement 42
Conclusion 43

Chapitre 4 : Implémentation logicielle 45

Introduction 45
1. Indoor Solutions : Architecture et concept de base 45
2. InPred (Indoor Predictions) 46
2.1. Fenêtre principale 47
2.2. Menus principaux et Menus rapides 48
2.3. Paramétrage des projets de InPred 49
2.4. Fonctionnalité de base : traçage et notion d´architecture 50
2.4. Les antennes 51
2.5. Le moteur de calcul d´InPred 52
2.5.1. Procédure de la simulation du parcours dominant 54
2.5.2. Calcul de la valeur de l’atténuation de parcours (Path Loss) 56
3. InCoord (Indoor Coordinates) 56
3.1. Fenêtre principale 57
3.2. Menus principaux et Menus rapide 57
3.3 Processus des analyses thématiques 58
3.4. Saisie du parcours et visualisation 58
3.4.1. Processus d´analyse implémenté 59
3.4.2. Classes des couleurs 60
3.4.3. Analyse thématique 60
Conclusion 62

Chapitre 5 : Simulation et calibration du modèle IDP : 63


Étude de cas réelle et comparaison avec un modèle empirique.
Introduction 63
1. Prédiction de la couverture radio 63
2. Calibration du modèle du parcours dominant par la méthode de la régression
67
linéaire
2.1. Principe de la régression linéaire 67
2.2. Reformulation de la fonction de base et calibration du modèle du parcours
69
dominant

iv
3. Etude de cas réel 72
3.1. Problèmes radio 72
3.2. Analyse de la couverture actuelle 72
3.3. Simulation et résultats 73
4. Analyse de la couverture en mode multi-étages 75
Conclusion 77

Conclusion générale 78
Bibliographie 80
Annexe 82

v
Liste des figures

Chapitre 1 : Propagation radio


Fig. 1.1 : Exemple théorique de couverture cellulaire. 3
Fig. 1.2 : Exemple de concept de réseau multicouche. 4
Fig. 1.3 : Les différents mécanismes de propagation. 5
Fig. 1.4 : La réflexion. 6
Fig. 1.5 : La diffraction. 7
Fig. 1.6 : La diffusion. 7
Fig. 1.7 : Couple (θ et φ) dans un diagramme de rayonnement. 9

Chapitre 2 : Les modèles de prédiction de propagation


Fig. 2.1 : Principe du modèle de Motley-Keenan. 16
Fig. 2.2 : Arbre d'intersection 19
Fig. 2.3 : Divers phénomènes rencontrés. 19
Fig. 2.4 : Surface élémentaire obtenue après discrétisation d´une sphère. 20
Fig. 2.5 : Organigramme de l´algorithme de la méthode lancer de rayon. 22
Fig. 2.6 : Notations pour le facteur de forme. 25
Fig. 2.7 : Principe de la méthode gathering 26
Fig. 2.8 : Principe de la méthode shooting. 27
Fig. 2.9 : Organigramme de la méthode de la radiosité progressive. 28

Chapitre 3 : Le parcours dominant pour les milieux Indoor


Fig. 3.1 : Représentation de la scène d’étude en 2D. 32
Fig. 3.2 : Arbre de structure pour décrire la scène. 33
Fig. 3.3 : combinaison de pièce pour la détermination du parcours dominant. 33
Fig. 3.4 : Coins convexe et concave de la pièce. 34
Fig. 3.5 : Détermination du parcours dominant par le moyen des coins convexes. 35
Fig. 3.6 : Post-traitement du parcours dominants. 36
Fig. 3.7 : Méthodologie de la détermination du parcours dominant. 36
Fig. 3.8 : Optimisation du parcours Dominant. 37
Fig. 3.9 : Détermination de l’effet du guidage de l’onde. 37
Fig. 3.10 : Parcours direct par passage par une seul dalle. 41
Fig. 3.11 : Parcours indirect par passage par une seul dalle. 41
Fig. 3.12 : Parcours indirect par passage par une seul dalle et un seul mur. 42
Fig. 3.13 : Principe de la détermination des deux angles θ et φ. 43

Chapitre 4 : Implémentation logicielle


Fig. 4.1 : Indoor Solutions : Architecture logicielle. 46
Fig. 4.2 : Fenêtre principale de InPred 47
Fig. 4.3 : Différent menus rapide de InPred. 49
Fig. 4.4 : InPred : Facile à paramétrer. 50
Fig. 4.5 : InPred : Une multitude de tracer. 50
Fig. 4.6 : propriétés de l´antenne courante. 51
Fig. 4.7 : Visualisation du diagramme Horizontale de l´antenne courante. 52
Fig. 4.8 : Visualisation du diagramme Verticale de l´antenne courante. 52

vi
Fig. 4.9 : Fenêtres de paramétrage du dessin. 53
Fig. 4.10 : Fenêtre de paramétrage des classes des couleurs. 53
Fig. 4.11 : Fenêtre de paramétrage du simulateur. 53
Fig. 4.12 : Fenêtre de paramétrage de la calibration automatique. 54
Fig. 4.13 : Cas de la visibilité directe. 55
Fig. 4.14 : Cas de la visibilité indirecte – parcours recherché par la méthodologie de la 55
matrice de transition.
Fig. 4.15 : Cas de la visibilité indirecte – parcours recherché par la méthodologie de 56
l’arbre de transition.
Fig. 4.16 : Fenêtre principale de InCoord. 57
Fig. 4.17 : Différent menus rapide de InCoord. 58
Fig. 4.18 : Processus des analyses thématiques. 58
Fig. 4.19 : Principe de l´analyse de parcours. 59
Fig. 4.20 : Fenêtre des classes des couleurs. 60
Fig. 4.21 : Parcours de mesure Indoor saisie sur InCoord. 61
Fig. 4.22 : Résultat de l´analyse de la variable RxLev Full 62

Chapitre 5 : Simulation et calibration du modèle IDP :


Étude de cas réelle et comparaison avec un modèle empirique.
Fig. 5.1 : Plan de structure du R.D.C de l´immeuble Palmarium. 64
Fig. 5.2 : Fenêtre de paramètre de l´antenne mis en place. 64
Fig. 5.3 : Analyse de la couverture à l´intérieur du bâtiment (R.D.C). 65
Fig. 5.4 : Couverture Indoor (R.D.C). 66
Fig. 5.5 : Résultat de la simulation affiché par InPred (R.D.C). 66
Fig. 5.6 : Graphe comparatif entre le modèle et les mesures réelle. 71
Fig. 5.7 : Modèle calibré. 71
Fig. 5.8 : Analyse de la couverture à l´intérieur du bâtiment (R.D.C) 74
Fig. 5.9 : Couverture Indoor (R.D.C) 74
Fig. 5.10 : Couverture Indoor Affichée par InPred (R.D.C) 75
Fig. 5.11 : Plan de structure du 1er étage. 76
Fig. 5.12 : Plan de structure du 2ème étage. 76
Fig. 5.13 : Structure d´élévation du bâtiment à étudier 76
Fig. 5.14 : Niveau de puissance prédit du 1er étage. 77
Fig. 5.15 : Niveau de puissance prédit du 2ème étage. 77

Liste des Tableaux

Tab. 2.1 : Indice d´atténuation pour différents environnement. 14


Tab. 5.1 : paramètre généraux des sites Indoor du palmarium. 65
Tab. 5.2 : les résultats de la calibration du modèle IDP. 70
Tab. 5.3 : paramètre généraux des sites Indoor du palmarium. 73
Tab. 5.4 : paramètres de l´antenne Indoor. 76

vii
Projet de fin d’étude

Introduction générale

Dés le début des années 90, les communications radio mobile ne cessent pas de
connaître une croissance explosive. En effet, le GSM (Global System for Mobile
communications) reste jusqu´a nos jours le premier système de téléphonie mobile numérique
efficace, économique et universel répondant aux exigences d’interconnexion et de mobilité
contemporaines.

Dans un monde marqué par des concurrences aigues, favorisées par la privatisation, et
de l´augmentation des demandeurs de services mobiles, le nombre des opérateurs est de plus en
plus important. Ainsi, d´un jour à un autre, la densification d´un tel réseau cellulaire évolue de
plus en plus pour améliorer la capacité et la qualité globale du service proposé. Pour cela,
Tunisiana notre deuxième opérateur de service GSM en Tunisie, s’est fixé un certain nombre
d’objectifs parmi les quels figure la couverture Indoor. A cette fin, il existe un besoin pour la
modélisation de façon précise d´un tel environnement pico cellulaire de son réseau par la
prédiction de l’intensité du signal avant le déploiement actuel physique de l'infrastructure du
réseau.

Ainsi, avec la densification de son réseau GSM, l´ingénierie Indoor devient de plus en
plus importante. Ce pendant, les modèles de prédiction sur l'environnement permettent aux
ingénieurs de bien comprendre les caractéristiques de propagation de l’onde dans cet
environnement particulier et de le planifier de la manière la plus efficace.

L’objectif dans ce mémoire est donc d’étudier différents modèles de prédiction en


milieu Indoor, de choisir le modèle le plus adéquat pour une implémentation logicielle.

A cet effet, dans le premier chapitre, nous avons commencé par définir quelques notions
sur la propagation radio tel que les notions de couches, les phénomènes de propagation et le
bilan de liaison.

Dans le deuxième, nous avons effectué une étude bibliographique des différents
modèles de prédiction en milieu Indoor existant dans la littérature tout en effectuant les
différentes observations ainsi que les principales caractéristiques et les limitations des ces
modèles.

SUP’COM page 1
Projet de fin d’étude

Ensuite, dans le troisième, nous avons présenté un nouveau modèle de prédiction


récemment apparu dans la littérature tout en mettant en œuvre les différents détails. Nous avons
fait également son adaptation pour la prédiction en mode multi-étages et l´intégration des
diagrammes de rayonnement.

Une analyse complète de ce nouveau modèle avec ces différents algorithmes a fait
l’objet du chapitre 3. Une implantation de cette méthode a été également réalisée afin de faire
évaluer les performances de ce modèle. Cette implémentation logistique fait l´objet du
quatrième chapitre. Au cours de ce dernier, nous avons fais la description détaillée de
l´application tout en ayant recours aux différents aspects informatiques et télécoms.

La calibration du modèle choisi et l´étude de l´erreur fera l´objectif du chapitre cinq, ce


chapitre propose aussi une méthode de calibrage des modèles dont l´équation du Path Loss
présente des variables indépendantes ainsi qu’une évaluation des résultats trouvés avec des
analyses de parcours réelles avant de conclure ce travail.

SUP’COM page 2
Projet de fin d’étude

Chapitre 1

Propagation radio

Introduction

Le GSM (Global System for Mobile communication) utilise un spectre de fréquences


dans la bande des 900 MHz (de 890 à 915 dans le sens téléphone - station de base et de 935 à
960 MHz dans le sens station de base - téléphone), spectre à partager entre les différents
opérateurs ayant acquis une licence d’exploitation GSM900 (Tunisie Telecom et Orascom
Telecom Tunisie). Or le canal alloué à une communication occupe une place de 200 kHz, et il
en faut deux fréquences pour établir une communication duplex. Nous voyons qu’avec ce
portefeuille de fréquences disponibles, nous pouvons établir que 248 conversations simultanées
par opérateur.

Dans ce chapitre, nous allons décrire en premier lieu le concept cellulaire pou un tel
réseau, ensuite nous allons détailler les différents mécanismes de la propagation radio-mobile.
Enfin, nous allons expliquer les diverses notions de base des antennes, ainsi, la formule de
calcul pour un bilan de liaison dont nous nous servirons plus tard.

1. Concept cellulaire

Un réseau cellulaire divise la zone à couvrir, généralement un pays entier, en petites


zones appelées cellules. Chacune des cellules est desservie par une station de base (BS : Base
Station) qui reçoit une partie des fréquences disponibles (cf. Fig. 1.1) [1].
Deux cellules utilisant les
mêmes fréquences

Motif de 7 fréquences

Fig. 1.1 : Exemple théorique de couverture cellulaire.

SUP’COM page 3
Projet de fin d’étude

C’est avec cette station de base que communiquent tous les téléphones mobiles actifs se
trouvant dans la cellule concernée. Puisque deux communications radio utilisant la même
fréquence interfèrent l’une avec l’autre lorsqu´on se trouve entre les deux émetteurs, ce qui met
en évidence que les mêmes fréquences ne peuvent être utilisées par deux stations de base
voisines.

2. Concept de réseau multicouche

Pour palier le manque de la capacité du réseau suite à l’explosion du nombre élevé des
abonnées qui ne cesse d’un jour à un autre d’accroître, les opérateurs ont recours à différentes
tailles de cellules : les macro-cellules, les micro-cellules et les pico-cellules (cf. Fig. 1.2) [2].

pico-cellules
macro-cellules

Micro-cellules

Fig. 1.2 : Exemple de concept de réseau multicouche.

Les macro-cellules sont les plus courantes, responsables de la couverture du réseau.


Leur zone d’action s’étend jusqu’à 30 km selon les obstacles rencontrés, les antennes des
stations de base sont généralement montées sur un mât lui-même parfois érigé sur le toit d’un
haut bâtiment pour atteindre une hauteur moyenne de 30 mètres.

Les micro-cellules couvrent quelques rues d’un centre ville, une station de métro…
ayant une portée maximale de 500 m, les antennes des stations de base sont accrochées aux
murs des maisons, à quelques mètres à peine du sol. Une micro-cellule est définie comme une
surface délimitée par des immeubles dont les hauteurs sont supérieures à celle de l’antenne
émettrice. Les ondes transmises sont principalement guidées le long des immeubles et non plus
par-dessus comme dans le cas des macro-cellules, on parle alors de « propagation guidée ».

Par ailleurs, les pico-cellules couvrent un étage d’un grand bâtiment ou d’un centre
commercial et ayant une portée maximale de 100 m, les antennes sont placées au plafond ou

SUP’COM page 4
Projet de fin d’étude

fixées sur un mur à l’instar d’un détecteur de fumée. De ce fait, cette technique tient en
considération des performances de la couverture et de la continuité du réseau à l’intérieur des
bâtiments. Ce qui nous permet d’avoir une bonne qualité de service à l’intérieur des bâtiments
surtout celles existant dans des endroits urbains denses : cas du Hot Spot (c'est-à-dire les zones
où se trouve une concentration en demande de ressources par les abonnés) et de Dead spot (où
il existe un problème de trou de couverture).

Le choix de cette solution citée est dû aux caractéristiques de cet environnement Indoor,
tel qu’il présente une marge d’affaiblissement du signal radio la plus critique (entre 3 à 30 dB)
avec la présence de divers problèmes d’interférence.

Cette stratégie de densification nécessite d’adopter une planification cellulaire très fine
vu les problèmes de gestion d’interférence entre les couches du réseau qu’on peut rencontrer
lors de l’ajout de cette couche pico-cellulaire.

2. Les mécanismes de propagation

Les mécanismes de propagation radio-mobile dans les milieux Indoor sont liés
essentiellement à la réflexion, la transmission, la diffraction, la diffusion et la structure de base
du scénario. Tous ces phénomènes sont à l´origine de la distorsion et de l´atténuation du signal.
Pour tous récepteurs, les déplacements à petites échelles génèrent au niveau de la puissance
reçue des fluctuations puisque ce dernier est la résultante de plusieurs composantes causées par
les divers mécanismes de propagation (cf. Fig. 1.3) [1].

Fig. 1.3 : Les différents mécanismes de propagation.

Pour comprendre les phénomènes de propagation des ondes radio tant en espace libre
que dans un environnement complexe, il est important d'avoir quelques notions sur le

SUP’COM page 5
Projet de fin d’étude

comportement d'une onde électromagnétique en présence d'un obstacle, d'un changement de


milieu de propagation, etc. A cet effet, nous détaillerons les trois phénomènes les plus
persistant dans la propagation radio pour un environnement Indoor : réflexion, diffraction et la
diffusion.

2.1. La réflexion

Comme pour la lumière, les ondes radio se propagent à des vitesses variant en fonction
du milieu ou plutôt de l'indice de réfraction de ce milieu. Ainsi, lorsqu´une onde, se propageant
dans un milieu, rencontre un deuxième milieu ayant des propriétés électriques différentes, elle
est partiellement réfléchie et transmise.

L´intensité du champ électrique des ondes transmise et réfléchie peut être reliée à l´onde
incidente à travers le coefficient de réflexion de Fresnel (décrit la fraction de l'onde incidente
réfléchie par la surface d'un matériau). Le coefficient de réflexion dépend des propriétés du
matériel, de la polarisation de l´onde, de l´angle d´incidence et de la fréquence de l´onde en
propagation [3] [4].

Fig. 1.4 : La réflexion.

