Vous êtes sur la page 1sur 57

P.

Bianchi, Supélec

Egalisation et Synchronisation
en Communications Numériques

Pascal Bianchi

pascal.bianchi@supelec.fr
ESIEE, 2005-2006

ESIEE-2005 1/57
P. Bianchi, Supélec

Cours en trois parties

1. Rappels : la chaı̂ne de transmission


• Signal émis perturbé par le canal de propagation
• Le récepteur doit successivement
. se synchroniser sur le signal reçu
. compenser les distortions dues au canal (= égaliser)
. détecter les symboles d’info
2. Compensation du canal de propagation et détection des symboles
3. Techniques de synchronisation

ESIEE-2005 2/57
P. Bianchi, Supélec

Références

• J-M. Brossier, Signal et communications numériques : égalisation et


synchronisation, Ed. Hermès, 1997

• J.G. Proakis, Digital Communications, Mac Graw-Hill


• Page web de J-F. Bercher http://www.esiee.fr/∼bercherj/New/polys/
• U. Mengali, A.N. D’Andrea, Synchronization Techniques for Digital Receivers,
Plenum Press.
• F.M. Gardner, Phaselock Techniques, Wiley.

ESIEE-2005 3/57
P. Bianchi, Supélec

Partie 1

Rappels : La chaı̂ne de transmission

ESIEE-2005 4/57
Rappels et problématique P. Bianchi, Supélec

Signal émis

• Symboles d’information {an }n


– an ∈ alphabet V complexe
– Exemples :
∗ Constellation BPSK : an = ±1
∗ Constellation QPSK : an ∈ {1, i, −1, −i}
k
∗ Constellation M-PSK : an ∈ {e2iπ M , k = 0, . . . , M − 1}
∗ Constellations 16-QAM, 64-QAM, etc.
– {an }n∈Z suite iid centrée

ESIEE-2005 5/57
Rappels et problématique P. Bianchi, Supélec

Signal émis

• Mise en forme
– Signal émis en bande de base :
X
s(t) = an g(t − nT )
n∈Z

g(t) = filtre de mise en forme


T = période symbole
.

= temps consacré à la g(t)

transmission d’un symbole


1/T = débit ou rythme symbole t
0 T .

– Allure de la Densité Spectrale de Puissance de s(t)


.

1 1
− 2T 2T f0 .

ESIEE-2005 6/57
Rappels et problématique P. Bianchi, Supélec

Signal émis

• Modulation à la fréquence porteuse f0


– Modulation : le signal s(t) en bande de base est “transposé” à la fréquence f0
– Signal modulé (aussi appelé signal en bande étroite) :
£ ¤
sbe (t) = Re s(t) e2iπf0 t
= Re [s(t)] cos(2πf0 t) − Im [s(t)] sin(2πf0 t)

– Allure de la DSP de sbe (t)


.

−f0 f0 .

ESIEE-2005 7/57
Rappels et problématique P. Bianchi, Supélec

Signal émis

sbe (t) = Re [s(t)] cos(2πf0 t) − Im [s(t)] sin(2πf0 t)

• Modulation à la fréquence porteuse f0 : Réalisation pratique


.
Re[ . ]
cos(2πf0t)
s(t) sbe(t)
VCO f0
π/2
− sin(2πf0t)
Im[ . ]
.

VCO = Voltage Controlled Oscillator (oscillateur commandé en tension)

ESIEE-2005 8/57
Rappels et problématique P. Bianchi, Supélec

Signal émis

• En résumé, à l’émission
.
BdB BE

an s(t) sbe (t)


g(t) MOD

T f0 .

ESIEE-2005 9/57
Rappels et problématique P. Bianchi, Supélec

Canal de propagation

• Sources de perturbations
– Bruit thermique → bruit blanc additif gaussien (BBAG)
– Trajets multiples → interférences
FIGURE
• Signal reçu rbe (t)

rbe (t) = λ1 sbe (t − τ1 ) + λ2 sbe (t − τ2 ) + · · · + b(t)


