Ch9 - Band - Limited - MB

Principes de communications II
Chapitre 4.
Transmission numérique dans un
canal à bande passante limitée
MIC4240
1
Contenu
• Caractérisation d’un canal à bande passante
limitée
• Spectre de puissance d’un signal passe bande
• Interférence inter-symboles
• Conception de signal pour canal à bande
limitée
• Compensation de canal
MIC4240
2
1
Caractérisation d’un canal BPL

• Un filtre est ajouté au modèle de communication pour
représenter l’effet du canal sur le signal transmis
• Le filtre est habituellement à bande passante finie et
un modèle linéaire est utilisé pour simplicité
MIC4240
3
Analyse d’un système à canal BPL

n(t)
h(t)
GT ( f ) C( f ) GR( f ) y(t)
• L’effet du canal est d’introduire nouveau composant dans le

modèle de communication

c(t)  C( f ) = c(t)e  j 2 ft
dt
• Pour un canal limité en fréquence à W, C( f )  0 si f  |W|
• Un signal GT ( f ) à l’entrée du canal devient à la sortie :
H( f )=C( f )GT( f )
ou h(t)  c tgT t

  c gT t  d

MIC4240
4
2
Démodulation du signal reçu

• Pour un démodulateur à filtre adapté :
↔ ∗
• La composant du signal à la sortie du filtre est, à t = t0 :

ys t0   W H  f G  f e j 2 ft df
W
t t0
R
 W H  f  H   f e  j 2 ft0 e j 2 ft df
W
t t0
 W H ( f ) df  Eh
W 2
• Le composant de bruit est, pour du bruit AWGN, de valeur

moyenne nulle et de densité spectrale de puissance (voir chapitre
précédent): N 2
S n  f   0 h( f )
2
MIC4240
5
Démodulation du signal reçu

N0 2
• Comme S n  f  h( f ) , la variance du bruit à la sortie
2
du filtre est :
2
W N0 W N 0 Eh
 n2   S n  f df   H  f  df 
W
2 W
2
d’où rapport signal-sur-bruit de sortie à t0

S E 2h 2Eh
 
N N 0 Eh / 2 N 0
• La différence par rapport au chapitre précédent est que

dépend maintenant du signal de sortie du canal au lieu de celui
d’origine (h(t) au lieu de gT (t))
MIC4240
6
3
Exemple de calcul du SNR (10.1.1)

• gT (t) est une impulsion de type cosinus surélevé et
le canal possède la réponse en fréquence indiquée. Donner la réponse en
fréquence du filtre adapté et le SNR en présence de bruit AWGN(0, N0/2)
T sin( f t)
GT  f  
 j ft
On a : 2 2 e
2  f t(1 f T )
T sinc ( f t) e j ft

2 (1 f 2T 2 )
d’où : H  f   C  f GT  f 
MIC4240
7
Exemple 10.1.1
Le composant du signal à la sortie du filtre à donc, après

l’échantillonnage à t0:
W 2
Eh   GT  f  df
W
et la variance du composant de bruit est :

  2  N 0E h
2
d’où le SNR à t0 :
MIC4240
8
4
Signaux en bande de base dans un canal BPL
• Pour un signal PAM, la sortie du

démodulateur pour le me symbole est

ym  x0am ax n mn  nm
nm,n
Symbole transmis bruit AWGN
Interférence inter-symboles
(IIS)
• La sortie comprend le symbole transmis multiplié par le gain du
canal (x0=Eh), du bruit, et la réponse résiduelle du canal pour les
symboles précédents (interférence inter-symboles)
MIC4240
9
Signaux à porteuse dans un canal BPL


• Pour PAM : u(t)  v(t) cos 2 f ct, où v (t)   an gT (t  nT )
n
• Pour QAM et PSK u(t)  vc (t) cos 2 f ct  vs (t) sin 2 f ct


où vc (t)   anc gT (t  nT )
n

vs (t)   ans gT (t  nT )
n
• On peut ramener l’analyse en bande de base (c.-à-d. faire abstraction
de la porteuse) en construisant le signal complexe :
 
v(t)  vc (t)  jvs (t)   (anc  jans )gT (t  nT )   an gT (t  nT )
n n
Le signal PAM, QAM or PSK est donné par
MIC4240
10
5
Signaux à porteuse dans un canal BPL