2.2. La diffraction

Elle se produit lorsque le chemin entre l´émetteur et le récepteur présente plusieurs


irrégularités aîgues. Les ondes secondaires résultant des surfaces gênantes sont présentes dans
l´espace et même derrière les obstacles. Ce phénomène dépend aussi bien de la géométrie de
l´objet que de l´amplitudes, la phase et la polarisation de l´onde incidente.

Le phénomène de diffraction est expliqué par le principe de Hygens qui énonce que tout
point sur lequel une onde se diffracte peut être considéré comme une source d´ondes
secondaire, ces ondes interfèrent pour donner une onde dans la direction de propagation [3].

SUP’COM page 6
Projet de fin d’étude

Fig. 1.5 : La diffraction.

2.3. La diffusion

Lorsque le milieu dans lequel une onde se propage contient des objets qui ont des
dimensions petites par rapport à la longueur d´onde, le phénomène de diffusion apparaît. Les
ondes diffusées sont produites par les surfaces rugueuses, les petits objets ou par d´autres
irrégularités présentes dans le canal de propagation [3].

Fig. 1.6 : La diffusion.

La prédiction de propagation nécessite l´établissement d´une relation qui exprime la


l´atténuation en fonction de la distance et qui nous permet de mettre en évidence tous les
phénomènes qui peut rencontrer une onde comme nous venons de l´expliquer. Avant d´entamer
cette partie, nous allons présenter les outils nécessaires qui permettent d´établir le bilan de
liaison à savoir les caractéristiques des antennes et la notion du bilan de liaison.

3. Bilan de liaison

Pour des fins d’analyses et de conceptions, le bilan de liaison nous permet de calculer la
puissance reçue au niveau du récepteur en tenant compte du signal transmis et du milieu de
propagation. A ce stade, il est nécessaire de déterminer la puissance d'émission, l'ensemble des
pertes et d’affaiblissements que va subir l'onde émise, et surtout le type et la taille des antennes
d'émission et de réception pour pouvoir effectuer la transmission avec la qualité requise.

3.1. Les antennes

Une antenne est un dispositif utilisé pour émettre ou recevoir des ondes
électromagnétiques et tout spécialement des ondes radioélectriques ou hyperfréquences. Nous

SUP’COM page 7
Projet de fin d’étude

notons que chaque antenne est caractérisée essentiellement par sa directivité, l´aire équivalente
et ses deux diagrammes de rayonnement.

3.1.1. Différents types d´antenne

D´après la littérature, nous remarquons qu´on peut classer les antennes dans trois
classes :
ƒ L´antenne isotrope.
ƒ Les antennes omnidirectionnelles.
ƒ Les antennes directionnelles.

Par définition, on appelle qu’une antenne isotrope n’est qu’une antenne théorique qui
rayonne uniformément dans toutes les directions de l'espace. Une telle antenne n'a donc pas de
direction de propagation privilégiée : on dit qu'elle n'est pas directive.

Les antennes utilisées dans la pratique, peuvent être soit : des antennes omni, soit des
antennes directionnelles. Ce pendant, nous constatons que ces antennes sont caractérisées par
leurs directivités et leurs gains de rayonnement.

3.1.2. Gain d´antenne et Aire équivalente

Supposons maintenant que l'antenne est directive et rayonne principalement dans une
direction bien définie donnée par un azimut θ 0 et une élévation ϕ 0 . Par rapport à l'antenne

isotrope la densité de puissance dans cette direction sera multipliée par un coefficient (θ 0 , ϕ 0 )

qui représente le gain de l'antenne dans cette direction. Ce qui met en œuvre la relation suivante
entre l'aire équivalente ( Ar n'est pas obligatoirement égale à l'ouverture de l'antenne mais elle

est en général proportionnelle à cette ouverture à travers un coefficient η appelé efficacité) et


le gain:

Ge 4π
= (1.1)
Ar λ 2
où :
ƒ Ge : Gain d´antenne.

ƒ Ar : Aire équivalente de l´antenne.

ƒ λ : Longueur d´onde d´émission.

SUP’COM page 8
Projet de fin d’étude

La densité de puissance à une distance d est égale à :


Ge Pe
(1.2)
4π d 2
où :
ƒ Ge : Gain d´antenne.

ƒ Pe : Puissance d´émission.

ƒ d : distance entre l´émetteur et le récepteur.

Par définition, le produit Ge Pe est appelé PIRE (Puissance Isotrope Rayonnée


Equivalente). Nous rappelons que la PIRE est la puissance rayonnée par rapport à une antenne
isotrope pour laquelle Ge = 1 .

3.1.3. Diagramme de rayonnement

On appelle diagramme de rayonnement, la distribution angulaire D(θ , ϕ ) de la densité


de puissance rayonnée en azimut et en élévation, et à grande distance, par rapport aux
coordonnées de l’antenne.

En effet, pour caractériser le gain de l´antenne dans une direction privilégiée, nous
notons qu´une antenne est caractérisée par deux diagramme de rayonnement : diagramme
vertical et diagramme horizontale. Ainsi pour chaque direction définie par le couple (θ , ϕ ) ,
nous pouvons déterminer la valeur exacte du gain de l´antenne.

Fig. 1.7 : Couple (θ , ϕ ) dans un diagramme de rayonnement.

Ainsi, la puissance Pr reçue par une antenne de réception dirigée dans la direction de
rayonnement principal de l'antenne d'émission va recevoir une fraction de la puissance
rayonnée. Cette fraction est proportionnelle à la surface de l'antenne de réception et à son
orientation par rapport à la direction de propagation de la puissance émise. En supposant les
antennes d'émission et de réception parfaitement alignées, la puissance reçue s'écrit :

SUP’COM page 9
Projet de fin d’étude

PeGeGr
Pr = 2
⎛ 4π d ⎞ (1.3)
⎜ ⎟
⎝ λ ⎠
où :

ƒ Pe : Puissance d´émission.

ƒ Ge : Gain d´antenne d´émission.

ƒ Gr : Gain d´antenne de réception.

ƒ d : distance entre l´émetteur et le récepteur.


ƒ λ : Longueur d´onde d´émission.

3.2. Bilan de liaison

Entre les antennes, les ondes se propagent à travers l’atmosphère. Dans le cas le plus
dominant, la propagation de l´onde de l´émetteur vers le récepteur est susceptible à plusieurs
phénomènes de propagation. Ainsi, il est facile de calculer le bilan de liaison en tenant compte
des gains des antennes, la puissance émise et l´atténuation du parcours.

En prenant en compte de ces différents paramètres, la puissance reçue au niveau du


récepteur ( Pr ) dB vaut :

( Pr ) dB = ( Pe ) dB + (Ge ) dB + (Gr ) dB + ( Ls ) dB (1.4)


où :
ƒ ( Pr ) dB : puissance reçue au niveau du récepteur.

ƒ (Pe ) dB : puissance d’émission de l’antenne.

ƒ (Ge ) dB : gain de l’antenne d’émission.

ƒ (Gr ) dB : gain de l’antenne de réception.

ƒ ( Ls ) dB : atténuation du à l´atténuation de parcours.

Conclusion

La propagation dans l´espace libre reste toujours le cas le plus facile à étudier, mais qui
non satisfaisant pour l´étude de la propagation dans les envenimements que ce soit Outdoor ou
Indoor. De ce fait, plusieurs modèles de propagations sont mis en vigueur pour qu´il nous
permettent de calculer les couvertures radio-éléctriques des émetteurs.

SUP’COM page 10
Projet de fin d’étude

Ainsi, dans le chapitre suivant, nous allons étudier et analyser les différents modèles
pour la prédiction de la puissance reçue, pour des scénarios Indoor ainsi que leurs performances
envers le résultat le plus réaliste dans le but de définir les règles d’ingénieries nécessaires à un
tel type de planification.

SUP’COM page 11
Projet de fin d’étude

Chapitre 2

Les modèles de prédiction de propagation

Introduction
La propagation d'un signal dans un espace libre a été très largement étudiée puisque la
puissance du signal s'atténue suivant l'inverse du carré de la distance. En comparaison, la
demande en communications radio mobile était surtout concentrée en milieux urbanisés, ce qui
fait que le cas du canal radio est beaucoup plus complexe car il doit tenir compte non
seulement de l'affaiblissement dû à la propagation en espace libre mais également de
l'affaiblissement dû à la présence d'obstacles (reliefs, bâtiments, murs...). Par conséquent, dans
un canal radio-mobile, les ondes ne vont plus se propager uniquement en visibilité directe avec
le récepteur, mais plutôt grâce à des réflexions sur des obstacles plans comme les façades de
bâtiments, les diffractions sur les arrêtes des toits ou les coins de bâtiments ou les diffusions
provoqués par la végétation.

A cet effet, le signal reçu comporte non seulement l´onde émise en trajet direct mais
également les contributions sur la même fréquence de toutes les ondes réfléchies et réfractées
par l´environnement (immeubles, murs, obstacles,…). Il est rare que l´émetteur et le récepteur
soient en visibilité directe, le récepteur, donc, ne reçoit très souvent qu´un ensemble d´ondes
réfléchies correspondant à des «trajets multiples » [5].

De ce fait, la conception et l´installation d´un réseau mobile tel que le réseau GSM
nécessitent une caractérisation précise du canal radio-mobile, En effet, la modélisation du canal
radio peut être assurée par des modèles mathématiques qui permettent de prédire la variation du
niveau de signal reçu. Ces modèles sont utilisés aussi pour nous aider à déterminer les positions
optimales des antennes et à l´analyse de la qualité de service.

Ainsi, nous pouvons distinguer trois grandes familles :

ƒ Les modèles empiriques (appelés encore modèles statistiques) sont basés sur
l'analyse statistique d'un grand nombre de mesures expérimentales et qui
tiennent compte des différents paramètres tels que la hauteur des bâtiments, les

SUP’COM page 12
Projet de fin d’étude

stations de bases, le terminal… tout en prenant en considération les diverses


influences de l´environnement.
ƒ Les modèles déterministes qui sont basés sur les lois fondamentales de la
physique, font appel à des relations mathématiques complexes et qui sont
difficiles à utiliser.
ƒ Les modèles semi déterministes qui combinent les deux approches.

Au cours de ce chapitre, nous allons étudier les différents modèles déjà existants, pour
la prédiction en milieu Indoor, tout en faisant la distinction entre les modèles empiriques et les
modèles déterministes.

1. Les Modèles empiriques


1.1. Modèle d´affaiblissement Log-distance

En général, les modèles de propagations empiriques sont basés sur des mesures réelles.
En effet, nous constatons que la puissance moyenne du signal se dégrade logarithmiquement
avec la distance.

L´atténuation de parcours PL à grande échelle en dB, est exprimée en utilisant l´indice


d´atténuation n, pour une distance d entre l´émetteur et le récepteur est [4]:
n
⎛d ⎞
PL(d ) = PL(d 0 ) + 10 log ⎜ ⎟ (2.1)
⎝ d0 ⎠
où :
ƒ n : indice d´atténuation.
ƒ d0 : distance de référence proche de l´émetteur.
ƒ d : distance entre émetteur et récepteur

D´après l´équation (2.1), l´indice n est exprimé en fonction de la nature du milieu de


propagation. En effet, n prend la valeur de 1 lorsque le milieu de propagation est similaire à un
guide d´onde ou à un milieu simulé à un plan. Par contre n représente la valeur de 2 lorsque n
représente l´atténuation de parcours spatial libre, et n = 4 lorsque la situation de la première
zone de Fresnel dont la hauteur de l´antenne est basse et encombrée.

Pour conclure, le lieu où la transition de n passe de 2 à 4 est référée comme un point


«breakpoint » tout en supposant que l´atténuation de parcours spatial libre inclut les gains des
antennes.

SUP’COM page 13
Projet de fin d’étude

La présentation graphique du trajet direct entre l´émetteur et le récepteur présente une


pente de 10n dB tel que la valeur de n dépend de l´environnement de propagation. Le tableau
suivant Tab. 2.1 présente les indices d´atténuation pour des environnements variés [4]:

Environnement Facteur d´atténuation (n)


Espace libre 2
Zone urbaine de 2.7 à 3.5
Zone urbaine masquée de 3 à 5
Dans les bâtiments avec LOS de 1.6 à 2.5
Dans les bâtiments (NLOS) de 4 à 6
Tab. 2.1 : Indice d´atténuation pour différents environnement.

Bien que le modèle Log-distance introduit l´effet des obstacles par la variation de
l´indice n, la pratique a montré que l´affaiblissement suit une loi normale suite à la nature du
canal radio-mobile. Cette impertinence a donné donc la naissance du modèle log-normal
shadowing.

1.2. Modèle de Log-normal shadowing

Le modèle Log-normal shadowing prend en considération le fait que pour une même
distance et pour des positions différentes, les puissances reçues ne sont pas les mêmes ce qui est
négligés par le modèle précédant. Cette différence de puissance entre les deux positions peut
être modélisé par une variable aléatoire qui suit une loi log normale (dB) ou normale (W).

Par conséquence du modèle précédant, les mesures ont montrée que pour chaque valeur
de l´atténuation du parcours PL(d) suit une loi log-normal tel que [6]:
n
⎛d ⎞
PL(d ) = PL(d ) + X σ = PL(d 0 ) + 10 log ⎜ ⎟ + X σ (2.2)
⎝ d0 ⎠
où :
ƒ PL : atténuation de parcours.
ƒ d : distance qui sépare l´émetteur du récepteur.
ƒ d0 : distance de référence.
ƒ Xσ : une variable aléatoire qui suit une loi normale de moyenne nulle et d´écart
type σ (déviation standard en dB).

SUP’COM page 14
Projet de fin d’étude

σ et n sont calculés à partir des mesures tout en utilisant une régression linéaire en
minimisant la différence entre les valeurs de l´affaiblissement mesurées et les valeurs estimées.
Ceci se fait en utilisant la méthode des moindres carrés.

1.3. Modèle de Seidel


Similaire au modèle Log-distance donné dans la section précédente. Ce modèle est une
version améliorée étudier pour les environnements Indoor multi étages. Cependant, la perte
supplémentaire du chemin causée en intervenant les planchers entre étages est ajoutée
explicitement comme une valeur discrète par le facteur FAF qui représente le facteur
d´atténuation de la plancher traversée.

Par suite, dans un environnement multi étages, l´affaiblissement de parcours est donnée
par [7]:
⎛ d ⎞
L ( d ) = L ( d 0 ) + 10 n SF log 10 ⎜⎜ ⎟⎟ + FAF (2.3)
⎝ d0 ⎠
où :
ƒ nSF : l´affaiblissement pour des mesures faites dans le même étage.
ƒ FAF : facteur d´affaiblissement des planchers multiples.

Pour tenir en compte de l´effet de pénétration lors de la traversé d´une planché dans un
scénario multi-étages, FAF intervenant dans la formule précédente pour compenser en fonction
du nombre de planchers traversés cet atténuation. En effet, FAF représente à un peu près 15 dB
pour une plancher de séparation accumulée à un supplémentaire de 6 à 10 dB pour chaque
plancher supplémentaire.

1.4. Modèle Multi Wall


A fin de prendre en considération la présence des murs et leurs influences, ce modèle
tient en considération l´atténuation causée par les murs de la scène géographique [8] :
LMW = LF + LWall (2.4)
où :
ƒ LF : l´atténuation du à la propagation dans l´espace libre.
ƒ Lwall : valeur accumulée lors du parcours directement entre l´émetteur et le
récepteur suite à la somme des Wi (ième murs) tel que [8]:

SUP’COM page 15
Projet de fin d’étude

m
LWall = ∑ LWi (2.5)
i =1

avec LWi est l´atténuation causée par le ième mur lors du parcours direct.

1.5. Modèle de Motley-Keenan

Le modèle de Motley-Keenan suggère que la moyenne de l´atténuation de parcours


PL ( d ) peut être estimée à partir de l´atténuation de l´espace libre PL0 ( d ) et du nombre de

murs compris entre l´émetteur et le récepteur. En effet, ce modèle prend en considération les
pertes individuelles causées par tous les murs et les planchers qui existent entre l´émetteur et le
récepteur.

Fig. 2.1 : Principe du modèle de Motley-Keenan.

De ce fait, l´atténuation de parcours PL(d) est donnée par [9]:


I
PL(d ) = PL0 (d ) + ∑ LWi (2.6)
i =1

avec LWi est la valeur de l´atténuation causée par le ième mur.

Les atténuations causées par les murs ne sont pas identiques, c´est pour cela nous
devrons faire la somme des LWi pour le parcours direct entre l´émetteur et le récepteur. Les
valeurs des LWi doivent inclure aussi les autres mécanismes de propagation tel que la réflexion,
la réfraction, la diffusion, etc.