 
Ntraj
X
=  λk δ(t − τk ) ? sbe (t) + b(t)
k=1

avec
. τk = retards
. λk = coefficients d’atténuation
. b(t) = BBAG

ESIEE-2005 10/57
Rappels et problématique P. Bianchi, Supélec

Canal de propagation

• Modèle général utilisé dans ce cours


Canal = action d’un filtre de reponse impulsionnelle hbe (t) + BBAG
Signal reçu :
rbe (t) = hbe (t) ? sbe (t) + b(t)
→ Sélectivité en fréquence = fading
• Autres modèles de canauxa
– Canaux invariants / canaux variants dans le temps
– Canaux déterministes / canaux aléatoires (Rayleigh, Rice,. . . )

a Pour
plus d’infos, chap. 2 de D. Tse and P. Viswanath, Fundamentals of Wireless Communication,
Cambridge University Press, May 2005
Consulter http://www.eecs.berkeley.edu/∼dtse/book.html

ESIEE-2005 11/57
Rappels et problématique P. Bianchi, Supélec

Récepteur

• Objectif
Estimer “intelligemment” les symboles an à partir du signal reçu rbe (t)

ESIEE-2005 12/57
Rappels et problématique P. Bianchi, Supélec

Récepteur

• Difficultés. Il va falloir :
1. Ramener le signal en bande de base
Oui mais f0 n’est pas parfaitement connu
Raison : VCO émission 6= VCO réception, effet Doppler
⇒ Problème de la récupération de porteuse (synchro frequence)

2. Echantillonner à la période symbole T


Oui mais T n’est pas parfaitement connu
Raison : Horloge émission 6= Horloge réception
⇒ Problème de la récupération de rythme (synchro temps)

3. Détecter enfin les symboles


Oui mais le canal a causé de l’interférence entre symboles (IES)

⇒ Problème de la compensation du canal (égalisation)

ESIEE-2005 13/57
Rappels et problématique P. Bianchi, Supélec

Récepteur

• Chaı̂ne de transmission
.
an s(t) sbe (t)
g(t) MOD

T f0
hbe (t)

b(t)
ân xn x(t) r(t) rbe(t)
? FA DMOD

T̂ fˆ0

?
.

ESIEE-2005 14/57
Rappels et problématique P. Bianchi, Supélec

Récepteur
• Etape 1 : démodulation = retour en bande de base
– Objectif : récupérer l’enveloppe complexe r(t) du signal reçu rbe (t)
.

cos(2πf0t)

?
rbe(t) r(t)
VCO f0
π/2
− sin(2πf0t)
i
.

– Nécessite d’estimer f0 (synchro frequence)


– Exercice : montrer que la démodulation ci-dessus est bien l’opération inverse de
la modulation effectuée à l’émission.

ESIEE-2005 15/57
Rappels et problématique P. Bianchi, Supélec

Récepteur

• Etape 2 : filtrage adapté (FA) au canal


– Soit xn la sortie du filtre adapté échantillonnée à l’instant nT
– {xn }n est une statistique suffisante (cf. Thie réception)
⇔ la vraisemblance est une fonction des xn seulement
⇔ on ne perd pas d’info sur les an en échantillonnant
⇔ FA + échantillonnage à T permet toujours de minimiser la proba d’erreur
– Nécessite de connaı̂tre le canal

ESIEE-2005 16/57
Rappels et problématique P. Bianchi, Supélec

Récepteur

• Etape 3 : Échantillonnage à la période symbole T


– Nécessite d’estimer T (synchro temps)
• Etape 4 : Égalisation du canal et détection des symboles
1. Approche “optimale” : Algorithme de Viterbi
→ Estimation des an par le critère du maximum de vraisemblance (MV)
→ Souvent trop lourde en complexité
2. Approche sous-optimale : Égalisation
→ Appliquer un filtre égaliseur à xn
→ Idée générale : choisir l’égaliseur de telle que sa sortie soit ' an .