• permet de récupérer facilement u(t) de v(t),
appelé signal en bande de base équivalent
• Après transmission par un canal passe bande, le signal reçu
est donné par

où r(t)  
n
an h(t  nT )  n(t)
et le signal démodulé est


y(t)  
n
an x(t  nT )  no (t)
On revient au modèle d’analyse en bande de base
MIC4240
11
Spectre de puissance d’un signal à porteuse

• On l’obtient à partir d’un signal équivalent en bande de base

v(t)  
n
an gT (t  nT )
où v(t) représente un signal PAM, PSK or QAM, an les symboles
transmis et gT (t) est le signal de modulation en bande de base.
• Comme la séquence {an}est aléatoire, le spectre de puissance de
v(t) est déterminé à partir de propriétés statistiques
1. Valeur moyenne de v(t) :

E v (t)    E an  gT (t  nT )
n

 ma  gT (t  nT )
n
Donc, E[v(t)] est périodique avec période T
MIC4240
12
6

2. Fonction d’autocorrélation de v(t)
 
Rv(t   ,t)  E [v* t  v t       E a a g (t  nT )g T (t    mT )


n m T
n m
Si la séquence d’information {an} est stationnaire au sens large, sa
fonction d’autocorrélation dépend seulement de l’écart entre symboles.
Alors E ana m  = Ra(m-n) et
 
R v(t   ,t)    R (m  n)g
n m
a T (t  nT )gT (t    mT )
ou en posant p=m-n :
 
R v(t   ,t)  
p
Ra  p   gT (t  nT )gT (t    pT  nT )
n
Il s’agit aussi d’une fonction périodique de période T

• Si la séquence d’information {an} est stationnaire au sens large,
v(t) est cyclostationnaire, et l’analyse d’une période de v(t) est
suffisante pour dériver son spectre de puissance
MIC4240
13

• Autocorrélation moyenne de v(t) sur une période
où :
MIC4240
14
7

• Le spectre de puissance de v(t) est alors :
 _
Sv f     RV  e  j 2 f  d

1 
 R m   Rg   mT e
 j 2 f 
 d
T m
a 
GT  f   Ra m  e j 2 fmT
1 2

T m
 
1
 S a  f  GT  f 
2
où S a  f    Ra m  e  j 2 fmT
T m
Fonction d’autocorrélation
Spectre de puissance Réponse en fréquence des symboles
des symboles du canal
• Le canal modifie le spectre de puissance de v(t)

MIC4240
15
Impact de {an}sur le spectre de puissance

• La séquence d’information joue aussi un rôle
• Par exemple, si {an} est faite de symboles mutuellement non
corrélés: 2
puisque  e  j 2 fmt est la série de Fourier de

m
Le spectre de puissance de v(t) devient :
T T
Noter que le second terme disparaît si ma=0 (p. ex. constellation symétrique)
MIC4240
16
8
Exemple de calcul du spectre de puissance

(10.2.1)
T T
• Trouver Sv( f ) lorsque gT (t) est impulsion rectangulaire d’amplitude A et

durée T
On a :
MIC4240
17
Exemple de calcul du spectre de puissance

(10.2.2)
• On utilise une séquence binaire {bn} pour former des symboles
an  bn  bn1
Sachant que {bn} est constitué de variables aléatoires non corrélées
bn[1, -1], de valeur moyenne nulle et variance 1, Trouver Sv( f ) pour
le signal transmis.
Solution :La function d’autocorrélation de la séquence {an} est
MIC4240
18
9
La fonction de densité spectrale de puissance de la séquence {an}


est donc Sa  f    Ra m  e
 j 2 mT
m
 e j 2 fT  2  e j 2 fT  2(1 cos 2 fT )  4cos 2  fT

Le spectre de puissance recherché est
1 2 4 2
Sv  f   Sa  f  GT  f   GT  f  cos  fT 
2
T T
MIC4240
19

• Partant Sv(t), on peut déduire le spectre de
• Par exemple, u(t)  v(t) cos(2 f ct) pour PAM et sa fonction
d’autocorrélation est :
Ru (t   ,t)  E u*(t)u(t   )
 E [v*tvt    cos 2 fct cos 2 fc t   