1.6. Modèle de Cost 231


Ce modèle tient compte de la perte dans les murs et les étages qui existent à l´intérieur
d´un bâtiment. La formule de base de ce modèle est donnée par [10]:

SUP’COM page 16
Projet de fin d’étude

⎛ ( n + 2) ⎞
⎜⎜ − 0.46 ⎟⎟
L = 37 + 20 log(d ) + ∑ K wi Lwi + 18.3n ⎝ ( n +1) ⎠ (2.7)
i

où :
ƒ d : distance en mètre séparant l´émetteur du récepteur.
ƒ K wi : nombre de murs pénétrés de type i.

ƒ Lwi : Perte du ième murs.


ƒ n : nombre d´étages traversés.

Ce modèle considère deux types de murs internes. Des murs légers ayant un facteur de
perte de 3.4 dB et des murs réguliers avec un facteur de perte de 6.9 dB. Si les murs internes ne
sont pas modelés individuellement, le modèle sera représenté par la formule suivant [10]:

⎛ ( n + 2) ⎞
⎜⎜ − 0.46 ⎟⎟
( n +1) (2.8)
L = 37 + 30 log(d ) + 18.3n ⎝ ⎠

1.7. Modèle de Lafortune

Pour la prédiction et la simulation de la propagation Indoor, le modèle recommandé par


la COST 231 est celui de Lafortune. C´est un modèle empirique basé sur des estimations de la
transmission, des réflexions et des phénomènes de diffraction.

La description de ce modèle est exprimée par l´algorithme suivant [11]:

L = L0 + Lob + Grm (2.9)


où :

ƒ L0 = 32.4 + 20 Log (d ) + 20 Log ( f )

⎧−3.7 + 1.5n + 10.7 Log (d ) pour d > 4m


Lob = ⎨
⎩−3.7 + 1.5n + 10.7 Log (d ) + 7.8 − 15.3Log (d ) pour d ≤ 4m
'
ƒ
⎧0 dans le cas général
G rm = ⎨
ƒ ⎩ − 0.2 − 1.5 Log ( d ) dans le couloir principal
et :

ƒ L0 : affaiblissement en espace libre.

ƒ Lob : affaiblissement dû aux obstacles.

ƒ Grm : gain dû aux réflexions multiples.

SUP’COM page 17
Projet de fin d’étude

ƒ d : distance qui sépare l´émetteur du récepteur (en m).

ƒ f : fréquence en GHz.
ƒ n : nombre de murs entre l´émetteur et le récepteur.

ƒ d ' : distance entre l´émetteur et le premier mur (en m).

Les modèles déterministes restent toujours rapide en matière du temps de calcul mais
non fiable pour des prédictions précises pour des environnements Indoor dont les variations de
puissance sont assez importantes. Par ce fait, les modèles déterministes sont plus recommandés
pour une telle prédiction. Pour cela, nous allons détailler notre étude, dans ce qui suit, par
l´étude de quelques modèles déterministes.

2. Les Modèles déterministes

2.1. La méthode de lancer de rayons


Historiquement, la méthode de lancer de rayons a été introduite au début dans le
domaine de l´optique géométrique, grâce à son efficacité à modéliser l´onde lumineuse, dans le
domaine de l´infographie.

Lancer de rayons (ou ray tracing en anglais), est l´une des techniques les plus avancées
de synthèse d´images réalistes. Cette technique simple reproduit les phénomènes physiques tel
que la réflexion et la réfraction. En revanche, contrairement à d'autres algorithmes, elle permet
de définir mathématiquement les objets à représenter.

Ainsi, à l´aide de ces méthodes, il est possible de calculer l´ensemble des flux radio-
éléctriques distribués dans tout l´environnement à étudier. De ce fait, Ce modèle dépend
essentiellement de la base de données géographique utilisée pour la prédiction.

2.1.1. Principe de lancer de rayons pour la prédiction de propagation

2.1.1.1. Considération théorique

Le principe de cette méthode se base essentiellement sur le processus récursif pour


déterminer des intersections de chaque rayon émis, réfléchi ou transmis. Un arbre d´intersection
doit être construit (cf. Fig. 2.2) [12].

SUP’COM page 18
Projet de fin d’étude

I I : Incident
S : Spéculaire
S1 T1 T : Transmis

S2 T2 S3 T3

Fig. 2.2 : Arbre d'intersection

Dans ce qui suit, on s´intéresseras au modèle de Whitted, essentiellement basé sur les
lois de la réflexion et la réfraction (loi de Snell-Descartes). Soit la figure suivant qui nous
explique les différentes situations géométriques déjà citées [12]:

S N I

R V

Li

P
I : Incident
-N S : Spéculaire
T T : Transmis

Fig. 2.3 : Divers phénomènes rencontrés.

En effet, le phénomène de la propagation dans un environnement radio mobile se


ramène essentiellement à la modélisation de l´émetteur et du récepteur discrétisé en petite
surfaces suivant des altitudes et longitudes. En effet, de chaque élément de surface, part un
rayon qui se propage dans le milieu ; suivant des réflexions et réfractions avant d´atteindre le
récepteur.

Comme conséquence, nous assimilons une antenne omnidirectionnelle à une sphère. De


plus, le nombre de surfaces élémentaires obtenu dépend essentiellement des paramètres de
discrétisation pris en considération en fonction de α, θ et de P0 tel que [13]:

⎛ ∆α∆θ cos α ⎞
Proy = ⎜ ⎟ P0 (2.10)
⎝ 4π ⎠
où :

SUP’COM page 19
Projet de fin d’étude

π 2π
∆α = , ∆θ = (2.11)
m n
et :
ƒ m et n : nombre de division.
ƒ P0 : puissance émise.

Par contre, plus que ∆α et ∆θ sont plus petits, le résultat obtenu est plus meilleur mais
plus le processus de calcul devient long [13].

Fig. 2.4 : Surface élémentaire obtenue après discrétisation d´une sphère.

Par contre, la puissance reçu d´un rayon se propageant dans un milieu homogène par un
point pour une certaine distance r est donnée par [13]:

n
⎛r ⎞
Preçu = P0 ⎜ 0 ⎟ (2.12)
⎝r⎠
où :
ƒ P0 : puissance reçue après une distance r0.
ƒ n : indice qui dépend de l´environnement dont la valeur est compris entre 1.2 et
6.5 tel que n correspond à 6.5 lorsque le rayon se propage dans un
environnement extrêmement conducteur, par contre n correspond à 1.2 lorsque
l´onde se propage dans des guides d´ondes.

De ce fait, à une distance r de l´émetteur, la valeur de la puissance est donnée par [13]:
⎛ ∆α∆θ cos α ⎞ P0
Proy = ⎜ ⎟ 2 (2.13)
⎝ 4π ⎠r

2.1.1.2. Procédure de lancer de rayon

Initialement, les rayons sont considérés un par un et lancés dans le milieu. Chaque rayon
suit trois procédures successives avant d´atteindre le récepteur.

Au cours de ces procédures, deux modes d´interactions sont considérés avec la matière
sont : la réflexion et la réfraction. Ce processus de visibilité nous permettra ainsi à travers la
base de données géographique de déterminer si l´émetteur et le récepteur est en visibilité direct

SUP’COM page 20
Projet de fin d’étude

(Line of Sight) ou pas (None Line of Sight). Si c´est le cas, la distance, le déphasage et la
puissance reçue en ce point sont calculés. Ainsi, le rayon qui atteint le récepteur n´est plus
considéré pour le reste des processus.

Dans le cas contraire, c'est-à-dire que l´émetteur n´est pas en vision directe à partir du
rayon incident de l´émetteur, nous devons chercher alors à travers la base de donnée de la scène
la première surface rencontrée, une fois trouvée, le deuxième processus calcule alors les
coordonnées du point d´intersection du rayon et de la surface, ensuite la distance parcourue et la
puissance en ce point.

Si la puissance est inférieure à un seuil donné alors le processus s´arrête, le rayon est
considéré inutile et le processus de propagation se termine.

Dans le cas contraire, lorsque la puissance est supérieure au seuil maximale, un test se
déclanche et on vérifie alors la loi de Shnell-Descarte pour l´angle d´incidence du rayon. En
effet, lorsque cet angle dépasse la valeur critique donnée par arcsin(n1/n2) ( n1 et n2 sont les
indices respectivement des deux milieux de propagation séparé par l´obstacle franchi), nous
aurons une réflexion totale et la totalité de l´énergie sera communiquée au rayon réfléchi.

De plus, si l´angle de réflexion est inférieur à l´angle critique alors nous aurons dans ce
cas une réflexion et une réfraction dont on calculera les prochaines valeurs du rayon transmis
et du rayons réfléchie en tenant en considération des coefficients de réfractions et de réflexion
correspondants [13].

2.1.2. Organigramme
Au cours de cette description, chaque point d´intersection se comporte comme un point
émetteur, la procédure décrite ci-dessus continue avec chaque point généré dans toutes les
directions jusqu´à atteindre un nombre de réflexions et de réfractions maximal.

Soit l´organigramme Fig. 2.5 qui nous explique l´algorithme du principe de lancer de
rayons [13]:

SUP’COM page 21
Projet de fin d’étude

Début

Rayon i = 1

Intersection i

Emetteur i

Latitude i, longitude i

Non Oui
n<nref

Non Oui
P>Pseuil

Visibilité Non
Oui avec le
récepteur

Rayon intitule

Rayon intitule Calculer les nouvelles


coordonnées du point
d´intersection
Calculer la distance

Calculer la Calculer les


puissance reçue prochaines directions

i=N

Calculer la somme des


puissances

Fin

Fig. 2.5 : Organigramme de l´algorithme de la méthode lancer de rayon.

SUP’COM page 22
Projet de fin d’étude

2.1.3. Evaluation de la méthode de lancer de rayon

2.1.3.1. Hypothèse de la réflexion spéculaire

La méthode de lancer de rayons utilise l´hypothèse que les réflecteurs soient idéalement
spéculaires, cette approche ne tient pas en compte l´effet de diffusion relatif à la nature de la
matière.
2.1.3.2. Hypothèse de discrétisation

Lors de la discrétisation de la source en terme de portion de surface, le temps de calcul


devient de plus en plus important lorsque la discrétisation de la source est de plus en plus fine,
c´est-à-dire, le temps de calcul augmente lorsque la valeur de n ou m augmente.

Par contre, les résultats obtenus sont de plus meilleurs lorsqu´on affine d´avantage la
source. Ce qui met en considération que ce modèle est limité puisque n et m sont limités.

2.1.3.3. Point d´intersection et temps de calcul

L'algorithme du lancer de rayons est extrêmement puissant et permet de traiter


pratiquement tous les aspects du réalisme. Malheureusement, les calculs d'intersections sont
très coûteux en temps de calculs vu le nombre de rayons lancés. Comme conséquence, nous
devons avoir recours à des techniques de calcul parallèle ou bien à des machines puissantes
nous permettant de faire les calculs dans un temps raisonnable. C´est pour cela il faut donc
trouver des méthodes d´optimisation.

En plus, cette méthode consomme une espace mémoire assez variable, ce coût dépend
uniquement du nombre de réflexions et de réfractions tolérées dans le processus de propagation.

A cet effet, un nouveau modèle a été proposé pour remédier à cet inconvénient ; c´est la
méthode de la radiosité.

2.2. Le modèle de la radiosité


La radiance, notée L, est définie comme étant l´énergie émise dans une certaine
direction, par unité de temps, par unité de surface perpendiculaire à la direction de propagation,
par unité d’angle solide ( Watt.m −2 .m −1.sr −1 ).

SUP’COM page 23
Projet de fin d’étude

En effet, la méthode de la radiosité est une technique qui a été développée dans les
années 50 pour modéliser le transfert radiatif de chaleur entre surfaces en matière de la
thermodynamique.

Son efficacité à modéliser les réflexions diffuses lui a ouvert les possibilités pour être
utilisée dans l´infographie pour la synthèse des images artificielles au début des années 80.

En fait, la méthode de radiosité, permet de calculer l'éclairage d'une scène en modélisant


les échanges d'énergie lumineuse entre les différentes surfaces des objets de la scène. Dans la
méthode de radiosité standard, les surfaces sont considérées comme lambertiennes ou diffuses,
c'est-à-dire qu'elles réfléchissent la lumière incidente avec la même intensité dans toutes les
directions. L'environnement est décomposé en éléments de surface (ou échantillons), afin
d'établir un système d'équations modélisant les échanges d'énergie dans la scène.

2.2.1. Notion de base


La radiosité B d'un élément est égale à la quantité totale d'énergie lumineuse par unité
de surface quittant cet élément. Elle s'exprime donc en fonction de l'énergie propre émise par
l'élément et de l'énergie provenant des autres éléments qui est réfléchie par l'élément lui même.

Soient Ei la quantité d´énergie émise par unité de surface par un élément de surface
infinitésimale dAi, ρi le coefficient de réflexion de cet élément, et FdAjdAi la fraction d'énergie
quittant un élément dAj qui arrive sur l'élément dAi. La radiosité Bi pour l'élément dAi peut être
décrite sous la forme de l'équation suivante [14]:

Bi dAi = Ei dAi + ρi ∫ B j dAj FdAj dAi (2.14)


j

C´est à dire:

Radiosité * Aire = Energie propre émise + Energie partant des autres facettes par réflexion

Dans le cas d'un environnement discrétisé en n éléments de surface Ai (i = 1..n), les


échanges d'énergie dans la scène peuvent donc être modélisés par un système de n équations de
la forme [14]:

n
Bi Ai = Ei Ai + ρi ∑ B j FAj Ai Aj (2.15)
j =1

SUP’COM page 24
Projet de fin d’étude

La valeur FAjAi correspond à la fraction d'énergie quittant l'élément de surface Aj qui

arrive sur l'élément de surface Ai. Cette quantité est appelée : facteur de forme entre Aj et Ai (cf.
Fig. 2.6). Pour plus de simplicité, elle sera notée Fji. Le facteur de forme dépend uniquement de
la géométrie relative entre les éléments, d'où la relation de réciprocité [14]:

Aj
Fij Ai = Fji Aj ⇒ Fij = Fji (2.16)
Ai

Fig. 2.6 : Notations pour le facteur de forme.

En utilisant la relation (2.16) et en reprenant l'équation (2.15), on obtient finalement


pour un élément de surface Ai, l'expression de la valeur de radiosité Bi [14]:

n
Bi = Ei + ρi ∑ B jFij (2.17)
j =1

Cette équation peut se réécrire sous la forme [14]:


n

j=1
(δ ij − ρi Fij ) B j = Ei (2.18)

Avec δij le symbole de Kronecker définie comme suit [14]:

⎧ 1 si i=j
δ ij ⎨ (2.19)
⎩ 0 sinon

Le système d'équations correspondant peut être mis sous la forme matricielle


suivante [14]:

⎡1 − ρ1 F11 − ρ1 F12 . . . − ρ1 F1n ⎤ ⎡ B1 ⎤ ⎡ E1 ⎤


⎢ −ρ F − ρ 2 F2 n ⎥⎥ ⎢⎢ B2 ⎥⎥ ⎢⎢ E2 ⎥⎥
⎢ 2 21 1 − ρ 2 F22 . . .
⎢ . . . . . . ⎥⎢ . ⎥ ⎢ . ⎥
⎢ ⎥⎢ ⎥ = ⎢ ⎥ (2.20)
⎢ . . . . . . ⎥⎢ . ⎥ ⎢ . ⎥
⎢ . . . . . . ⎥⎢ . ⎥ ⎢ . ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎣⎢ − ρ n Fn1 − ρ n Fn 2 . . . 1 − ρ n Fnn ⎦⎥ ⎣⎢ Bn ⎦⎥ ⎣⎢ En ⎦⎥

SUP’COM page 25
Projet de fin d’étude

Tel que nous noterons MB = E pour simplifier (avec M ij = δ ij - ρi Fij ). Nous notons

aussi que la résolution de ce système peut se fait suivant plusieurs méthodes : méthode de
Jacobi et de Gauss Seidel [14] ou bien par la méthode de Cohen et al [14].

2.2.2. Résolution du système

Les méthodes qui consistent à résoudre de manière directe le système d'équations (2.20),
sont peux applicables dans le cas d'environnements avec un grand nombre d'éléments. L'accent
a donc tout de suite été mis sur les méthodes de résolution itératives qui démarrent avec une
estimation de la solution et améliorent la solution courante à chaque itération, jusqu'à atteindre
la convergence.

Une méthode rapide a été proposée, est celle de Gauss Seidel. La méthode consiste, à
partir d´une estimation initiale des radiosités Bi , calculer, par des approximations successives,
des valeurs de plus en plus proches de la solution exacte. Nous parlons alors de « gathering »,
qui signifie rassembler (cf. Fig. 2.7). Ce qui revient donc à poser la suite des approximations
suivantes [15]:

⎧ B j (0) Estimation initiale



⎨ ( k +1) N (2.21)
B = E + ρ j ∑ Fij Bi
(k )
⎪ j j
⎩ i =1

Fig. 2.7 : Principe de la méthode gathering

Ainsi, la résolution de ce système par cette approximation donne de bons résultats mais
reste toujours difficile à implémenter, puisque cette méthode est gourmande au niveau de la
mémoire et le temps de calcul. Ainsi, pour résoudre ce système nous reformuler la méthode de
la radiosité de nouveau.