ESIEE-2005 17/57
P. Bianchi, Supélec

Partie 2

Égalisation et détection des symboles

ESIEE-2005 18/57
Égalisation et détection des symboles P. Bianchi, Supélec

Plan de la deuxième partie

• Hypothèses simplificatrices et chaı̂ne de transmission simplifiée


• Détection optimale : l’algorithme de Viterbi
• Egaliseurs linéaires
• Égaliseurs à retour de décision (DFE)
• Egalisation adaptative
• Egalisation aveugle

ESIEE-2005 19/57
Égalisation et détection des symboles P. Bianchi, Supélec

Canal à temps discret équivalent

• Objectif
Détecter les an à partir de la sortie du filtre adapté xn
• Il nous faut donc une expression simple des xn
⇒ simplifions la chaı̂ne de transmission
• Hypothèses simplicatrices
– Le récepteur connait parfaitement f0 et T
⇔ la synchronisation a déjà été effectuée
– Le récepteur connait parfaitement la réponse du canal hbe (t)
⇔ l’étape d’estimation du canal a déjà été effectuée
(par émission préalable d’une séquence d’apprentissage)

Nous verrons plus tard comment effectuer la synchro et l’estimation de canal

ESIEE-2005 20/57
Égalisation et détection des symboles P. Bianchi, Supélec

Canal à temps discret équivalent

• Modèle équivalent en bande de base


– Rappels :
"Ã ! #
X
. sbe (t) = Re an g(t − nT ) e2iπf0 t
n
. rbe (t) = hbe (t) ? sbe (t) + b(t)

– Exercice : montrer que l’enveloppe complexe r(t) de rbe (t) peut s’écrire
X
r(t) = an p(t − nT ) + b̃(t)
n

où . p(t) = g(t) ? h(t) est la mise en cascade du formant et du canal


. b̃(t) BBAG

ESIEE-2005 21/57
Égalisation et détection des symboles P. Bianchi, Supélec

Canal à temps discret équivalent

• Modèle équivalent en bande de base : schéma

.
b̃(t)

?
an r(t) x(t) xn ân
p(t) p(−t) ∗

p(t) = formant + canal FA


T .

ESIEE-2005 22/57
Égalisation et détection des symboles P. Bianchi, Supélec

Canal à temps discret équivalent


• Simplifions encore : Modèle numérique équivalent
– Soit c(t) = p(t) ? p(−t)∗ = formant + canal + FA
X
x(t) = ak c(t − kT ) + v(t)
k

où v(t) = p(−t)∗ ? b̃(t) est un bruit gaussien coloré. Après échantillonnage,
X
xn = x(nT ) = ak c(nT − kT ) + v(nT ).
k

En posant cn = c(nT ) et vn = v(nT ), on obtient le modèle


X
xn = ak cn−k + vn
k

.
vn
an P
?
xn ân
C(z) = k ck z
−k

ESIEE-2005 23/57
Égalisation et détection des symboles P. Bianchi, Supélec

Énoncé final du problème de la détection

• Soit la suite observée


X
xn = [C(z)]an + vn = ck an−k + vn
k

. Les ck sont connus (= le canal a été préalablement estimé)


. vn est un bruit gaussien coloré
• Objectif : estimer le symbole an , pour n donné

• Remarque
– En général, les méthodes connues fonctionnent lorsque le bruit additif est blanc.
– Or ici, vn est un bruit coloré
⇒ Utilisation préalable d’un filtre de blanchiment B(z) qui décorrèle le bruit.

ESIEE-2005 24/57
Égalisation et détection des symboles P. Bianchi, Supélec

Filtre de blanchiment

• Idée
P
– On applique le filtre B(z) = k bk z −k à la suite xn

[B(z)]xn = [B(z)C(z)]an + [B(z)]vn

– On choisit B(z) pour que la suite wn = [B(z)]vn soit blanche.


• Choix de B(z)
– On factorise C(z) sous la formea C(z) = F (z)F ( z1∗ )∗
1
– On pose B(z) = F ( z1∗ )∗

– Exercice : montrer que l’on a bien E[wn wn−k ] = 0 pour k 6= 0.

a Preuve
(cf. Thie de la réception) : Supposons que C(z) est de degré fini. Soit ρ racine de C(z).
Comme ∀k, ck = c∗−k , 1/ρ∗ est aussi racine de C(z). On peut donc écrire C(z) = F (z)F ( z1∗ )∗ .