1
 Rv (t   ,t) cos 2 fc  cos 2 fc (2t   )
2
• On en déduit Ru (t   ,t)  1 Rv   cos 2 fc
2
1
et Su  f   [ SV  f  fc   SV  f  fc  ]
4
Valable aussi pour PSK, QAM, etc.
MIC4240
20
10
Conception de signaux pour canaux BPL

• Le but est de trouver des signaux qui éliminent l’IIS
• Deux cas à considérer : canal avec et sans distorsion
• Pour un canal sans distorsion, h(t)=C0 gT (t-t0), d’où :
C0e
 j 2 ft0 f W
C( f ) 
0 f W
• Avec t0=0 et C0=1 pour simplicité, H( f )=GT( f ) et le
démodulateur à filtre adapté a pour réponse GR( f )= GT*( f ),
pour donner
y(mT)  x(0)am   an (mT-nT)  n(mT)
n m
ou simplement
ym  x0 am   an xmn  nm
n m
MIC4240
21
Évaluation de l’IIS par diagramme de l’œil

• On affiche le signal reçu sur un
écran oscilloscope, en réglant la
fréquence de balayage à 1/T
• L’effet de l’interférence est de
pousser l’ œil à se fermer, ce qui
diminue la marge de bruit.
MIC4240
22
11
Évaluation de l’IIS par diagramme de l’œil

2PAM
1.5
4PSK
Composant en phase
1.5
Amplitude
Amplitude
0
-1 . 5
-0 . 5 0 0.5
T i me -1.5
-0.5 0 0.5
Tim e
4PAM Composant en quadrature
5 1.5
Amplitude
Amplitude
0 0
-5 -1.5
-0 . 5 0 0 .5 -0.5 0 0.5
Tim e Tim e
MIC4240
23
Signaux pour canal BPL par le critère de Nyquist
ym  x(0)am   an x(mT  nT )  n(mT )

n m
• L’IIS est éliminé si :

x(0) si m  n 1, n0
x((m-n)T )  ou, pour x(0) = 1 : x(nT ) 
0 si m  n 0, n0
• Condition de Nyquist pour IIS 0 : (Ne pas confondre avec le critère de Nyquist!)
1, n0
x(nT )  ssi sa transformée de Fourier X( f ) satisfait
0, n0

 X(f 
m
)T
m T
• Autrement dit, l’addition de X( f ) et ses copies à tous les m/T donne un
résultat constant pour tout f
MIC4240
24
12

• Pour un canal PB idéal de largeur de bande W, X( f )=0 pour | f |>W.
Trois cas à considérer pour le taux de symboles 1/T :
1. 1/T > 2W : Les écart entre copies rendent impossible d’avoir une
somme constante à toutes les fréquences. Impossible d’éviter IIS
|X( f )|
-1/T -1/T + W -W 0 W < 1/T - W 1/T f
2. 1/T = 2W : La condition de Nyquist est satisfaite seulement si X( f ) est

carré
-1/T -W=-1/2T W=1/2T 1/T

MIC4240
25

• Donc, T=1/2W est la période minimale de transmission de
symboles que l’on peut utiliser sans avoir d’IIS. Cependant, il
faudrait utiliser .
• Problème!
• sinc est une fonction non causale et de durée infinie
• Elle décroit lentement vers 0 (~1/t)
MIC4240
26
13

• Avec T=1/2W , l’échantillonnage de x(nT)=sinc(n)
pour un symbole se 0.9
fait quand l’IIS due aux autres 0.6
symboles est nulle. 0.3

• Mais la non causalité et la décroissante
lente de la fonction sinc sont des 0
handicaps sérieux ! 0.3

3 2 1 0 1 2 3t
• On peut régler les problèmes de sinc
Exemple : x(t)  sinc(t/T)
si on accepte d’avoir T > 1/2W  x(nT)  sinc(n)  0, n  0
• Tout filtre ayant une bande passante supérieure à W et une symétrie
impaire par rapport à 1/2T peut satisfaire la condition de Nyquist
MIC4240
27