SUP’COM page 26
Projet de fin d’étude

2.2.3. Radiosité progressive

Cette méthode a été introduite par Cohen et al. [14]. Elle consiste à mettre à jour la
radiosité pour tous les éléments de l'environnement à la fois, plutôt que pour un seul élément.

Pour cela, il suffit d'inverser le processus d'échange de l'énergie. Par définition, la


radiosité d'un élément correspond à la quantité d'énergie par unité de surface quittant cet
élément dont cette quantité va être répartie dans tout l'environnement, et elle va donc modifier
la valeur de la radiosité des éléments qu'elle va atteindre. Nous parlons alors de « shooting »,
qui signifie lancer (cf. Fig. 2.8).

Fig. 2.8 : Principe de la méthode shooting.

L'idée est de distribuer la contribution d'énergie lumineuse de chaque élément à tous les
autres éléments. Chaque élément i d'un environnement a une valeur de radiosité Bi qui
correspond à la valeur de radiosité calculée jusqu'à présent pour cet élément, et une valeur ∆Bi
qui est la partie de la radiosité de cet élément qui n'a pas encore été distribuée. Les valeurs Bi et
∆Bi pour tout élément i sont initialisées par la valeur d'énergie émise Ei de l'élément i tel que Ei
peut être égal à zéro. Ensuite, au cours d'une itération, nous choisissons l'élément qui a la plus
grande valeur de radiosité non distribuée, et cette quantité d'énergie est distribuée dans
l'environnement. Lors de cette distribution, les autres éléments j de l'environnement peuvent
recevoir une quantité d'énergie ∆B tel que ∆B correspond à la partie de la radiosité provenant de
l'élément i qui contribue à la radiosité de l'élément j. Cette valeur ∆B est ajoutée à Bj [14] :

∀ j : B j = B j + ∆B avec ∆B =∆Bi ρ j Fji (2.22)

Elle est aussi ajoutée à ∆Bj puisque cette radiosité qui vient d'être reçue n'a pas encore
été distribuée. Après cette distribution, l'élément i n'a plus de radiosité non distribuée, donc
∆Bi= 0. Lors du processus de distribution de l´énergie, on met à jour la valeur de radiosité de
tous les autres éléments de l'environnement. Nous obtenons donc une nouvelle estimation de la
solution de radiosité à chaque itération, ce qui permet de visualiser une nouvelle prédiction. Le

SUP’COM page 27
Projet de fin d’étude

fait de pouvoir visualiser les résultats au fur et à mesure que la solution progresse est un des
principaux avantages de cette méthode. Nous remarquons aussi qu'elle converge plus vite que la
méthode de Gauss Seidel, et tout particulièrement dans les premières étapes du processus de
calcul ayant une convergence plus rapide.

2.2.4. Organigramme

L´algorithme de la radiosité progressive se déroule selon l´organigramme suivant:


L´inconvénient principal de cette approche est que l´on peut être appelé à calculer plusieurs
fois, au cours de l´exécution, la ligne de facteurs de forme concernant une facette. L´algorithme
de ce modèle est simplifié dans l´organigramme suivant [15] :

Début

Energie intrinsèque
E pour facette f

Réserver un tableau de radiosité B


de taille N

Initialiser B avec E des facettes

Max B>Seuil non Fin

oui
Calculer les facteurs de forme entre chaque
facette f et ses facettes visibles

Allouer l´énergie émise par la


facette f à chaque facette

Mise à jour de la radiosité de différentes facettes

Fig. 2.9 : Organigramme de la méthode de la radiosité progressive.

SUP’COM page 28
Projet de fin d’étude

2.2.5. Adaptation de la méthode pour la prédiction de propagation Indoor

Avant d´entamer les étapes de l´adaptation, rappelons tout d´abord le principe


de la radiosité tel qu´il est utilisé dans le domaine de l´imagerie. Réellement, la
radiosité est la somme de deux composantes : une énergie émise intrinsèquement et une
énergie générée par réflexion d´une partie des radiations reçues en provenance des autres objets
présents dans la scène. Mais l´énergie transmise par la facette vers l´extérieur où depuis
l´extérieur n´est pas prise en considération.

Pour éclairer une scène à 2 pièces à titre d´exemple, il faut au moins une source de
lumière (lampe) à l´intérieur de chaque pièce. Par contre, pour l´onde radio, un seul émetteur
peut couvrir tout un immeuble. Par conséquent, on doit tenir compte du l´effet de transmission
dans l´équation de la radiosité si on veut l´utiliser à la prédiction de la propagation Indoor. On
ajoute dans notre cas un terme de transmission τ i , qui représente le coefficient de transmission
de facette i.

L´équation de la radiosité classique (2.17) sera modifiée comme suit [15] :


N
Bi = Ei + ( ρi + τ i )∑ Fi j B j (2.23)
j =1

L´étape suivante de l’adaptation consiste à décomposer la scène en un volume émissif


afin de mettre en œuvre la transmission à travers les facettes. Ainsi, nous allons échantillonner
les différentes faces des bâtiments en N-2 facettes.

Nous allons, aussi, supposer que la source est la facette n° 1 et le récepteur est de facette
n° N. De plus, nous considérons que leurs surfaces seront prises égales à l’unité, de ce fait, le
facteur de forme sera égal à [15] :

⎧ N 2 cosθ

⎪⎪ F1j = ∫i2 =1 π r 2 2 cas de l´émetteur


⎨ (2.24)
⎪ F = N1 cosθ1
⎪⎩ nj ∫i1 =1 π r 2
cas du récepteur

Enfin, nous devons prendre en considération que toutes les facettes sont caractérisées
par un même coefficient de réflexion ρ et un même coefficient de transmission τ.

Nous considérons aussi que la source est essentiellement constitué de facette ponctuelle
dont le coefficient de réflexion est égal à l´unité et ayant une radiosité initiale égale à la

SUP’COM page 29
Projet de fin d’étude

puissance qu´elle émet. Par contre, nous considérons que le récepteur est vu comme une facette
ponctuelle de coefficient de réflexion. Enfin, à l´étape initiale, nous prenons en considération
que chaque facette est nulle sauf l´émetteur qui admet une énergie d´émission supposée
constante.

2.2.6. Evaluation de la méthode de radiosité

La méthode de la radiosité présente essentiellement un inconvénient majeur lors de la


résolution du système matricielle. En effet, le problème de la radiosité progressive réside dans
le choix convenable du nombre des facettes ainsi que le seuil de convergence optimale. Ces
deux paramètres constituent l´un des problèmes majeurs pour remédier le temps de calculs
aussi raisonnable que possible.

Conclusion

Les modèles empiriques sont faciles à employer, moins précis et très moyennés, ils ne
permettent pas d’étudier l’effet local du relief ou des bâtiments. De plus, ils ont un domaine de
validité plus étroit en fréquence et en portée. Par contre, les modèles déterministes sont tout à
fait contraires aux modèles empiriques.

Les modèles déterministes nécessitent une base géographique bien détailler, une
allocation dynamique de la mémoire importante et un processeur de calcul puissant pour une
telle implémentation logistique.

En effet, nous pouvons conclure, d´après cette étude que nous devons approfondir nos
recherches vers d´autres modèles de propagation en milieux Indoor récemment existés. Ainsi,
nous allons étudier dans le chapitre suivant un nouveau modèle dernièrement validé tel que ce
dernier résolue les inconvénients majeurs des modèles déterministes décrit dans ce chapitre.

SUP’COM page 30
Projet de fin d’étude

Chapitre 3

Le parcours dominant pour les milieux Indoor

Introduction
D´après l´étude bibliographique du chapitre précédant, les modèles empiriques sont des
formules obtenues à partir des statistiques sur un très grand nombre de mesures. Une telle
catégorie présente toujours des avantages et des inconvénients, facile à être utilisé mais une
calibration est nécessairement obligatoire avant toute utilisation.

Par contre, les modèles déterministes reste constamment les idéals au niveau de la
prédiction pour une telle catégorie de scénarios. Ce pendant, le temps de calcul et la
consommation au niveau de la mémoire limitent ces modèles.

Comme conséquence, les techniques d´optimisation ne cesse d´un jour à un autre


d´apparaître. De ce fait, de nouveaux modèles de prédiction ont étaient mis en évidence à fin de
remédier aux défauts persistants.

Le parcours dominant pour les milieux Indoor (ou IDP : Indoor Dominant Path en
anglais), est l´un des nouveaux modèles implémentés au cours de ces dernières années.

Au cours de ce chapitre, nous détaillerons ce modèle tout en mettant l´accent sur les
différents paramètres constitutif.

1. Description de la scène
Une description détaillée de la scène dans une base de donnée est nécessaire lors de la
simulation. En effet, cette base doit comprendre essentiellement une reproduction exacte de
l’environnement à simuler, les informations relatives pour chaque type de matériaux figurant,
ainsi, cette description sollicite que toutes les pièces de la scène géographique sont vides. Par
conséquence, un arbre de structure doit être développé à partir de base.

SUP’COM page 31
Projet de fin d’étude

2. Développement de l’arbre de structure


Lors du calcul du parcours entre l´émetteur et le récepteur, le parcours dominat est
déterminé à partir d´un arbre de structure. Ainsi, à partir de cet arbre nous pouvons déterminer
les différents chemins possibles entre l´émetteur et le récepteur tout en mettant en évidence les
obstacles franchis.

Dans ce qui suit, nous allons prendre un exemple typique de scénario Indoor pour
faciliter notre explication (cf. Fig. 3.1).

Fig. 3.1 : Représentation de la scène d’étude en 2D.

A partir de cette base, nous devons déterminer en premier lieu les pièces afin de
développer l´arbre de structure correspondant. Ensuite, nous numérotons chaque pièce par un
numéro et chaque mur de la scène par un indice (cf. Fig. 3.2) [16].

Ainsi, la reconstruction de l´arbre de structure suit la loi suivante : la racine de l’arbre


de structure correspond à la pièce qui contient l’émetteur. La 1ère couche contient toutes les
chambres adjacentes à la racine (c´est à dire toutes les chambres adjacentes à la chambre qui
contient l’émetteur). La 2ème couche contiendra les pièces adjacentes aux pièces de la couche
supérieure. Nous notons aussi, que les branches sortant de chaque couche vers une couche
supérieure déchiffrent les indices des murs en commun entre les deux chambres. Enfin, nous
mettons en évidence que, s’il existe plusieurs murs entre l’émetteur et la pièce adjacente, la
pièce adjacente est compté n fois dans la couche inférieure de l´arbre de structure que le
nombre de murs commun(cf. Fig. 3.2) [16].

SUP’COM page 32
Projet de fin d’étude

Fig. 3.2 : Arbre de structure pour décrire la scène.

3. Détermination du parcours dominant


3.1. Méthode de l’arbre de structure
La détermination du parcours dominant entre l’émetteur et le récepteur est déduite
automatiquement à partir de l’arbre de structure. En fait, si le récepteur est localisé dans la
pièce i, l’arbre de structure doit être examiné que pour les branches de la pièce i. Par
conséquence, le parcours dominant est essentiellement donné par le balayage en sens inverse de
l’arbre vers la racine (c´est à dire atteindre la pièce contenant l’émetteur).

Ensuite, les coordonnées du parcours dominant sont aussi déterminées par le même
algorithme, indépendamment du nombre de murs et de pièces parcourus. Cette procédure est
ainsi valable que lorsque nous combinons toutes les pièces parcourues entre l´émetteur et le
récepteur en une seule pièce (cf. Fig. 3.3) [16].

Fig. 3.3 : combinaison de pièce pour la détermination du parcours dominant.

Les murs supprimés lors de la détermination du parcours dominant sont ceux donnés par
les branches de l’arbre de structure lors du balayage en sens inverse (c´est à dire du récepteur
vers l´émetteur).

SUP’COM page 33
Projet de fin d’étude

De ce fait, il en résulte deux cas différents lors de la détermination du parcours


dominant suivant la visibilité entre l’émetteur et le récepteur :

ƒ Visibilité directe entre émetteur-récepteur (Line Of Sight) : l’émetteur et le récepteur


sont situés dans la même pièce, et la détermination du parcours dominant est simple
puisque celui-ci correspond au rayon directe de l’émetteur vers le récepteur.

ƒ Visibilité non directe entre émetteur-récepteur (None Line Of Sight) : l’émetteur et le


récepteur ne sont pas situés dans la même pièce. Par suite, la détermination du
parcours dominant suit la démarche décrite ci-dessus.

Par conséquence, tous les coins de la pièce régénérée sont numérotés et arrangé dans
deux listes, dont la 1ère contient les coins convexes et la 2ème contient les coins concaves. Soit la
figure ci-dessous illustrant cette démarche [16] :

Coin Concave : 1, 3, 4, 6, 7, 8, 9, 11
Coin Convexe : 2, 5, 10

Fig. 3.4 : Coins convexe et concave de la pièce.

D´après les recherches développé par les auteurs de ce modèle, les coins concaves ne
sont pas prisent en considération pour la détermination du parcours dominant [16]. Par contre,
cette méthodologie de recherche du parcours dominant stimule que ce parcours doit passer par
un ou plusieurs coins convexes (au minimum par un seul coin). En effet, pour les choix des
coins adéquats parmi un ensemble de coins candidats, nous devons alors générer deux autres
arbres à partir de l´arbre de structure pour décrire deux nouvelles arbres de structure, mais cette
fois-ci pour l’émetteur et le récepteur tel que la figure ci-dessous l’explique [16] :

SUP’COM page 34
Projet de fin d’étude

Fig. 3.5 : Détermination du parcours dominant par le moyen des coins convexes.

Notons que le scénario pris en considération est donné par la figure Fig. 3.1. L’analyse
des coins convexes de la pièce se fait alors tel que: la 1ère couche de l’arbre de structure
comprend essentiellement que les coins en visibilités directes (c´est à dire en cas de Line Of
Site). Ensuite, la 2ème couche correspond aux coins en visibilités directes par rapport aux
différents nœuds pères de la 1ère couche. Ainsi, on développe les différentes couches des deux
arbres de structure de l´émetteur et le récepteur jusqu'à ce que le nombre de couches soit
équivalent au nombre des coins convexes, tout en prenant en considération que le coin convexe
j est différent des nœuds pères i, i-1,…,0.

De ce fait, la détermination du parcours dominant devient si facile, puisque ce parcours


résulte ainsi d’une simple comparaison des deux arbres couche par couches :

ƒ Si un ou plusieurs coins sont commun entre les deux arbres pour la 1ère couche, alors
on prend les numéros de ces nœuds et on met fin à la comparaison.

ƒ Si la 1ère couche ne présente aucun coin en commun, on passe à la couche suivante


dans les deux arbres, et la comparaison se fait alors pour la 2ème couche avec la 1ère et
la 2ème couches de l’autre arbre (c´est à dire on fait le balayage de l’arbre opposé à
partir de la ième couche jusqu´au la 1ère couche, et réciproquement avec l’autre arbre).

ƒ Ces deux étapes décrites ci-dessus, sont mis en évidence et la recherche des coins ne
s’arrête que si on met en vigueur un ou plusieurs numéros de coins en commun dans
les deux arbres.

Enfin, les coordonnées obtenues du parcours dominant doivent être modifié pour que ce
dernier devient indépendant des localisations exactes des coins calculés à partir des arbres

SUP’COM page 35
Projet de fin d’étude

décrits ci-dessus. Ce qui fait, les coordonnées des coins sont déplacées à l’intérieur de la pièce
adjacente de telle sorte que les nouvelles coordonnées sont générées à partir de la base
géographique de la scène [16].

Fig. 3.6 : Post-traitement du parcours dominants.

3.2. Méthode de la matrice de transition


Une matrice de prédiction est produite à partir de la base de données. Chaque point
représente un carré en 2D. Ensuite, les transitions entre les points avoisinants sont déterminées
et emmagasinées dans une matrice [17].

Fig. 3.7: Méthodologie de la détermination du parcours dominant.

Après la génération de la matrice de prédiction, la recherche du parcours dominant est


faite à partir de la décision faite par l'analyse de la perte de transmission entre le point de départ
et les points avoisinants. Ainsi, le test de décision est refait de nouveau pour le point survivant.
C’est-à-dire, par exemple, le troisième test de décision est généré à partir de l’analyse faite pour
le deuxième point et ainsi de suite tout en prenant en considération la transition avec la plus
petite perte de transmission est choisie.

Une fois le chemin dominant est achevé, ce chemin est optimisé de telle sorte que ce
dernier devient indépendant de la matrice de prédiction, le plus court et dont les changements
angulaires de direction sont aussi réduits [17].