ESIEE-2005 25/57
Égalisation et détection des symboles P. Bianchi, Supélec

Filtre de blanchiment

• Sortie yn du filtre de blanchiement


Comme B(z)C(z) = F (z), on a finalement

yn = [B(z)]xn
= [F (z)]an + wn
X
= fk an−k + wn
k

où . Le filtre F (z) est connu


. Le bruit wn est blanc gaussien
• Dans la suite, par abus de langage, on appellera F (z) le “canal”

ESIEE-2005 26/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Critère du MV
– Supposons un canal F (z) à L coefficients :
L−1
X
yn = fk an−k + wn
k=0

– On observe N échantillons y0 , . . . , yN −1
– Soit ã = [ã−L+1 , ã−L+2 , . . . , ãN −1 ]T le vecteur des paramètres inconnus

âMV = arg max p (y0 , . . . , yN −1 /ã)


ã∈VN +L

ESIEE-2005 27/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Calcul du log-vraisemblance
– Soit σ 2 la variance du bruit wn . Alors ∀ã ∈ VN +L ,
 ¯ ¯2 
1 1 X ¯¯
N −1 L−1
X ¯
¯
p (y0 , . . . , yN −1 /ã) = √ exp − 2 ¯yn − fk ãn−k ¯ 
( 2πσ 2 )N σ ¯ ¯
n=0 k=0

On préfère donc maximiser le log-vraisemblance qui s’écrit plus simplement :


¯ ¯2
N
X −1 ¯ L−1
X ¯
1 ¯ ¯
log p (y0 , . . . , yN −1 /ã) = − 2 ¯y n − fk ãn−k ¯ + Cte
σ ¯ ¯
n=0 k=0

– Par conséquent,
−1 ¯
¯ ¯2
N
X L−1
X ¯
¯ ¯
âMV = arg min ¯yn − fk ãn−k ¯
ã ¯ ¯
n=0 k=0

ESIEE-2005 28/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

Pour simplifier, supposons que an = ±1 (modulation BPSK)

• Problème
Il faut trouver la valeur de ã qui minimise le critère
¯ ¯2
N −1
X¯ ¯ L−1
X ¯
¯
JN (ã) = ¯yn − fk ãn−k ¯
¯ ¯
n=0 k=0

. La méthode débile : Tester la valeur de JN (ã) pour les 2N +L chemins possibles


→ Complexité exponentielle en N !
. La ruse : Algorithme de Viterbi

ESIEE-2005 29/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Notion d’état
– Un état = une combinaison possible de (L − 1) symboles
– On numérote les états de 0 à 2L−1 − 1

l=0 → (1, 1, . . . , 1)
l=1 → (−1, 1, . . . , 1)
..
.
l = 2L−1 − 1 → (−1, −1, . . . , −1)

Dire que la séquence de (L − 1) symboles ãK−L+2 . . . ãK est dans l’état l = 0



(ãK−L+2 . . . ãK ) = (1, 1, . . . , 1)

ESIEE-2005 30/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Notion de métrique cumulée


– On appelle métrique cumulée à l’étape K :
¯ ¯2
XK ¯ L−1
X ¯
¯ ¯
JK = ¯yn − fk ãn−k ¯
¯ ¯
n=0 k=0

– Propriétés :
. JK ne dépend que des K + L premiers symboles ã−L+1 , . . . , ãK
¯ ¯2
¯ L−1
X ¯
¯ ¯
. JK+1 = JK + ¯yK+1 − fk ãK+1−k ¯
¯ ¯
k=0

ESIEE-2005 31/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Notion de survivants
– A l’étape K :
les bits ãK−L+2 . . . ãK sont susceptibles d’être dans chacun des 2L−1 états
– Pour chaque état l fixé,
le Viterbi fournit LA séquence ã−L+1 . . . ãK−L+1 qui minimise JK
(l) (l) (l)
⇒ Une seule séquence survivante ãK = [ã−L+1 . . . ãK−L+1 ]T par état l

½ Á ¾
(l)
ãK = arg min JK ãK−L+2 . . . ãK dans l’état l
ã−L+1 ...ãK−L+1

ESIEE-2005 32/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

.
(ãK−L+2, . . . , ãK−1, ãK )

Un seul chemin survivant ãK
(l) l=0
l=1
(1, 1, . . . , 1)
(−1, 1, . . . , 1)

aboutissant à l’état l


l = 2L −1 (−1, −1 . . . − 1) .