3. 1/T < 2W : Les copies de X( f ) se recouvrent et la condition de
Nyquist peut être satisfaite d’une infinité de façons
-1/T W -1/T+W 1/T-W W 1/T
• Un spectre d’impulsion intéressant pour éviter les problème de la

fonction sinc est celui décrit par un cosinus surélevé
 : facteur de décroissance (0    1)
Bande passante : (1/2T)(1+ )
MIC4240
28
14
cos( at /T)
x(t)  sinc(t /T )
1 4 2t 2 /T
Décroissance vers 0 en1/t3
| f | >1/2T : largeur de bande excédentaire
• x(t) est similaire à la fonction sinc, mais son spectre de fréquences

à décroissance progressive en fait une fonction réalisable
MIC4240
29

Effet de 
Magnitude Response (dB) Magnitude Response (dB)
40 40
20
20
0
0
-20
-20
-40
Magnitude (dB)
Magnitude (dB)
-40 -60
-80
-60
-100
-80
-120
-100
-140
-120 -160
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Normalized Frequency ( rad/sample) Normalized Frequency ( rad/sample)
=0.25  =0.5
Magnitude Response (dB)
40
20
-20
Magnitude (dB)
-40
-60
-80
-100
-120
-140
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Normalized Frequency ( rad/sample)
=0.75 = 1
MIC4240
30
15
TX dans un canal BPL par cosinus surélevés

• Les caractéristiques spectrales des cosinus surélevés rendent
possible de concevoir de filtres de transmission pour zéro IIS
• Dans un canal BPL sans distorsion
1 f W
C( f )  et X( f )=GT ( f ) GR( f )
0 f W
∗
Si est adapté à , , et
• Si on pose , où est un cosinus

surélevé, on peu poser
et
où t0 est un délai de propagation.
• Manière simple de régler le problème de l’IIS, mais le prix à payer est
un taux de symboles plus faible que le taux optimal !
MIC4240
31
Signalisation à réponse partielle pour canaux BPL
• Les cosinus surélevés montrent qu’on peut avoir zéro IIS avec
des circuits réalisables si on utilise un taux de symbole inférieur
au taux de Nyquist (1/T < 2W)
• La signalisation à réponse partielle, appelée aussi signalisation
duobinaire, ou codage corrélateur, permet de résoudre le
problème avec des filtres réalisables opèrant au taux de Nyquist
• Le principe est de permettre plus d’une valeur non-nulle dans
x(nT ), et d’éliminer les valeurs superflues à la réception
1, n0 1, n  0,…
x(nT )  devient x(nT ) 
0, autrement 0, autrement
– Le prix à payer est un codage et décodage de données
MIC4240
32
16
Signalisation duobinaire
T
{an} Décodeur
ŷm= am x0+IIS+wm
bm -1/2T 1/2T f
Délai Bruit wm
T Filtre de canal idéal
1, n  0,1
• Dans ce cas x(nT ) 
0, autrement
Le spectre de puissance en fréquence est alors,
pour le taux de symboles 1/2W :
1 /
1 ,
2
0,
/
cos ,

0,
Le signal temporel correspondant est :
2 2 1
Impulsion duobinaire
MIC4240
33
Signalisation duobinaire modifiée

1, si n  -1
• Autre exemple : x(nT )  -1 si n=1
0, autrement
Dans ce cas, le spectre de puissance au taux de

symboles 1/2W est :
1 / /
,
2
0,
sin ,

0,
et le signal temporel correspondant est : Impulsion duobinaire modifiée

/ /
• L impulsion duobinaire modifiée offre l’avantage d’une composante DC nulle
MIC4240
34
17
Signalisation à réponse partielle en général

• La classe de signaux BPL
∑
de spectre de fréquences
∑ /
,
0,
permet d’introduire plusieurs types d’ISI contrôlé pour
communiquer au taux de Nyquist
– On obtient différents signaux à réponse partielle en tolérant plus d’une valeur
non nulle dans {x(n/2W)}
– Plus on choisit de valeurs non nulles, plus le décodage final est difficile
• L’introduction de l’IIS contrôlé demande à revoir le détecteur et
l’évaluation du taux d’erreurs de détection
MIC4240
35
Détection de signaux à réponse partielle