SUP’COM page 36
Projet de fin d’étude

Fig. 3.8: Optimisation du parcours Dominant.

4. Détermination de l’effet du guidage de l´onde (Waveguiding


effect)
L'effet du guidage de l’onde tout au long du parcours dominant dépend essentiellement
de la scène, de l'orientation des murs, la constante de réflexion, la distance entre les murs et le
sens de parcours. En effet, le facteur de guidage stimule les réflexions et les réfractions tout le
long du parcours (cf. Fig. 3.9) [17].

Fig. 3.9 : Détermination de l’effet du guidage de l’onde.

Lors d´un processus de prédiction, trois paramètres doivent être calculé pour chaque
mur afin de retrouver la valeur de l´effet de guidage wi . De ce fait, l´angle entre la normale du
ième mur et le parcours est donné par [17] :

r
nˆi r
α i = a cos( r ) (3.1)
r
où :
r
ƒ ni : vecteur normale du ième mur rencontré.
r
ƒ r : vecteur directeur du parcours.

La distance normalisée entre le ième mur et le parcours est donnée par [17] :

SUP’COM page 37
Projet de fin d’étude

1 1 ⎛ d ⎞
d ni (ζ ) = − tanh ⎜ di (ζ ) − max ⎟ (3.2)
2 2 ⎝ 2 ⎠
où :
ƒ di (ζ ) : distance entre la ligne du mur et le parcours.

ƒ d max : distance maximale entre la ligne du mur et le parcours.

Le facteur de guidage de l´onde (waveguiding effect) combinés avec le facteur de


réflexion LR , Oi et la distance d n i (ζ ) tel que Oi est donné par [17] :

⎧ cos 2 α i
⎪1 − cos α i ≤ cosα max
oi = ⎨ cos 2 α max (3.3)
⎪ cosα i > cos α max
⎩ 0

Ainsi, le facteur de guidage wi pour le ième mur est donné par [17] :
⎧ ⎛⎛ o ⎞ LR ⎞
− ⎜ 1− i ⎟ ζB ≤ζ ≤ζE
⎪d e ⎝ ⎜⎝ 1.35 ⎟⎠ 2 dB ⎠
wi (ζ ) = ⎨ ni
i i
(3.4)
⎪⎩ ζ < ζ B or ζ >ζ E
0 i i

5. Détermination de l’atténuation du parcours


Après la détermination du parcours dominant entre l´émetteur et le récepteur, ainsi que
les différents valeurs de wi , l´atténuation du parcours ( path Loss )est donnée par [18] :

n
⎛ ϕ ⎞
L = 20 n (1 − 0.5 α ) log(d ) + ∑ ⎜ wi i LD ⎟ (3.5)
i =1 ⎝ 180° ⎠

où :

ƒ n : facteur multiplicatif.

ƒ d : la longueur de chemin donné en mètre.


ƒ α : facteur de guidage ( waveguiding factor ).
ƒ LD : perte en dB en raison d'une interaction, à cause du changeant de la
direction de propagation.

ƒ ϕi : l'angle entre l'ancienne direction et la nouvelle direction de


propagation. En effet, la perte augmente linéaire avec l'angle, normalisé
à 180°.

ƒ wi : facteur peut être utilisé pour réduire le poids d’interactions.

SUP’COM page 38
Projet de fin d’étude

Suivant la valeur de ϕ i la perte est déterminé en dB tel que [18]:

ƒ si ϕ i = 0 (c´est à dire aucun changement de direction), la perte est 0 dB.


ƒ si 90° la perte est 0.5 LD .

Par conséquence, le facteur wi qui exprime le poids d´interaction tel que [18] :

ƒ wi = 0 lorsque la propagation est dans l´espace libre.


ƒ wi = 1 lorsque wi exprime l´effet d´un excellent guide d´onde.

6. Limite du modèle du parcours dominant

D´après l´étude approfondi de l´IDP, nous pouvons constater que ce modèle est un
modèle rapide en matière de temps de calcul. Par contre, comme tout autre modèle, l´IDP
stimule dans ces calculs que l´antenne utilisée est une antenne isotrope.

De plus, la planification en milieu Indoor peut se faire que ce soit en mode uni-étage ou
en multi-étages. De ce fait, nous allons développer dans les paragraphes suivants deux
méthodologies : la première pour remédier le disfonctionnement de la prédiction en mode
multi-étages et la deuxième pour la mise en évidence des diagramme de rayonnement.

7. Intégration de l´effet multi-étages

La couverture à l’intérieur des bâtiments doit être homogène pour éviter les problèmes
de coupures de communication. Pour cela, nous devons fixer les positions des antennes en
indoor en tenant compte du diagramme de rayonnement des antennes et de l’affaiblissement qui
est dû aux obstacles rencontrés à l’intérieur des bâtiments. En tenant compte de ces paramètres,
ce modèle ne peut pas être utilisé dans le cas d’une planification multi étages. De ce fait, toute
une hiérarchie a été implémentée pour un tel processus de prédiction.

A ce stade, la solution que nous venons d’implémenter dans le cadre de ce projet doit
tenir en considération des scénarios multi-étages. En se basant sur le principe de la prédiction
de la couverture en mode uni-étage, nous venons de tirer un modèle spécifique dont nous
permettra de prédire le niveau de la puissance radio dans un environnement multi-étages. Nous
signalons aussi, que cette méthodologie ne reste valable que quand l'émetteur et le récepteur ne
sont pas situés dans le même étage.

Par conséquence, pour un scénario Indoor, la recherche du parcours de l’émetteur vers


le récepteur peut se faire de deux manières :

SUP’COM page 39
Projet de fin d’étude

ƒ l’émetteur et le récepteur sont situés dans le même étage (recherche en mode 2D).
ƒ l’émetteur et le récepteur sont situés dans des étages différents (recherche en mode
3D).

D’après ces analyses, nous constatons que la détermination du parcours dominant pour
le 1er cas ne présente aucun problème, puisque la recherche de ce dernier est déterminée à partir
de la méthode présentée au cours de ce chapitre. Par contre, la détermination du parcours en
mode 3D, reste encore à traiter, puisque plusieurs cas se présentent.

7.1. Analyse du parcours dominant en mode 3D


La détermination du parcours dominant quand le récepteur et l’émetteur ne sont pas
dans le même étage se fait par sélection suivant plusieurs grandeurs :
ƒ l’atténuation du parcours est essentiellement donnée par les atténuations directes des
dalles en plus de l’atténuation qui est due à l’espace libre.
ƒ l’atténuation du parcours est dominée par des atténuations dues aux franchissements
des dalles par rapport aux valeurs ajoutées lors des franchissements des murs.
ƒ l’atténuation du parcours est dominée par des atténuations dues aux franchissements
des murs par rapport aux valeurs ajoutées lors des franchissements des dalles.

7.2. Méthodologie de la recherche du parcours dominant


D’après le paragraphe précédant, la recherche du parcours dominant entre l’émetteur et
le récepteur se fait par sélection suivant la valeur minimale de l’atténuation accumulée pour les
différents parcours possibles.

De ce fait, la situation diffère suivant la position du terminal par rapport à la station de


base. Ainsi, nous présentons quelques situations à fin de mettre en évidence la sélection faite
dans le paragraphe précédant.

Dans une 1ère approche, l’atténuation du parcours est donnée par la prise en
considération de l’atténuation de la dalle franchie lors du parcours direct entre la station
serveuse et le récepteur (cf. Fig. 3.10).

SUP’COM page 40
Projet de fin d’étude

Fig. 3.10 : Parcours direct par passage par une seul dalle.

Dans une 2ème approche, l’atténuation de parcours est donnée essentiellement par
l’atténuation de la dalle, mais dans une considération que le récepteur et l’émetteur ne se sont
pas situés dans le même axe. Dans ce cas, on teste si la position du récepteur est en visibilité
directe, comme si l’émetteur et le récepteur étaient dans le même étage. Si c’est le cas, alors
l’atténuation de parcours ne prend en vigueur que l’atténuation du franchissement de la dalle
(cf. Fig. 3.11).

Fig. 3.11 : Parcours indirect par passage par une seul dalle.

Dans une dernière approche, dans le cas ou l’émetteur et le récepteur ne vérifient


aucune de ces règles citées au paravent. Dans ce cas, nous calculons les pertes en dB pour le
trajet de l’émetteur vers le récepteur comme si les deux étaient dans un même étage. En effet,
pour ce calcul, nous aurons deux valeurs à comparer. La valeur la plus minimale précise par le
trajet dont nous prenons en considération (cf. Fig. 3.12).

SUP’COM page 41
Projet de fin d’étude

Fig. 3.12 : Parcours indirect par passage par une seul dalle et un seul mur.

Ainsi, ces approches misent en vigueur, nous permette d’assurer la migration vers un
modèle multi-étages tout en gagnant au niveau du temps de calcul. Mais, l’apport de l’ingénieur
selon les données des bâtiments doit être remarquable vue que la répartition et la nature des
constructions varient d’un endroit à un autre.

7. Mise en évidence des deux diagrammes de rayonnement


Les modèles de prédiction de puissance ont été toujours retrouvés que ce soit à partir
des mesures radio, que se soit à partir des modèles mathématiques. Nous précisons à ce stade
que tous ces modèles, y compris le modèle du parcours dominant tiennent en considération que
l´antenne d´émission est toujours une antenne isotrope, dont le diagramme de rayonnement est
uniforme dans toutes les directions.

Pour se rapprocher d´avantage de la réalité, nous proposons de mettre en évidence les


deux diagrammes de rayonnement des antennes mis en place pour la prédiction. Dans le
premier chapitre, nous avons proposé toute une étude à propos le bilan de liaison.

La mise en évidence du bilan de liaison est essentiellement liée aux deux gains
horizontaux et verticaux. Après la détermination du parcours dominant et de l´affaiblissement
du parcours, nous pouvons retrouver le gain de l´antenne suivant les deux directions. En effet,
le parcours dominant se compose d´un ou de plusieurs tranches de segments. De ce fait, la
première tranche de ce parcours nous permettra de déterminer les deux angles θ et ϕ .

SUP’COM page 42
Projet de fin d’étude

Soit la figure suivante dont elle nous explique ce principe :

Fig. 3.13 : Principe de la détermination des deux angles θ et ϕ

A ce stade, d´après ces deux angles θ et ϕ , nous pouvons retrouver le gain horizontal et
vertical de l´antenne. En effet, chaque antenne présente un fichier Pattern dont nous pouvons se
référer pour déterminer la valeur exacte des deux gains vertical et horizontal. Ce qui nous
permet de calculer la PIRE (puissance isotrope rayonnée équivalente) de ce dernier tout en
prenant en considération les pertes de Feeder et autres pertes possible. Soit l´équation (3.6) qui
nous met en vigueur la valeur de la PIRE :

PIRE = PBTS + GV + GH − PFeeder − Pautres (3.6)


où :
ƒ PBTS : la puissance de la BTS serveuse en dB.

ƒ GV et GH : respectivement le gain verticale et le gain horizontale de


l´antenne donnés en dB.
ƒ PFeeder : perte Feeder en dB.

ƒ Pautres : autres pertes possibles (exemple : perte du à un splitter) en dB.

Conclusion
Au cours de ce chapitre, nous avons étudié les différentes détailles du modèle parcours
dominant. Nous avons mis en évidence toutes les méthodologie de la détermination du parcours
dominant que ce soit par la méthode de la matrice de prédiction, que ce soit par la méthode de
l´arbre de structure. De plus, nous avons proposé dans ce chapitre une nouvelle méthodologie
pour la détermination de l´atténuation dans le cas d´un scénario multi-étages et le principe de la
mise en évidence des deux diagrammes de rayonnement d´une antenne réelle.

SUP’COM page 43
Projet de fin d’étude

Nous allons présenté dans le chapitre suivant les déférents apports de notre
implémentation logistique au niveau de la planification Indoor, ainsi que le choix de la solution
programmable la plus adéquate pour la prédiction de la couverture Indoor et l´analyse des
mesure radio.

SUP’COM page 44
Projet de fin d’étude

Chapitre 4

Implémentation logicielle

Introduction
Afin de mettre en oeuvre le modèle déjà choisi dans le chapitre précédant, nous
proposons dans ce chapitre un descriptif détaillé de l’application développée au sein de
TUNISIANA durant la période de ce projet.

Indoor Solutions est une application dédiée à la planification en milieu Indoor. Elle
comprend essentiellement deux parties :
ƒ InPred (Indoor Predictions) : outil de calcul des prédictions de la propagation radio
pour des scénarios Indoor. Cet outil prend en considération de l’effet multi-étages,
les différentes propriétés physiques des la base vectorisées 3D, les paramètres des
équipements radio, etc.
ƒ InCoord (Indoor Coordinates) : outil permettant de tracer des analyses thématiques
pour des scénarios Indoor, vu l'absence des coordonnées GPS à l’intérieur des
bâtiments.

Ainsi, une telle implémentation exige toute une étude algorithmique et une adéquate
spécification de la problématique. C’est-à-dire faire le bilan des données disponibles ainsi que
leurs types puis définir les flux entrants et les flux sortants à fin d’aboutir aux résultats attendus.
Enfin, choisir les langages de programmations les plus adéquats pour le développement de
notre application.

1. Indoor Solutions : Architecture et concept de base


En tenant compte du cahier de charge de notre projet et pour plus de maniabilité au
niveau de la conception de base, nous avons développé l’application Indoor Solutions qui
communique avec les différents serveurs installer au sein de la machine tel que :

SUP’COM page 45
Projet de fin d’étude

ƒ serveur AutoCAD : l’import des fichiers de structures fait appel à ce serveur


pour la lecture et la sauvegarde des données 3D vectorisées dans une base
dynamique an niveau de l’application.
ƒ serveur Excel : la lecture des fichiers de mesures radio exporter de Tems
Investigation GSM se fait à l’aide de ce serveur. En fait, les fichiers de trace
sont exportés sous format text file, puis, ce fichier est ouvert par Excel pour
des modifications possibles, enfin, enregistré sous format xls pour l’import
au niveau de l’application.
ƒ serveur MatLab : en fait, MatLab nous permet d’installer un serveur locale
au niveau de la machine à fin d’accéder aux différentes fonctionnalités de ce
dernier tel que: le calcul matriciel, etc.

Fig. 4.1 : Indoor Solutions : Architecture logicielle.

Ainsi, à travers des pipelines Windows, Indoor Solutions peut communiquer avec ces
différents serveurs tout en gardant l’aspect dynamique au niveau de l’utilisation optimale de la
mémoire du système.

Dans ce qui suit, nous allons présenter les deux packs de ce logiciel dans le cadre de
démontrer les approches télécoms que nous avons implémenter afin de valider les résultats
retrouver au cours de ce projet. Ainsi, la description que nous allons aborder tient en compte
non pas de l’aspect informatique mais de la valeur ajouter par Indoor Solutions.

2. InPred (Indoor Predictions)


Les paramètres de création d'une étude de prédiction varient selon l'étude à réaliser. Ce
qui met en considération qu’il est nécessaire de créer une étude de prédiction pour chaque type

SUP’COM page 46
Projet de fin d’étude

de couverture. Ainsi, InPred a été conçu pour la prédiction en milieu Indoor pour des scénarios
multi étages ou à simple structure.

Pour cela, InPred doit permettre la possibilité d´acquérir des plans soit d’AutoCAD soit
la saisie par l’application elle même, la création et le paramétrage des sites radio… De ce fait, à
la différence des modèles précédant, InPred utilise comme moteur de calcul un nouveau
modèle de prédiction : IDP (Indoor Dominant Path).

2.1. Fenêtre principale


La fenêtre principale de l’outil InPred constitue le premier environnement dans lequel
l’utilisateur est confronté lors de l’utilisation de cet outil. Cette fenêtre se présente comme suit :

Fig. 4.2 : Fenêtre principale de InPred

Au cours de notre 1ère analyse de l´interface, nous pouvons constater que cette
application comprend essentiellement : un barre de menu, un barre de menu rapide, une zone de
structure du projet en cours, une fenêtre de dessin pour afficher les divers plans de structure et
les divers formes de simulation, une zone d´information…

Nous voyons clairement que le programme devrait offrir plusieurs « modes » de travail.
Nous en repérons déjà deux, dès à présent : le mode « Edition » et le mode « Calcul et Rendu
Graphique ». Si les fenêtres resteront sensiblement les mêmes, nous devrons modifier l’aspect

SUP’COM page 47
Projet de fin d’étude

des menus et des barres d’outil afin d’empêcher les opérations qui sont réservées exclusivement
à un mode (la répartition de celles-ci entre les deux modes est triviale). Nous jugerons
également qu´il est nécessaire d´éliminer les résultats affichés lors du passage du mode « Calcul
et Rendu Graphique » vers le mode «Edition ».

Ce pendant, avant d’entamer ce passage d´un mode vers un autre mode, une description
détaillée des divers fonctionnalités nous permettrons de distinguer la différence entre le mode
« Edition » et le mode « Calcul et Rendu Graphique ».