• Viterbi
Construit les 2L−1 survivants de l’étape K + 1 à partir des 2L−1 survivants de l’étape K

ESIEE-2005 33/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Étape K + 1
– Soit l ∈ {0 . . . 2L−1 − 1} un état fixé.
Supposons que l’état présent (ãK−L+3 . . . ãK+1 ) soit égal à l.
– Il n’y a que deux valeurs possibles l1 , l2 de l’état précédent (ãK−L+2 . . . ãK ) :
. Le cas où ãK−L+2 = 1 ⇒ état précédent = l1
. Le cas où ãK−L+2 = −1 ⇒ état précédent = l2
.


 
 

(ãK−L+2, . . . , ãK−1, ãK ) (ãK−L+3, . . . , ãK , ãK+1)
l = 0 = l1
l = 1 = l2
(1, 1, . . . , 1)
(−1, 1, . . . , 1)
   (1, 1, . . . , 1)
(−1, 1, . . . , 1)



     
l = 2L −1 (−1, −1 . . . − 1) (−1, −1
. . . . − 1)

ESIEE-2005 34/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi


– On cherche ã−L+1 . . . ãK−L+2 qui minimise la métrique cumulée JK+1
– Deux possibilités :
. Si ãK−L+2 = 1, la plus petite métrique cumulée à l’étape K + 1 est
¯ ¯2
¯ L−1
X ¯
(l) (l1 ) ¯ ¯
JK+1 = JK + ¯yK+1 − fk ãK+1−k ¯
¯ ¯
k=0 ãK−L+2 =1

. Si ãK−L+2 = −1, la plus petite métrique cumulée à l’étape K + 1 est


¯ ¯2
¯ L−1
X ¯
(l) (l2 ) ¯ ¯
JK+1 = JK + ¯yK+1 − fk ãK+1−k ¯
¯ ¯
k=0 ãK−L+2 =−1

– On retient le minimum de ces deux valeurs. Selon le cas, le survivant est


(l) (l )
ãK+1 = [ãK1 , 1]

ou
(l) (l )
ãK+1 = [ãK2 , −1]

ESIEE-2005 35/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Étape N − 1
– Il ne reste que 2L−1 valeurs possibles pour ã
– âMV est celle qui minimise JN (ã)

ESIEE-2005 36/57
Égalisation et détection des symboles P. Bianchi, Supélec

Le critère du MV et l’algorithme de Viterbi

• Complexité du Viterbi = O(N × 2L )


⊕ linéaire en N
ª augmente exponentiellement en fonction du degré L du canal

⇒ Utilisable seulement pour des canaux suffisamment courts


⇒ Nécessité des méthodes sous-optimales (égalisation)

ESIEE-2005 37/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Rappel: Échantillons reçus

yn = [F (z)]an + wn
X
= fk an−k + wn
k∈Z

où wn = BBAG de variance E|wn |2 = σ 2


• Idée générale
Appliquer un filtre égaliseur G(z) à yn pour compenser le canal F (z)
.
wn
an yn zn
F (z) G(z) ân

Décision .

Sur quel critère choisir G(z) ?

ESIEE-2005 38/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Egaliseur Zero Forcing (ZF)


– On choisit tout simplement
1
G(z) =
F (z)
– Échantillons zn en sortie d’égaliseur zn = [G(z)]yn = [G(z)F (z)]an + [G(z)]wn
· ¸
1
zn = an + wn
F (z)
ZF ⇒ Annule l’IES
– Cas sans bruit : On retrouve exactement les symboles d’info zn = an

ESIEE-2005 39/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Inconvénient du ZF : possible amplification du bruit


.

À ces fréquences
le bruit est amplifié

ů ÿ
1
zn = an + wn
|F (e2iπf )| F (z)

1
|F (e2iπf )| . Fading à certaines fréquences
⇒ le ZF amplifie ces fréquences
. Dégradation du SNR de sortie
. Nécessité d’un compromis entre
IES / Variance du bruit en sortie

-1/2 1/2 f

ESIEE-2005 40/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Egaliseur de Wiener (ou égaliseur MMSE)a


– Choisir G(z) qui minimise l’Erreur Quadratique Moyenne (EQM ou MSE)
·¯ ¯2 ¸
¯ ¯
GMMSE (z) = arg min E ¯zn − an ¯
G(z)

où zn = [G(z)]yn est la sortie de l’égaliseur


– Résultat :

F ( z1∗ )∗
GMMSE (z) =
F (z)F ( z1∗ )∗ + σ 2

a MMSE = Minimum Mean Square Error

ESIEE-2005 41/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

ZF

WIENER

Canal |F (e2iπf )|

-1/2 1/2 f

ESIEE-2005 42/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Mise en œuvre : égaliseur transverse