• Pour un signal duobinaire PAM, le signal de sortie du
démodulateur est :
ym = bm + wm = am + am-1 + wm
• Si on ignore le bruit et considère le cas am =±1, alors ym a trois
valeurs possibles : +2, 0 ou -2, avec probabilités ¼, ½ et ¼
• En général, la transmission M-aire par signalisation à réponse partielle
donne 2M-1 niveaux de sortie
• À priori la procédure de décodage est simplement l’inverse de
celle de codage: on soustrait le symbole précédent de chaque
symbole reçu; mais cela a tendance à propager les erreurs
causées par le bruit
MIC4240
36
18
Exemple
{an} 0 0 1 0 1 1 0
Représentation bipolaire -1 -1 +1 -1 +1 +1 -1
Codage duobinaire: bm =am+ am-1 -2 0 0 0 2 0
Règle de décodage : 2, 1
2, 1
0,
• Résultat correct :
Séquence bipolaire décodée : -1 +1 -1 +1 +1 -1
Séquence binaire décodée : 0 1 0 1 1 0
• Résultat en cas d’erreur sur le troisième bit reçu :

Séquence bipolaire décodée : -1 -1 +1 -1 +1 -1
Séquence binaire décodée : 0 0 1 0 1 0
• On peut éviter la propagation de l’erreur par précodage

MIC4240
37
Signalisation duobinaire à précodage

• La séquence binaire {an} est transformée en une séquence {pn}
selon l’équation
pm= (am+ pm-1 )%2 Donc : 0+0=0, 0+1=1, 1+0=1, 1+1=0
et la séquence obtenue est encodée comme précédemment, mais
avec un décodage différent
• Exemple précédent avec précodage
Séquence binaire {an} 0 1 0 1 1 0
Séquence binaire précodée pm= am+ pm-1 0 0 1 1 0 1 1
Séquence bipolaire {pm} -1 -1 +1 +1 -1 +1 +1
Règle de codage: bm= pm+ pm-1 -2 0 +2 0 0 +2
Règle de décodage: 2, 0
0, 1
Séquence binaire décodée 0 1 0 1 1 0
• Parce que le décodage se fait sans égards pour les bits précédents, la
la propagation d’erreurs est évitée
MIC4240
38
19

Additioneur
T
Modulo-2 Filtre numérique
{an} pm H1(f)
Decoder
bm -1/2T 1/2T f ŷm= am x0+IIS+wm

Filtre de canal idéal H2(f) Bruit wm
Delay
T seconds
• Fonction de transfert duobinaire

équivalente
 j 2 fT
H1 ( f )  1 e
1
T si f 
H 2( f )  2T
0 autrement
H e ( f )  H1 ( f )H 2 ( f )
 (1 e  j 2 fT )T  2T e -j f Tsin( f T ) si f  1
2T
MIC4240
39

1.4
t=0
t=T
1.2
t=2T
t = -T
1
0.8
0.6
0.4
0.2
-0 .2
-8 -6 -4 -2 0 2 4 6 8 10 12
1. 4 4
1. 2 3. 5
H (f)
1 3
0. 8 2. 5
0. 6 2
0. 4 1. 5
0. 2 1
0 0. 5
-0 . 2 0
-6 -4 -2 0 2 4 6 8
-0 . 2 5 -0 . 2 -0 . 1 5 -0 . 1 -0 . 0 5 0 0. 0 5 0. 1 0. 15 0. 2 0. 2 5
MIC4240
40
20
Signalisation duobinaire modifiée à précodage

• La séquence binaire {an} est transformée en une séquence {pn}
selon l’équation
pm= (am+ pm-2 )%2
et la séquence obtenue est encodée comme précédemment, mais
avec un décodage différent
• Exemple précédent avec précodage
Séquence binaire {an} 0 1 0 1 1 0
Séquence binaire précodée pm= am+ pm-2 0 0 0 1 0 0 1 0
Séquence bipolaire {pm} -1 -1 -1 +1 -1 -1 +1 -1
Règle de codage: bm= pm- pm-2 0 +2 0 -2 +2 0
Règle de décodage: 2, 1
0, 0
Séquence binaire décodée 0 1 0 1 1 0
• En général, le décodeur est tel que /2 % (M = 2 dans
l’exemple)
MIC4240
41
Signalisation duobinaire modifiée à précodage