2.2. Menus principaux et Menus rapides


En premier vue, nous pouvons remarquer que InPred comprend divers menus. En fait,
pour chaque mode, cette barre de menu change. Au cours du chapitre suivant, nous allons
évaluer quelques fonctionnalités de cette barre de menu.

InPred comprend aussi une barre de menu rapide, ce qui nous permet de faciliter l´accès
aux menus les plus utilisés au cours de son travail. A travers InPred, nous pouvons également
créer, modifier, imprimer ou sauvegarder des projets que ce soit existant ou réellement créer.

En effet, les différents menus figurant dans InPred nous permet une multitude de
fonctionnalité à compter :

ƒ Création d’un projet : nous considérons qu’en réalité ce-ci peut être fait que ce soit
lors du lancement de Indoor Solutions que ce soit lors de l´utilisation de
l´application.
ƒ Ouverture d’un projet : nous offrira à l’utilisateur la possibilité d’ouvrir un projet
sauvegardé antérieurement. Nous pouvons imaginer qu’il y ait plusieurs façons
d’ouvrir un projet (typiquement soit au lancement de l´application soit lors de
l´utilisation de Indoor Solutions), selon la façon dont on l´a sauvegardé.
ƒ Insertion des Fichier AutoCAD : A travers ces fonctions, nous mettons en œuvre
deux menus dans InPred suivant les besoins de l´utilisateur : que ce soit en mode
simple ou en mode Wizard.
ƒ Sauvegarde d’un projet : à tout moment l’utilisateur devra pouvoir sauvegarder son
travail, ainsi, la sauvegarde du projet en cours peut se faire pour le projet en cours
ou bien dans une nouvelle copie renommé du projet en cours.

SUP’COM page 48
Projet de fin d’étude

ƒ Edition de la structure : ce cas d’utilisation est bien évidemment fort complexe et


rassemble un groupe de fonctionnalité graphique nous permettons de tracer la
structure du scénario à étudier, ou bien, d´exécuter des modifications sur le projet en
cours.
ƒ Annulation de la dernière opération : InPred nous permet d´annuler la dernière
opération d’édition que celui-ci a réalisées. Pour ce faire, nous réalisons une
mémoire pour sauvegarder à chaque fois la dernière opération exécuté pour qu´on
puisse l´annuler.
ƒ Lancement des calculs de prédiction : ce cas d’utilisation doit être séparé en
plusieurs étapes du fait de sa complexité. On commence d’abord par récolter le
choix et les paramètres de méthode de calcul, ensuite il faut effectuer les calculs
demandés, et enfin il faut effectuer un rendu graphique adapté.

Comme conséquence, InPred présente une barre de menu rapide tel que :

Fig. 4.3 : Différent menus rapide de InPred.

La liste des menus de InPred figure dans l´annexe (Annexe A) de ce rapport.

2.3. Paramétrage des projets de InPred


Sous InPred, un projet peut être paramétrer suivant les besoin de l´utilisateur. En fait,
nous venons de proposer que le concepteur d´un projet puisse laisser ses coordonnées pour une
collaboration ultérieure. De plus, un projet en cours de construction doit être calé en cas d´un
scénario multi-étages. L´utilisateur de InPred peut aussi modifier la taille du plot du projet en
cours. Enfin, nous mentionnons aussi que chaque couche d´un projet sous InPred peut être
paramétrer indépendamment des autres couches du projet. La figure Fig. 4.4 nous présente un
graphe des différentes paramètres fenêtres de paramétrages d´un projet implémenté dans cette
application :

SUP’COM page 49
Projet de fin d’étude

Fig. 4.4 : InPred : Facile à paramétrer.

2.4. Fonctionnalité de base : traçage et notion d´architecture


InPred, en fait, est une application basée sur des notions de la littérature architectural.
En effet, nous avons prévus dans cette application toute une hiérarchie de notion de base pour
la saisie vectorisée des scènes géographiques. Comme conséquence, nous avons prévu à travers
des fonctionnalités de traçages 2D, le saisi des plans de structures par l´interface elle même ou
par l´import des fichiers AutoCAD. Ainsi, InPred nous permet diverses fonctions de traçage,
une multitude de tracer et une modification facile et rapide du plot. Le graphe suivant nous
montre les diverses fonctionnalités de base que nous avons implémenté au sein de InPred.

Fig. 4.5 : InPred : Une multitude de tracer.

SUP’COM page 50
Projet de fin d’étude

2.4. Les antennes


Une antenne est un élément matériel, pouvant se présenter sous différentes formes, et
destiné à l'émission et la réception des signaux radioélectriques. Selon la bibliothèque prise en
considération, InPred a était développé de telle sorte qu´intègre les antennes utilisées par
Tunisiana de type Kathrein (voir Annexe C pour plus de détails). En effet, dans InPred, il est
possible de créer des antennes et d'en paramétrer les propriétés pour chacune d'entre elles (cf.
Fig. 4.6).

Les caractéristiques des antennes utilisées par les émetteurs sont saisies à l'aide des
dialogues de propriétés (Nom, Gain, Diagramme Horizontal, Diagramme vertical, azimut,
orientation…) (cf. Fig. 4.7 et Fig. 4.8).

Pour faciliter le travail de l'utilisateur, nous avons prévu dans InPred la possibilité de
placer, configurer et supprimer une ou plusieurs antennes (s) suivant les besoins de l’utilisateur.

Fig. 4.6 : Propriétés de l´antenne courante.

SUP’COM page 51
Projet de fin d’étude

Fig. 4.7 : Visualisation du diagramme Fig. 4.8 : Visualisation du diagramme Verticale


Horizontale de l´antenne courante. de l´antenne courante.

2.5. Le moteur de calcul d´InPred

La technologie de calcul d´InPred est basée sur l'utilisation d'une représentation interne
vectorisée du scénario du bâtiment. Les calculs de propagation sont optimisés par la
détermination automatique du parcours dominant, puis la valeur du Path loss est déterminée à
partir de la distance de calcul utile déjà déterminé.

Ainsi, nous avons prévus pour l´utilisateur une configuration dynamique de InPred. De
ce fait, l´utilisateur, peut faire l´accès à plusieurs paramètres de l´application à fin de les
modifier suivant ses besoins. InPred présente tout un menu pour le paramétrage de
l´application : Settings. Dans ce menu, nous avons prévus le accès aux paramètres :
ƒ de traçage et du projet courant : le traçage des scénarios et la simulation nécessite
toute un vectorisation 3D la plus fine possible. A ce contexte, nous venons de
proposer ces paramètres dont l´utilisateur peut les modifier suivant ses besoins tel
que : la hauteur de la porte, des fenêtres, les caractéristiques physiques des
matériaux du bâtiment, etc. (cf. Fig. 4.9).

SUP’COM page 52
Projet de fin d’étude

Fig. 4.9 : Fenêtres de paramétrage du dessin.

ƒ des classes de couleur pour l´affichage des résultats : le résultats de la simulation


sous InPred est affiché suivant des classes de couleurs dont nous laissons la liberté
totale à l´utilisateur de les paramétrer (cf. Fig. 4.10).

Fig. 4.10 : Fenêtre de paramétrage des classes des couleurs.

ƒ du moteur de calcul et aux différents paramètres internes de ce simulateur : les


variables du moteurs de calcul de IDP peuvent être modifier manuellement ou bien
modifier par calibration (cf. Fig.4.11).

Fig. 4.11 : Fenêtre de paramétrage du simulateur.

SUP’COM page 53
Projet de fin d’étude

ƒ de la calibration automatique du moteur de calcul : la phase de la calibration du


modèle du parcours dominant est faire automatiquement dans InPred (cf. Fig. 4.12).

Fig. 4.12 : Fenêtre de paramétrage de la calibration automatique.

2.5.1. Procédure de la simulation du parcours dominant

Le modèle de propagation pris en considération stimule l´atténuation de parcours en


deux étapes : la recherche du parcours dominant, ensuite le calcul de valeur de Path Loss pour
ce dernier.

Suivant le descriptif que nous avons présenté dans le chapitre dernier, le parcours
dominant est déterminé soit : par le balayage inverse de l´arbre de structure, soit par la matrice
de transition. Comme conséquence de la bibliographie, InPred calcule ce parcours suivant
l´emplacement du récepteur par rapport à l´émetteur.

Dans ce cadre, le choix que nous venons de prendre en considération est essentiellement
dépendant de la structure du scénario à étudier. Même ci, nous permutons entre deux les
méthodes de la recherche du parcours dominant : la méthode de l´arbre de structure et la
méthode de la matrice de prédiction, les résultats que nous venons de valider nous à permis de
montrer que le temps de calcul diminue énormément.

Le choix de la méthodologie se fait alors suivant plusieurs critères à compter :


ƒ le nombre d´obstacle entre l´émetteur et le récepteur.
ƒ la position de l´émetteur par rapport au récepteur (même étage ou non).
ƒ la présence d´un effet de guidage entre l’émetteur et le récepteur, même si le cas
ne figure pas une visibilité directe (cas d´un couloir par exemple).

SUP’COM page 54
Projet de fin d’étude

Nous allons détailler chaque cas au cours de cette implémentation à fin de donner un
peu plus de détails. De ce fait, le cas le plus simple est celui de la visibilité directe (Line of Site
entre émetteur et récepteur) (cf. Fig. 4.13).

Fig. 4.13 : Cas de la visibilité directe.

Par contre, lorsque l’émetteur et le récepteur ne sont pas en visibilité directe (None Line
of Site), le moteur de calcul doit faire la distinction entre deux cas :

ƒ entre l’émetteur et le récepteur se présente un effet de guidage, mais ces deux


derniers ne sont pas directement visible : en fait, dans ce cas, nous utiliserons la
méthodologie de la matrice de transition comme a été décrite dans le chapitre
précédant (cf. Fig. 4.14).
ƒ l’émetteur et le récepteur ne sont pas directement visibles et plusieurs obstacles
interviennent au cours de la détermination du parcours dominant. Tel que, ce
processus de recherche stimule par la méthode de l’arbre de structure. A ce stade, le
parcours dominant devient un peu plus compliqué par rapport aux deux dernières
méthodes (cf. Fig. 4.15).

Fig. 4.14 : Cas de la visibilité indirecte – parcours recherché par la méthodologie de la


matrice de transition.

SUP’COM page 55
Projet de fin d’étude

Fig. 4.15 : Cas de la visibilité indirecte – parcours recherché par la méthodologie de l’arbre
de transition.

2.5.2. Calcul de la valeur de l’atténuation de parcours (Path Loss)

Après le processus de la recherche du parcours dominant entre l’émetteur et le


récepteur, le calcul de la valeur de l’atténuation de ce dernier est faite calculé suivant le
processus suivant :
ƒ calculer les différentes valeurs α i de chaque tranche constituant le parcours.

ƒ calculer de même les différentes valeurs d ni (ζ ) .

ƒ calculer les différentes valeurs Waveguiding factor: wi (ζ ) .

Après le calcul des différents paramètres qui constituent l’équation de base de ce


modèle (Indoor Dominant Path) suivant les hypothèses suivantes :

ƒ la valeurs finale pour un parcours donnée du facteur de guidage dans ce modèle est
donnée par : α = ∑α i .

ƒ les valeurs de n prennent initialement les valeurs 2.1 en cas de LOS (visibilité
directe entre émetteur et récepteur) et la valeur de 2.6 en cas de NLOS (visibilité
indirecte entre émetteur et récepteur). n sera modifié au cours de la phase de la
calibration.

D´après ce que nous venons de constater, le modèle du parcours dominant doit être
calibré pour minimiser l´erreur de prédiction. De ce fait, nous pouvons conclure que les
variables ( n, LD , ωi ) sont essentiellement les variables à calibrer.

3. InCoord (Indoor Coordinates)


L´analyse de la couverture à l’intérieur des bâtiments reste toujours l´un des soucis de la
planification en matière de la radio-mobile. Ainsi, malgré le disfonctionnement du GPS,
InCoord, nous permet de résoudre cette problématique pour des scénarios Indoor. En effet,

SUP’COM page 56
Projet de fin d’étude

nous venons de développer une nouvelle technique qui nous permet d´étaler des mesures radio
et de faire des analyses adéquates.

3.1. Fenêtre principale


La fenêtre principale de l’outil InCoord constitue le premier environnement dans lequel
l’utilisateur est confronté lors de l’utilisation de ce pack. Cette fenêtre se présente comme suit :

Fig. 4.16 : Fenêtre principale de InCoord.

D´après notre 1ère analyse de l´interface, nous pouvons constater que cette application
présente, de même que InPred : un barre de menu, un barre de menu rapide, Une zone de
structure du projet en cours, une fenêtre de dessin pour afficher les divers plans de structure et
les divers formes de simulation, et une zone d´information.

InCoord, déchiffre du principe de InPred, au sens de l´architecture de la manipulation.


De ce fait, InCoord présente deux modes de travail : le mode « Edition » et le mode « Calcul et
Rendu Graphique ».

3.2. Menus principaux et Menus rapide


Lors de la conception ce Indoor Solutions, une interface commune entre les deux packs
a été développé. Ce qui ne nous empêche pas de concevoir des menus paramétrables. A ce
stade, InCoord présente des menus différentes que InPred.

SUP’COM page 57
Projet de fin d’étude

De plus, InCoord présente aussi une barre de menu rapide à fin de faciliter l´utilisation
de ce pack. Ce qui met en considération une rapidité de manipulation.

En effet, InCoord présente les mêmes fonctionnalités de base de InPred, mais une barre
de menu rapide tel que :

Fig. 4.17 : Différent menus rapide de InCoord.

Enfin, La liste des menus de InCoord figure dans l´annexe (Annexe B) de ce rapport.

3.3. Processus des analyses thématiques


A travers InCoord, nous devons faire la saisie du parcours, l’import du fichier de
structure et du fichier des mesures radio. En effet, de Tems Investigation GSM, nous devons
exporter un fichier de type Text GSM, pour la suite l’importer par InCoord. Ainsi, Après la
saisie des différentes données pour l’analyse, nous pouvons lancer l’analyse thématique par un
simple clic dans le menu rapide, ou par l’accès direct au menu approprié Analyse. Soit la figure
ci-dessous qui nous présente les différentes démarches de ce processus.

Fig. 4.18 : Processus des analyses thématiques.

3.4. Saisie du parcours et visualisation

Dans le but de faire des analyses thématiques, pour un milieu où le GPS ne fonctionne
pas, la comparaison temporelle reste le seul souci à être implémenté. comme conséquence, lors
de la prise des mesures radio dans un bâtiment, nous devons tracer le parcours en même temps
que le mobile à trace enregistre les mesures radio tel que nous recommandons de lancer
l´application de mesure des paramètres du réseau GSM avant la saisie du parcours.

SUP’COM page 58
Projet de fin d’étude

En fait, pour une simulation en temps réel, InCoord a recours à deux paramètres : le
temps et la date, afin de pouvoir traiter les analyses recommandées par l´utilisateur suivant la
méthodologie implémentée.

3.4.1. Processus d´analyse implémenté

Pour un parcours donné, nous pouvons constaté qu´il peut se composer de N tranches de
segments dont chaque tranche doit contenir en réalité M points de mesures.

Comme conséquence de ce principe, pour chaque ligne du fichier de mesure doit


correspondre à un point compris entre les deux extrémités d´une tranche de parcours. De ce fait,
on peut chercher d´après les deux instants ti et ti+1 le nombre totales des points de mesures
enregistrés. Ce qui nous permettrons de les extraire du fichier source et de les classer dans un
tableau dynamique. Ainsi, en connaissant le nombre totale des points de mesure, nous pouvons
déduire les différentes positions de ces valeurs entre les deux ti et ti+1 par la simple
implémentation d´une interpolation linéaire.

Pour un parcours donné, nous pouvons constater que pour chaque extrémité saisie par
InCoord doit présenter :
ƒ les deux positions x et y de ce marqueur.
ƒ l´heure du système pris en millième de seconde près.
ƒ la date du système.
ƒ l´indice de la couche (en cas d´un scénario multi étage).

Ainsi, on peut extraire par une comparaison temporelle entre fichier de mesure et les
différents points marqueurs du parcours les données pour chaque tranche. Soit la figure ci-
dessus qui nous présente le principe de l´extraction de la plage des valeurs pour chaque
segment du parcours déjà saisie (cf. Fig. 4.19).

Fig. 4.19 : Principe de l´analyse de parcours.

SUP’COM page 59
Projet de fin d’étude

De ce fait, après avoir établir le parcours et la saisie des données, InCoord nous permet
de faire des analyses pour un parcours donnée suivant plusieurs critères tel que : l´analyse
thématique pour les différentes variables qui figurent dans le fichier de mesure, le paramétrage
dynamique des classes de couleurs…

3.4.2. Classes des couleurs

Dans le but de faire des analyses thématiques, des classes de couleurs doit être
configurées dynamiquement au sein de InCoord à fin d´afficher le résultat sous forme de plot.