– En pratique
X∞
G(z) = gk z −k impossible à réaliser (∞té de coefs)
k=−∞
– Utilisation d’un égaliseur transversea
On impose que l’égaliseur G(z) ait un nombre fini de coefficients non nuls
⇔ On cherche G(z) de la forme
M
X
G(z) = gk z −k
k=−M

PM
gk z −k
a Citons aussi les structures récursives G(z)= PM 1 −k et les structures ARMA G(z)= −M
PM 0
b z
−M k bk z −k
−M 0

ESIEE-2005 43/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égaliseurs linéaires

• Égaliseur de Wiener transverse


– Problème : déterminer le vecteur g = [g−M , . . . , gM ]T minimisant l’EQM :
h i
2
J(g) = E |zn (g) − an |
P
où zn (g) = k gk yn−k .
– Solution
ĝMMSE = Γ−1
y ξ

 

fM
 
 .. 
où ξ =  . 
 

f−M
Γy = (γy (i − j))i,j = matrice de covariance (2M + 1) × (2M + 1) de yn

ESIEE-2005 44/57
Égalisation et détection des symboles P. Bianchi, Supélec

Decision Feedback Equalizers (DFE)


• Principe
.
wn
an yn zn
F (z) G(z) ân

Feedforward filter
M1 coefs
K(z)

Feedback filter
M2 coefs .

– Rôle du retour de décision → éliminer l’IES résiduelle


– Détermination des coefs de G(z) et K(z) de façon à minimiser l’EQM
·¯ ¯2 ¸
¯ ¯
(G(z), K(z)) = arg min E ¯zn − an ¯

– Élimination de l’IES si les décisions sont correctes


Éventuelle propagation d’erreur dans le cas contraire

ESIEE-2005 45/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation bloc vs Égalisation adaptative

• L’approche “bloc”
.
TRAINING DATA

1) Estimation canal 3) Détection des données en


→ F̂ (z) utilisant le même égaliseur G(z) à chaque instant

2) Calcul de G(z) en
supposant F̂ (z) ' F (z) .

• Quelques inconvénients
. Nécessite une étape d’estimation précise du canal et de Γy
. Le calcul de G(z) est coûteux (Calcul de l’inverse de la matrice Γy )
. Cas où le canal varie dans le temps → pas d’ajustement de G(z)

ESIEE-2005 46/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation bloc vs Égalisation adaptative

• L’approche adaptative
.
TRAINING DATA

• À l’instant n, on utilise l’égaliseur G(n) (z) : zn = [G(n) (z)]yn


• Ajustement “au fil de l’eau” de G(n) (z) → G(n+1) (z) .

. On peut se passer de l’étape d’estimation du canal (cf. algorithme LMS)


. Simplicité de mise en œuvre
. Poursuite des variations temporelles du canal

ESIEE-2005 47/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS


• Rappels.
– L’égaliseur transverse MMSE minimise le critère
h i
2
J(g) = E |zn (g) − an |

– Autrement dit, ĝMMSE est la valeur de g annulant le gradient de J


 .. 
.
 
 ∂J(g) ∂J(g) 
∇J(ĝMMSE ) :=  ∂gr + i ∂gi  =0
 k k 
..
.
g=ĝMMSE

– L’approche bloc (rappels)


. Résoudre directement ∇J(g) = 0
. Calcul du gradient :
∇J(g) = 2 (Γy g − ξ) = 0
. Solution analytique : ĝMMSE = Γ−1
y ξ → calcul coûteux

ESIEE-2005 48/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS

• Algorithme du gradient (déterministe)


– Alternative pour minimiser J(g) :

ĝ(n+1) ←− ĝ(n) − µ ∇J(ĝ(n) )

– Quand n → ∞, converge vers ĝMMSE

⊕ Avantage par rapport à l’approche bloc :


Évite d’inverser Γy
ª Reste encore un inconvénient :
Le calcul de ∇J(ĝ(n) ) nécessite toujours de connaı̂tre Γy et ξ.