1 .5
he (t )  sinc(t T)/T sinc(t T)/T

T= 2
0 .5
1.5
0
1
-0 . 5
0.5
-1
-1 . 5
0
-8 -6 -4 -2 0 2 4 6 8
4
-0.5
3 .5
H e ( f )  2T sin 2 fT
3 -1
2 .5
-1.5
-8 -6 -4 -2 0 2 4 6 8 10 12
2
1 .5
0 .5
0
-0 . 2 5 -0 . 2 -0 . 1 5 -0 . 1 -0 . 0 5 0 0 .0 5 0 .1 0 .1 5 0. 2 0. 25
MIC4240
42
21
Probabilité d’erreur de détection

• La signalisation duobinaire et les méthodes de détection reliées
permettent zéro IIS au taux de Nyquist au prix d’une plus grande
difficulté d’implémentation que ceux de la signalisation binaire
• Circuits plus complexes et puissance consommée plus grande pour une
performance de bruit équivalente
• La probabilité d’erreur dans un canal BPL avec zero IIS et bruit AWGN
est similaire au cas non-BPL pour PAM, PSK ou QAM.
• Pour une probabilité d’erreur donnée et un taux de décroissance r du
signal, la signalisation duobinaire utilise 1/(1+r) de la bande passante
requise par la signalisation binaire, mais demande 2.1 dB plus de SNR
MIC4240
43
Canaux à distorsion
• Un canal BPL est à distorsion si C( f ) n’est pas d’amplitude constante
ou de phase
c(t)  C( f )  C ( f ) e jc ( f )
• Les deux cas mènent à IIS et les techniques

d’élimination vues pour les canaux BPL
sans distorsion ne sont plus efficaces
• On peut tenter de concevoir des filtres de transmission et de
réception modifiés si on connaît C( f ) ; sinon, il égalisateur de canal
(channel equalizer) est requis pour corriger la situation, avec ou sans
connaissance de C( f )
MIC4240
44
22
Élimination d’IIS par filtre TX modifié

• Demande la connaissance préalable de
• Permet d’avoir système à zéro IFI en incluant dans le filtre de
transmission. Par exemple, on peut utiliser un cosinus surélevé tel que

est un délai de propagation pour rendre le système réalisable
• Le spectre du bruit à la sortie est toujours

pour donner
d’où une expression de probabilité d’erreur inchangée (
pour PAM binaire, où la puissance moyenne du signal est d 2, puisque
)
MIC4240
45
Élimination d’IIS par filtre TX modifié

• Si on pose , alors
et
(où et : délais de propagations pour système réalisable)
et
• La puissance moyenne transmise est
d’où le rapport
• Le terme <1
introduit une perte qui
diminue le rapport S/B
MIC4240
46
23
Égalisateurs de canal
Égalisateur
Types Non‐linéaire
Détection
Linéaire DFE MLSE
ML
Structures
Estimateur
Transversal Treillis Transversal Treillis
de canal
transversal
J. G. Proakis, "Adaptive Equalization for TDMA Digital Mobile Radio," IEEE Trans. on Veh. Tech. , May 1991
• Dans tous les cas, le but est d’éliminer l’IIS
MIC4240
8C32810.107-Cimini-7/98 47
Égalisation de canal linéaire

• Demande la connaissance préalable de C f
• L’égalisateur peut être un nouveau bloc dans la chaine de
communication pour donner
X f GT f C f GR f GE f
• On peut utiliser GR f GT* f , si
• L’approche par fonction inverse élimine l’IIS, mais l’égalisateur

modifie le rapport signal-sur-bruit, car GR f devient GR f GE f
MIC4240
48
24
Égalisation de canal pour C( f ) inconnu

• Dans un système concret, C f est rarement connu à l’avance et il
change régulièrement
∗
• On peut poser et , et
essayer ensuite d éliminer l’IIS obtenu à la sortie du démodulateur :
ym  x0 am   an xmn  nm
n m
• La sortie du démodulateur peut être vue comme celle d’un filtre à

réponse impulsionnelle finie dont la réponse s’étend à L échantillons
avant et après l’échantillon présent.
• L’égalisateur peut jouer sur les

coefficients du filtre pour
modifier sa réponse
MIC4240
49
Égalisation de canal par filtre linéaire transversal
Algorithme
d’ajustement des
poids
(2N+1) poids : c-N, c-N+1,…, cN 0 <   T, on choisit souvent  = T/2
MIC4240
50
25