InCoord nous permet de modifier dynamiquement ces classes de couleur à l´aide de la


fenêtre figurante ci-dessus tout en tenant en considération que les modifications de ces classe de
couleurs doit être fixer avant la phase de l´analyse à faire.

Soit la figure si dessous qui nous explique les différents champs figurant dans la boite
de dialogue Signal Strength thresholds (cf. Fig. 4.20).

Fig. 4.20 : Fenêtre des classes des couleurs.

3.4.3. Analyse thématique

Dans le cadre professionnel, l’évaluation de la qualité radio se base sur l’analyse des
mesures numériques Indoor. InCoord ne permet d’analyser que des fichiers de mesures qui ont
été effectuées à l’aide de l’outil de mesure TEMSTM Investigation GSM. Un ensemble de
paramètres sont calculés à chaque instant (chaque 0.5s) à l’aide de cet outil. On essaie
d’extraire celles qui sont utiles pour pouvoir détecter les problèmes Indoor (RxLev, RxQual,
etc.).

SUP’COM page 60
Projet de fin d’étude

Comme conséquence, les mesures radio ne peuvent pas être affichés pour des analyses
thématiques vu le disfonctionnement du GPS (Global Positioning System). Pour faire des
comparatifs des résultats de la simulation et pour permettre à faciliter la phase de la calibration,
nous avons implémenté au sein de Indoor solutions, InCoord.

Au cours d´un drive test, InCoord nous permet de faire la saisie du parcours de mesure.
En effet, l´agent qualifié doit, en premier lieu, lancer l´enregistrement des données à travers
l´application de Tems Investigation GSM. Puis lancer InCoord pour marquer son parcours tout
en ayant une orientation à travers un plan de la scène géographique affiché par notre
l´application.

La figure Fig. 4.21 nous montre un croquis d´un parcours saisie avec InCoord.

Fig.4.21 : Parcours de mesure Indoor saisie sur InCoord.

Après la clôture de la phase du drive test, nous faisons l´import des mesures radio
dans InCoord pour les analyses suivant la variables désirées. Dans ce cas, nous allons
faire l´analyse du niveau de puissance RxLev Full dans le 1st étage. Le résultat de
l´analyse est donné par la figure Fig. 4.22.

SUP’COM page 61
Projet de fin d’étude

Fig. 4.22 : Résultat de l´analyse de la variable RxLev Full

Conclusion

Dans ce chapitre, nous avons analysé les diverses approches télécoms implémentées au
sein de Indoor Solutions. En effet, nous pouvons utiliser InPred pour la prédiction du signal qui
se base sur le nouveau modèle : Indoor Dominant Path. De plus, InCoord nous permet
l’affichage des mesures radio pour un ou plusieurs parcours pour des scénarios Indoor.

Dans ce cadre, nous allons étudier dans le chapitre suivant un cas réelle de scénario
Indoor dont nous allons présenté l’utilité de l´application Indoor Solutions développé au cours
de ce stage pour tirer les règles de la planifications Indoor permettant le choix de la solution la
plus adéquate pour assurer une couverture radio homogène à l’intérieur des bâtiments.

SUP’COM page 62
Projet de fin d’étude

Chapitre 5

Simulation et calibration du modèle IDP :


Étude de cas réelle et comparaison avec un
modèle empirique.

Introduction
Au cours du chapitre précédent, noua avons expliqué en détails les fonctions de base de
l´application que nous venons de la développer tel que la prédiction de couverture radio, la
détermination et l´analyse du parcours, le paramétrage des antennes, etc.

Dans ce chapitre, nous allons faire la prédiction de la couverture radio avant la phase de
la calibration du modèle. Puis, nous allons détailler la méthode de la régression linéaire tout en
prenant en considération, la manière dont nous allons l´appliquer afin de mettre en œuvre la
méthode adéquate de calibrage pour l´appliquer à l´IDP. Ensuite, nous traitons un cas réel du
scénario existant dans notre environnement Tunisien.

Enfin, nous allons valider la méthode introduite au cours du 3ème chapitre intitulé
« Intégration de l´effet multi étages » par la simulation d´un scénario multi-étages.

1. Prédiction de la couverture radio


D´après notre étude faite dans les deux derniers chapitres, nous allons appliquer la
méthode du parcours dominant pour l´étude de la couverture radio de l’immeuble Palmarium –
Avenue Habib BOURGUIBA, Tunis. Soit la figure Fig. 5.1 qui nous illustre une représentation
de ce scénario à étudier:

SUP’COM page 63
Projet de fin d’étude

Fig. 5.1 : Plan de structure du R.D.C de l´immeuble Palmarium.

La prédiction de la couverture radio par la méthode du parcours dominant nécessite


l´établissement d´une phase de calibration pour que ce modèle permettra de nous donner de
bons résultats. Comme conséquence, nous allons simuler ce scénario avant et après la phase de
la calibration. Pour cela, nous allons fixer aléatoirement les trois paramètres ( n, wi , LD ) de

l´équation du Path Loss.

La saisie de la scène est faite sous AutoCAD, puis importer à l´aide de la fonction
Wizard implémenté au sein de InPred. Le paramétrage des différentes antennes mis en place est
faite à l´aide de la fenêtre Antenna Settings (cf. Fig. 5.2)

Fig. 5.2 : Fenêtre de paramètre de l´antenne mis en place.

SUP’COM page 64
Projet de fin d’étude

Après la mise en place, nous devons paramétrer les différents champs figurant dans la
fenêtre Antenna Settings. Le tableau Tab. 5.1 comprend les différents champs de paramètre des
trois antennes mis dans cet étage.

Gain Puissance BTS perte feeder Autres pertes Hauteur


2 dB 17 dB 1 dB 0 dB 2.75 m
Tab. 5.1 : paramètre généraux des sites Indoor du palmarium.

Enfin, nous lançons la simulation sous InPred. Nous obtenons, alors, le niveau de la
puissance estimée dans cet endroit donnée par la figure Fig. 5.3.

Dans la figure Fig. 5.4, nous avons représenté une vue de dessus du bâtiment ainsi sa
couverture radio.

Fig. 5.3 : Analyse de la couverture à l´intérieur du bâtiment (R.D.C).

SUP’COM page 65
Projet de fin d’étude

Fig. 5.4 : Couverture Indoor (R.D.C).

Le résultat de la simulation affiché par l´application elle-même est donné par la figure
Fig. 5.5 :

Fig. 5.5 : Résultat de la simulation affiché par InPred (R.D.C).

SUP’COM page 66
Projet de fin d’étude

Ainsi, nous constatons que le niveau de la puissance s´atténue d´une façon anormale, ce
qui met en considération la nécessité de la phase de calibration du modèle du parcours
dominant.

2. Calibration du modèle du parcours dominant par la méthode de la


régression linéaire
La méthode de calibration des modèles, consiste à faire des corrections sur le modèle.
Le principe général de la méthode de calibration est tout simplement une fonctions qui consiste
à ajuster le modèle à l’aide de mesures réelles afin de remédier la prédiction la plus proches
possibles de la réalité.

Le modèle est alors une fonction de F donnée par [19]:


Yˆ = F ( x ) (5.1)

Ainsi, cette méthode consiste à faire une hypothèse sur le type de la loi mathématique
de la fonction de prédiction afin de déterminer par la méthode adéquate les différentes valeurs
de cette fonction F.

2.1. Principe de la régression linéaire

Selon l’équation de l´atténuation de parcours (3.5), l’estimation des paramètres du


modèle revient à construire une relation mathématique liant la variable des mesures y et des
variables descriptives X 1 , X 2 , X 3 … X k . L´équation de la relation s´écrit par [19]:

y = α 0 + α1 X 1 + α 2 X 2 + ... + α k X k (5.2)
où :
ƒ X = ( X 1 , X 2 ,..., X k )
ƒ A : vecteur des coefficients du modèles.
ƒ f : fonction de régression.
Alors nous pouvons écrire :
yi = f ( X i , A) + ei i = 1,.., n (5.3)
tel que :
ƒ X(i) : représente l´ensembles des valeurs prises par X à l´expérience i.
ƒ ei : variable d´écart aléatoire de moyenne nulle.
Le problème revient alors à résoudre l'équation :
Y = XA + E (5.4)

SUP’COM page 67
Projet de fin d’étude

Tout en prenant en considération que :


⎛ y1 ⎞ ⎛ α1 ⎞ ⎛ e1 ⎞ ⎛1 X 11 . . X1 j . . X 1k ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ .⎟ ⎜. . . . . . . . ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ .⎟ ⎜. . . . . . . . ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Y = ⎜ yi ⎟ , A = ⎜ α i ⎟ , E = ⎜ ei ⎟ , X = ⎜1 X i1 . . X ij . . X ik ⎟ (5.5)
⎜ . ⎟ ⎜ . ⎟ ⎜ .⎟ ⎜. . . . . . . . ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ . ⎟ ⎜ . ⎟ ⎜ .⎟ ⎜. . . . . . . . ⎟
⎜y ⎟ ⎜α ⎟ ⎜e ⎟ ⎜1 X . . X nj . . X nk ⎠⎟
⎝ n⎠ ⎝ n⎠ ⎝ n⎠ ⎝ n1

Soit A l´inconnue dont nous cherchons l´estimation  telle que la somme des
carrées des résidus soit minimale. Le principe consiste à annuler le dérivée de E t E par rapport à
A ( E t : transposé de E).

Etant donné que la taille du vecteur Y > 2, la matrice E t E est définie positive et le
vecteur estimé optimal sera donc [19]:

Aˆ = ( X t X ) X tY
−1
(5.6)

Si au cours de la recherche du vecteur  , nous constatons que dans le jeu de données,


des colonnes sont dépendantes (proportionnelles ou l’une d’elles est une combinaison linéaire
d’autres colonnes), la matrice X t X est singulière. Dans ce cas, il est nécessaire de faire une
sélection des variables pour obtenir des colonnes indépendantes. Le coefficient de corrélation
multiple est un paramètre très utilisé pour tester la qualité de cet ajustement. Ce coefficient est
donné par :

Yˆ − Y
R= (5.7)
Y −Y

où :
ƒ Yˆ : vecteur estimé.
ƒ Y : vecteur moyen des observation.
ƒ Y : vecteur des observations.

Ainsi, plus ce coefficient est proche de 1, plus la qualité de l’ajustement est meilleure.
Un autre paramètre, également utilisé comme l’indice de qualité d’ajustement, la déviation
standard (DS) dont celle-ci est définie par :

SUP’COM page 68
Projet de fin d’étude

1 ˆ 2
DS = Y −Y (5.8)
n

Comme conséquence, l’ajustement est d’autant plus meilleurs que DS est proche de 0.

Ainsi, nous avons mis en évidence l’importance de la méthode de la calibration pour les
modèles de propagation. Et suite à cette étude du principe de la méthode la régression linéaire,
nous allons maintenant aborder la méthodologie dont avons appliquer pour calibrer à notre
modèle.

2.2. Reformulation de la fonction de base et calibration du modèle du parcours


dominant

Suite à des mesures faite précédemment, nous allons fixer l’émetteur à une hauteur de
2.75 m au dessus du sol. Par contre, la hauteur du récepteur est fixé à une hauteur de 1.5 m.

D’après notre étude bibliographique du modèle pris en vigueur, les mûrs sont divisées
de tel sorte que chaque pièce soit contourner par au moins 4 segments, puisque la structure du
bâtiment à été acquis sous format AutoCAD.

Il faut signaler que la méthode du parcours dominant doit, aussi, respecter les normes
de la méthode de calibration développée au cours du paragraphe précédant. Comme
conséquence, nous avons adopté toute une méthodologie pour remédier cette problématique. La
reformulation de la formule de base du modèle choisi, doit être élaboré par partie. A ce stade, si
on se plonge de nouveau dans la formule de base de l’IDP (voir l’équation 5.9). Nous
constatons que cette formule présente, en fait, deux parties dont la deuxième nous cause un
problème, puisque la méthode développée dans le paragraphe précédant ne gère que des
variables totalement dépendant.

Pour cela, un calibrage automatique (par exemple la méthode de la régression linéaire)


des paramètres ( n, LD , ωi ) peut être possible, tout en ayant pas une dépendance entre ces
paramètres trop compliqués [18].

Ainsi, nous pouvons conclure que ce modèle ne peut pas être calibré d’un seul coup.
D´ou, la calibration de ce modèle doit être faite par partis. Nous détaillerons la méthode
implémentée tout en reprenant l´équation de base du Path Loss.
n
⎛ ϕ ⎞
L = 20 n (1 − 0.5 α ) log(d ) + ∑ ⎜ wi i LD ⎟ (5.9)
i =1 ⎝ 180° ⎠

SUP’COM page 69
Projet de fin d’étude

Nous allons fixer un des deux paramètres figurant dans la somme de la formule (5.9), ce
qui nous permettras d´appliqué la méthode de la régression linéaire pour la calibration de notre
modèle. A ce stade, lorsque on fixe wi , la formule de base devient :
n
L = α 0 X 1 + ∑ ( X 2α1 ) (5.10)
i =1
où :
ƒ X 1 = 20 (1 − 0.5 α ) log(d ) (5.11)
ϕi
ƒ X 2 = wi (5.12)
180°

Les deux expressions X 1 et X 2 sont automatiquement déterminées à partir de la structure

de la scène à étudier suivant la position de l´émetteur et du récepteur. Par contre, α 0 et α1 se


sont deux constantes de pondérations que nous allons les déterminer par la méthode de la
régression linéaire.

Une fois que nous avons déterminé les deux premiers paramètres, nous devons refaire la
calibration de ce modèle tout en prenant en considération la nouvelle formule:
n
L = α 0 X 1 + ∑ ( X 3α 2 ) (5.13)
i =1
avec :
ƒ X 1 = 20 (1 − 0.5 α ) log(d ) (5.14)
ϕi
ƒ X3 = LD (5.15)
180°

De ce fait, nous avons résolu ce problème de dépendance entre les wi et LD . Soit le


tableau ci-dessus (Tab. 5.2) qui résume les résultats de la calibration :

Nombre de mesures Ecart type α0 α1 α2 R DS


(dB)
38 2.0798 2.9274 14.5558 0.9879 0.9535 1.4557

Tab. 5.2 : les résultats de la calibration du modèle IDP.

Comme conséquence et après la phase de la calibration, nous reformulons de nouveau la


formule de base de l´IDP afin de simuler de nouveau la prédiction. Nous allons ensuite

SUP’COM page 70
Projet de fin d’étude

minimiser cette erreur en appliquant la méthode de la régression linéaire pour calibrer


automatiquement n, LD et ωi .

La figure Fig. 5.6 nous illustre une représentation comparative entre les mesures réelles
et le résultat du modèle.

Fig. 5.6 : Graphe comparatif entre le modèle et les mesures réelle.

Enfin, après la calibration de notre modèle, la superposition de la courbe prédite par la


méthode du parcours dominant et celle des mesures réelle est donnée par la figure suivante :

Fig. 5.7 : Modèle calibré.

SUP’COM page 71
Projet de fin d’étude

3. Etude de cas réel

Dans le but de tester les performances de notre modèle choisi, nous nous proposons
d’approfondir notre étude pour le même scénario. En effet, nous analysant en premier lieu l´état
radio actuel au niveau du Palmarium, ensuite, nous allons proposons l´emplacement et le
nombre d´antennes à installer à l´intérieur de ce complexe. Enfin, nous simulons à l´aide de
l´outil que nous avons développé durant ce projet.

3.1. Problèmes radio

Suite à l’analyse des mesures radio effectuée sur le Palmarium, nous avons constaté
l’existence de deux catégories de problèmes majeurs :
ƒ Problème de couverture: quand le niveau de champ (RxLev) est mauvais, c'est-à-dire
il est inférieur à −90 dBm.
ƒ Problème d’interférence: caractérisé par un niveau de champ qui est bon (> −80
dBm) mais la qualité est supérieure à 4.

Pour le rez-de-chaussée, nous avons constaté l’existence d’un bon niveau de champs de
−70 dBm en moyenne dans le hall où il existe l’escalier mobile alors qu’au niveau des couloirs
et surtout à l’intérieur des boutiques, le niveau de champs devient inférieur à −90 dBm en
moyenne.

Concernant les étages supérieurs, le moyen des niveaux de champs reçus atteint les −70
dBm dans la plupart des couloirs. Ceci est dû à la visibilité directe entre le Palmarium et les
sites qui l’entourent.

Mais, à coté des cages des ascenseurs au niveau des différents étages, on remarque que
le niveau de signal reçu diminue jusqu’a −90 dBm à cause des grandes pertes dues à
l’affaiblissement des murs en béton qui entourent les corridors des ascenseurs.