ESIEE-2005 49/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS

• Modifions l’algorithme du gradient précédent : Algorithme LMSa


– Observation
∇J(g) = E [(zn (g) − an )yn∗ ] où yn = [yn+M . . . yn−M ]T .
– Algorithme LMS
Consiste à remplacer le gradient ∇J(g) par son estiméeb à l’instant n
c n (g) = (zn (g) − an )y∗
∇J n

ĝ(n+1) ←− ĝ(n) − µ (zn (ĝ(n) ) − an )yn∗

a Least Mean Square algorithm


b Le LMS est un algorithme du gradient dit stochastique

ESIEE-2005 50/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS

. Phase d’apprentissage → les an sont connus : ĝ(n+1) = ĝ(n) − µ(zn − an )yn∗


.
wn
an yn zn
F (z) G(n) (z)

Actualisation
de G(n) (z) an
.

. Phase de données → on remplace an par ân : ĝ(n+1) = ĝ(n) − µ(zn − ân )yn∗
.
wn
an yn zn
F (z) G(n) (z) ân

Actualisation
de G(n) (z)
.

ESIEE-2005 51/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS

• Conclusion
. Pas d’étape d’estimation de canal
→ les coefs de l’égaliseur sont ajustés grâce à la phase d’apprentissage
. Ajustement de l’égaliseur y compris en phase de données
→ permet la poursuite du canal
. Simplicité

ESIEE-2005 52/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation adaptative : l’algorithme LMS

• Conclusion
. Pas d’étape d’estimation de canal
→ les coefs de l’égaliseur sont ajustés grâce à la phase d’apprentissage
. Ajustement de l’égaliseur y compris en phase de données
→ permet la poursuite du canal
. Simplicité
• L’algorithme RLS (Recursive Least Square)
. Algo du gradient −→ Algo de Newton
. ĝ(n+1) = ĝ(n) + µĤ(n) yn (zn − an ) où Ĥ(n) est une estimée du Hessien de J(g)
. Amélioration de la vitesse de convergence au prix d’une complexité plus élevée

ESIEE-2005 53/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation aveugle (ou autodidacte)

• Les méthodes précédentes exigent la transmission d’une séquence pilote


. Soit pour estimer le canal
. Soit, de manière équivalente, pour adapter les coefs de l’égaliseur (LMS)
• Dans certains cas, on souhaite se passer de phase d’apprentissage
. Cas des communications non coopératives (écoute passive)
. Cas où l’on veut éviter de consacrer des ressources à la transmission de pilotes
• Problème de l’égalisation aveugle
. Canal F (z) inconnu
. Symboles an tous inconnus
. Il faut trouver G(z) qui compense l’effet du canal F (z)

ESIEE-2005 54/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation aveugle

• Une première idée (Supposons wn = 0)


– Observation
Les symboles an sont iid. Le canal F (z) introduit de la corrélation dans yn .
– Résultat
Soit G(z) tel que zn = [G(z)]yn est iid. Alors zn = an p.s.
– Conclusion
Chercher G(z) minimisant un critère d’indépendance (ex: info mutuelle)
– Inconvénient
Ces critères sont difficilement implémentables

ESIEE-2005 55/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation aveugle : le CMA

• Constant Modulus criterion


Soit {an } iid centrée, circulaire E(a2n ) = 0, de Kurtosis E(|an |4 ) − 2E(|an |2 )2 < 0.
Soit le critère du module constant
h¡ ¢2 i
2
I(g) = E |zn | − 1

Dans le cas non bruité wn = 0, on a le résultat [Godard, 80]


I(g) est minimum ⇔ ∀n, zn = λ an−K p.s.
où K est un retard (inconnu) et λ un coefficient complexe (inconnu)
• Interprétation
Minimiser I(g) permet de retrouver la suite an à un filtre trivial λz −K près.

ESIEE-2005 56/57
Égalisation et détection des symboles P. Bianchi, Supélec

Égalisation aveugle : le CMA

• Constant Modulus Algorithm (CMA)


On minimise le critère du module constant grâce à un algo du gradient :

g(n+1) = g(n) − µ ∇I(g(n) )

Autre résultat de Godard : pas de minima locaux


⇒ le gradient converge bien vers la solution zn = λan−K , quel que soit g(0)

• Autres critères d’égalisation aveugle : Sato, Kurtosis, . . .

ESIEE-2005 57/57

Vous aimerez peut-être aussi