3.2. Analyse de la couverture actuelle

Suite à des mesures faite au préalable par notre opérateur Tunisiana, nous venons
d´analyser thématiquement ces mesures radio pour constater que le moyen des niveaux de
champs reçus atteint les −70 dBm dans la plupart des couloirs ce qui est exprimé par la
visibilité directe entre le Palmarium et les sites Outdoor.

SUP’COM page 72
Projet de fin d’étude

3.3. Simulation et résultats

Nous proposons de simuler la prédiction de la couverture radio pour le R.D.C du


palmarium. Et suite à l´étude faite précédemment sur l´état radio actuel au niveau du R.D.C,
nous avons planifié à installer 3 antennes Indoor en se référant à des règles d´ingénierie.

La saisie de la scène est faite sous AutoCAD, puis importer à l´aide de la fonction
Wizard implémenté au sein de InPred. Le paramétrage des différentes antennes mis en place est
faite à l´aide de la fenêtre Antenna Settings (cf. Fig. 5.2).

Après la mise en place, nous devons paramétrer les différents champs figurant dans la
fenêtre Antenna Settings. Le tableau Tab. 5.3 comprend les différents champs de paramètre des
trois antennes mis dans cet étage.
Gain Puissance BTS perte feeder Autres pertes Hauteur
2 dB 17 dB 1 dB 0 dB 2.75 m
Tab. 5.3 : paramètre généraux des sites Indoor du palmarium.

Enfin, nous lançons la simulation sous InPred. Nous obtenons, alors, le niveau de la
puissance estimée dans cet endroit donnée par la figure Fig. 5.8.

Dans la figure Fig. 5.9 nous avons représenté une vue de dessus du bâtiment ainsi sa
couverture radio.

SUP’COM page 73
Projet de fin d’étude

Fig. 5.8 : Analyse de la couverture à l´intérieur du bâtiment (R.D.C)

Fig. 5.9 : Couverture Indoor (R.D.C)

A l’aide de InPred, nous pouvons aussi visualiser l’état de la couverture de la


simulation déjà faite pour ce scénario. La figure Fig. 5.10 nous montre ce résultat :

SUP’COM page 74
Projet de fin d’étude

Fig. 5.10 : Couverture Indoor Affichée par InPred (R.D.C)

Nous constatons en visualisant les résultats de la simulation au niveau du R.D.C que


grâce à cette répartition des antennes, nous avons pu assuré une homogénéité de la couverture
radio avec un milieu assez élevé (entre −40 à −75 dBm en Indoor), surtout à l´intérieur des
boutiques existant.

InPred est aussi une application qui nous permet des simulations en mode « multi-
étages ». Précédemment, d´après la méthode « Méthodologie de la recherche du parcours
dominant » décrite dans le troisième chapitre, InPred nous permet de traiter des scénarios en
mode multi-étages.

4. Analyse de la couverture en mode multi-étages


Lors de la planification à l´intérieur des bâtiments, la prédiction de la puissance reçue au
niveau du terminal ne reste pas toujours limité à la détermination de la couverture d´un site
radio pour l´étage dont celui-ci est situé. Dans ce qui suit, nous allons changer de scénario, pour
étudier ce effet. En effet, le Palmarium est un complexe dont il ne présente pas une grande
différence de structure entre ces 3 niveaux (R.D.C, 1er étage et 2ème étage).

Après l´import des deux fichiers AutoCAD du scénario à étudier, la scène géographique
que nous allons l´étudier sera affiché automatiquement. Les deux figures Fig. 5.11 et Fig. 5.12
représentent respectivement les deux plans de structure du 1er étage et du 2ème étage.

SUP’COM page 75
Projet de fin d’étude

Fig. 5.11 : Plan de structure du 1er étage. Fig. 5.12 : Plan de structure du 2ème étage.

D´après les deux plans de structures des deux étages, Nous allons paramétrer la valeur
de l´atténuation des murs globale à 12 dB. Avant de placer l´antenne dont elle nous servira à
démontrer le niveau de signal dans les deux étages, nous allons nous servir du schéma
d´élévation du bâtiment établit par InPred pour déterminer la hauteur de l´antenne. Le schéma
d´élévation est donné par la figure Fig. 5.13. Au sein de InPred, nous allons placer une antenne
omni Kathrein de référence 741572 au plafond du 1er étage (la position est indiqué par la figure
Fig. 5.11) dont les paramètres de l´antenne sont donnés dans le tableau Tab. 5.4.

Gain Puissance BTS perte feeder Autres pertes Hauteur


2 dB 33 dB 4.03 dB 0 dB 2.75 m
Tab. 5.4 : paramètres de l´antenne Indoor.

Fig. 5.13 : Structure d´élévation du bâtiment à étudier

Après la phase de paramétrage du projet, nous pouvons lancer la simulation par un


simple menu direct. La simulation des deux étages se fait indépendamment, InPred ne simule

SUP’COM page 76
Projet de fin d’étude

que l´étage qui l´affiche en cours. Ce qui nous permet de dire que les deux étages sont simulés
un par un, pour donner le résultat suivant :

Fig. 5.14 : Niveau de puissance prédit du 1er Fig. 5.15 : Niveau de puissance prédit du 2ème
étage. étage.

D´après la figure Fig. 5.14 et la Fig. 5.15, nous constatons clairement la différence entre
le niveau de puissance du signal prédit pour le 1er étage et 2ème étage. Ainsi, d´après la figure
Fig. 5.13, nous pouvons conclure que le niveau de puissance dépend essentiellement de la
structure des deux étages mis en vigueur.

Conclusion

Dans ce chapitre, en suivant les étapes de planification Indoor, nous venons de proposer
une méthode possible pour la calibration de notre modèle. Ensuite, nous venons de proposer
l’étude d’une solution Indoor suite à une étude de prédiction du niveau de signal et en se basant
sur des mesures radio.

De plus, au cours de ce chapitre, nous venons de valider la méthodologie implémentée


dans InPred pour la prédiction en mode « multi-étages ».

Enfin, dans une dernière étape, nous proposons un test de validation de la méthode des
analyses de parcours implémenté dans Indoor Solutions, InCoord.

SUP’COM page 77
Projet de fin d’étude

Conclusion générale

L’étude et la modélisation de la propagation dans un environnement radio mobile a


permit de distinguer deux modes de propagation : propagation en espace libre et propagation à
trajets multiples. De ce fait, cette distinction nous a permis de mettre en évidence que les ondes
radio vont être généralement dépendant de la structure de la scène géographique.

Par ailleurs, la caractérisation du canal radio mobile reste toujours le souci majeur des
concepteurs de réseaux mobile. La modélisation est l’une des outils les plus utilisés qui existent
actuellement pour la résolution de ce problème. En effet, plusieurs modèles de propagation
existent notamment les modèles empiriques et les modèles déterministes. Dans le cadre de ce
projet de fin d’étude, nous nous somme intéressé au second type de modèle pour la prédiction
de la puissance dans des scénario Indoor.

A cet effet, nous avons présenté la méthode de lancer de rayons et la méthode de


radiosité. Malgré l’opportunité apportée par ces deux méthodes, nous avons mis l´accent sur un
nouveau modèle de propagation pour la prédiction de la puissance en milieu Indoor nommée
« modèle du parcours dominant / Indoor Dominant Path ». L’implémentation de ce modèle
pour la prédiction des milieux Indoor a été classée parmi les objectifs de notre travail.

Ainsi, après l’implémentation logistique, nous avons effectué plusieurs testes pour
évaluer ce modèle. Cette évaluation nous a permis de conclure que cette méthode consomme un
espace mémoire raisonnable qui sert au stockage des données relatives à la scène et aux
différentes méthodologies de cet algorithme. Cet espace consommé augmente au fur et à
mesure que le pas de la simulation augmente.

Les expériences faites ont montré aussi que l’augmentation de la résolution (c’est à dire
nous affinons le pas de la simulation de la scène) améliore nettement la qualité du résultat
obtenu tout en remarquons que le temps de calcul augmente tout en suivant une loi
exponentielle.

De plus, nous avons présenté au cours de ce projet de fin d´étude, de nouvelle approche
pour améliorer le modèle du parcours dominant. En effet, nous venons de proposer toute une

SUP’COM page 78
Projet de fin d’étude

hiérarchie pour la prédiction de la puissance pour des cas multi-étages puisque ce modèle
n´intègre pas cet effet et l´intégration des diagrammes de rayonnement des antennes mis en jeu.
Enfin, nous venons de calibrer notre modèle, tout en procurant la manière adéquate puisque
l´équation de l´atténuation de parcours présente des variables dépendantes.

Finalement, cette théorie récente, qui est encore l´objectif des chercheurs en matière de
propagation radio, nous a permis de retrouver de bons résultats.

SUP’COM page 79
Projet de fin d’étude

Bibliographie

[1] S. Ben Romdhane « La couverture Indoor d’un réseau GSM Règles d’ingénierie et Etude de
cas» Projet de Fin d’études - Filière Ingénieurs en Télécommunications - promotion 2004.

[2] S. Tabbane, X. Lagrange & P. Godlewski, « Réseaux GSM-DCS : des principes à la


norme », Hermes Science Publications, 4ème édition, Paris 1999.

[3] L. Boithias, « Propagation des ondes radioélectriques dans l’environnement terrestre »,


Dunod, collection technique et scientifique des télécommunications, Paris 1984.

[4] T. S. Rappaport « Wireless communications: principals and practice », Prentice Hall PTR,
Upper Saddle River, NJ, 2002

[5] X. Lagrange, P. Godlewski, S. Tabbane, « Réseaux GSM des principes à la norme », 5ème
édition.

[6] J. Kivinen « Development of wideband radio channel measurment and modeling techniques
for future radio systems », Libella Painopalvelu Oy Espoo 2000.

[7] T. S. Rappaport, S. Y. Seidel, and R. Singh, « 900-MHz multipath propagation


measurements for U.S. digital cellular radiotelephone » IEEE Transactions on Vehicular
Technology, vol. 39, No. 2, May 1990.

[8] G. Wölfe, F.M Landstorfer « Prediction of the field strength inside buildings with empirical,
neural and ray-optical prediction models » Proc. Seventh COST-259 MCM-Meeting, 1999.

[9] P. Smulders, M. Jevrosimovic, M. Herben, S. Savov, E. Martijn, « State of the art channel
models » , TUE_WP2_PUB_01_v01_channel models 2002.

[10] Site WEB: http://www.etsi.org «UMTS 30.03 version 3.2.0, TR 101 112 V.3.2.0 (1998-
04)».

[11] Race II internal report « Propagation models », R2084/ESG/CC3/DS5/P/012/B1, pp17-


43, 14 April 1993.

SUP’COM page 80
Projet de fin d’étude

[12] D. Thalmann, EPFL-VRlab, « Infographie », chapitre 3 : La synthèse d’images réalistes –


paragraphe 4 : Le lancer de rayons.

[13] I. Ben Chaâbene « Lancer de rayons pour la prédiction de propagation de puissance dans
les milieux microcellulaires » Projet de Fin d’études - Filière Ingénieurs en
Télécommunications - promotion 2004.

[14] R. Orti, « Radiosité Dynamique 2D et Complexe de Visibilité», thèse présenté pour


l’obtention du titre de Docteur de l'Université Joseph Fourier spécialité Informatique.

[15] M. Ben Tarak « Adaptation de la méthode de la radiosité pour la prédiction de


propagation en environnement Indoor et Outdoor » Projet de Fin d’études - Filière Ingénieurs
en Télécommunications - promotion 2004.

[16] G. Wölfle, F. M. Landstorfer, R. Gahleitner, & E. Bonek « Extensions to the field strength
prediction technique based on dominant paths between transmitter and receiver in indoor
wireless communications » 2nd European Personal and Mobile Communications Conference
(EPMCC) 1997 (together with 3. ITG Fachtagung "Mobile Kommunikation"), Bonn, Germany,
pp. 29-36, Sept 1997.

[17] G. Wölfle & F.M. Landstorfer « Field strength prediction with dominant paths and neural
networks for indoor mobile communications » MIOP 1997, 22.-24. April 1997, Sindelfingen,
Germany, pp. 216-220, Apr. 1997.

[18] G. Wölfle, R. Wahl, P. Wildbolz & P. Wertz « Dominant Path Prediction Model for
Indoor and Urban Scenarios » 11th COST 273 MCM, Duisburg (Germany), Sep. 2004.

[19] A. Ben Azza, « Estimation et détection », cours INDP2 SIMAG, 2003-2004.

[20] M. T. Missaoui, S. Tabbane « Calibration d’un Modèle de Prédiction de la Propagation


Radio dans l’Environnement de la Ville de Tunis Application aux Réseaux Cellulaires », 2003.

SUP’COM page 81
Projet de fin d’étude

Annexe A

Liste des menus du pack InPred de l´application Indoor Solutions.

SUP’COM page 82
Projet de fin d’étude

Annexe B

Liste des menus du pack InCoord de l´application Indoor Solutions

SUP’COM page 83
Projet de fin d’étude

Annexe C

Le contenue du fichier PDF présentant la description des fichiers Pattern dont nous
sommes servis pour déchiffrer le contenue des fichiers des diagrammes de
rayonnement proposés par Kathrein est le suivant :

Description of Planet antenna database:


The format of antenna files is as follows:
NAME 736855
FREQUENCY 947.5
GAIN 8 dBd
TILT
COMMENT DATE 10.05.1995
HORIZONTAL 360
0.0 0.0
1.0 0.0
2.0 0.0
3.0 0.0
4.0 0.0
5.0 0.0
6.0 0.1
7.0 0.1
8.0 0.1
9.0 0.1
10.0 0.1
11.0 0.2
12.0 0.2
.
..
355.0 0.1
356.0 0.1
357.0 0.1
358.0 0.1
359.0 0.0
VERTICAL 360
0.0 0.0
1.0 0.0
2.0 0.0
3.0 0.1
4.0 0.2
5.0 0.3
6.0 0.4
7.0 0.5
8.0 0.7
9.0 0.9
10.0 1.1
11.0 1.3
12.0 1.5
.
..
355.0 0.3
356.0 0.2
357.0 0.1
358.0 0.0
359.0 0.0

SUP’COM page 84
Projet de fin d’étude

NAME : Name of the antenna. Must be the same as the filename.


FREQUENCY : Design frequency of the antenna.
GAIN : Antenna gain followed by either dBi or dBd (isotropic or dipole).
TILT : Indicates whether the antenna is to be electrically or mechanically tilted. Set to either ELECTRICAL or
MECHANICAL.
HORIZONTAL : The number ‚n‘ following indicates that the next ‚n‘ lines of data correspond the
horizontal radiation pattern.
VERTICAL : The number ‚n‘ following indicates that the next ‚n‘ lines of data correspond the
vertical radiation pattern.
COMMENT : A single line of comments. Includes the date of measurement and any other additional
information.

The antenna values are in the form:


Angle [deg] Loss [dB]
Where the angle must be from 0 to 360 degrees. The interval may vary but must not be smaller than 0.5 degrees.
The loss values must be positive.

The diagrams below should help clarify the meaning of each field:

Note for users of MSI prediction tool PLANET:


Above description refer to Planet Version 2.5 database but can still be used by later versions of
Planet. Additional lines in the header of later Planet versions are without any effect on function
of program.

SUP’COM page 85
Projet de fin d’étude

Résumé

La qualité des communications mobiles est sans doute le souci majeur de tout opérateur
de télécommunication GSM. Avec la densification des réseaux actuels, l´ingénierie Indoor
s´avère d´une importance vitale. Dans ce contexte, les milieux de propagations sont diverses
(mur, étage, fenêtre…), ce qui complique davantage la modélisation des phénomènes de
propagation en vue de la prédiction de la couverture. Différents modèles ont étés proposés dans
littérature pour modéliser la propagation radio. Une première catégorie de modèles, dite
empirique, repose sur des mesures expérimentales. En outre, une deuxième catégorie de
modèles, appelée déterministe, fait référence à des simplifications et des approximations des
équations de base de la propagation électromagnétique.
L´objectif de ce projet consiste à développer un outil logiciel pour simuler la couverture
radio dans un milieu Indoor. Pour cette fin, le modèle du parcours dominant, récemment validé
dans littérature, a été retenu dans notre implémentation logicielle. Les paramètres de ce modèle
ont été déterminés grâce à une régression linéaire sur des mesures réelles (calibration). Par
ailleurs, nous avons proposé de nouvelles techniques pour la prédiction en mode multi-étages,
l´intégration des diagrammes de rayonnement et l´analyse thématiques des parcours en cas de
disfonctionnement du GPS. Ces travaux ont été validés par l´étude d´un cas réel du centre
commercial Palmarium.

Mots clés : GSM, radio, couverture indoor, prédiction de la couverture, lancer de


rayon, radiosité, parcours dominant, régression linéaire.

SUP’COM page 86