• Les coefficients {cn} doivent être choisis pour pouvoir eliminer
l’interférence des N symboles adjacents au symbole désiré, et avoir à
la sortie de l’égalisateur
1, 0
∑
0, 1, 2 …
• Comme les 2N+1 coefficients peuvent agir sur 2N+1 échantillons du
signal, on peut écrire l’équation sous forme matricielle :
q=Xc
où X est la matrice des échantillons de dimensions
(2N+1)x(2N+1) et c est le vecteur de coefficients de dimension
2N+1.
MIC4240
51

• On peut résoudre q=Xc de deux façons :
• De manière déterministe par la méthode des zéros forcés
• De manière statistique par la méthode du minimum de l’erreur
quadratique moyenne (minimum mean-square (MSE) error).
• Méthodes des zéros forcé : c’est celle du transparent précédent; on
crée un vecteur q dont l’élément central vaut 1 et les autres 0, et on
trouve c pour la matrice X donnée
• Ex. :  = T/2, filtre FIR pour N=2 et
• L’égalisateur à zéros forcé ignore l’effet du bruit, et il corrige

uniquement l’effet des échantillons distants de ±N ou moins du
symbole courant!
MIC4240
52
26

• Méthode MMSE : Donne un égalisateur robuste face bruit.
• Les coefficients du filtre sont choisis de manière à minimiser
l’erreur quadratique moyenne due à l’effet conjoint de l’IIS et du
bruit, MSE
• On a
∑ ∑ 2∑
Autocorrélation Corrélation croisée

• Les coefficients recherchés sont obtenus lorsque la dérivée de MSE par
rapport à chacun d’eux est nulle
MIC4240
53
• La dérivation de MSE par rapport à chaque coefficient donne
2N+1 équations linéaires à 2N+1 inconnues
• En pratique et ne sont pas connues et il faut les

approximer
• Plusieurs techniques
MIC4240
54
27
Égalisation à filtre adaptatif

• Accomplit l’égalisation de canal par un filtre qui s’adapte aux
fluctuations temporelles de C(f) en modifiant automatiquement ses
coefficients en fonction d’un signal d’erreur
Deux processus parallèles :

1. Filtrage normal
2. Adaptation des poids aux variations environnementales
MIC4240
55
Filtrage adaptatif
• Les coefficients du filtre sont trouvés par itérations
successives :

+
• En général :

MIC4240
56
28
Égalisateur à filtre adaptatif
, ,
• À caque instant k, il faut

trouver trouver w qui rend ek
nul ou minimum
• On peut utiliser MSE comme
critère de performance
MIC4240
57
Filtre de Wiener
À chaque instant k, on peut définir :
Puissance du signal corrompu
Vecteur de corrélation croisée
Matrice d’autocorrélation
Substitution dans J:
2 ,
Sous forme de matrice:

2
MIC4240
58
29
Filtre linéaire optimal

• Pour trouver les poids optimaux, on résout :
D’où :
(Équations de Wiener-Hopf)
• Les filtres correspondants sont les filtres de Wiener.
• Exigent toujours la connaissance préalable de R et P !
MIC4240
59
Méthode de la plus grande pente

• Trouve w de manière progressive
– Utiliser l’information apportée par
chaque nouvel échantillon du
signal d’entrée
• L’algorithme doit nous approcher
du minimum de la surface d’erreur
avec chaque itération.
∑ ,
– Aller dans la direction de plus
grande pente de la surface d’erreur, ∆
c’est-à-dire dans la direction
µ = constante positive
opposée à
(facteur de convergence)
MIC4240
60
30
Méthode de la plus grande pente

• Partant du poids wk[n] à l’itération n, la valeur mise à
jour pour l’itération suivante est :
1 ∆
• Méthode exacte dans le sens qu’aucune approximation

n’a été nécessaire à sa dérivation
• La precision depend de celle de P, R et de la valeur de
MIC4240
61
Algorithme du moindre carré moyen

• Remplace P et R par leur estimation instantanée :
; , ;
• La substitution dans la méthode de la plus grande pente donne :
1 ,

MIC4240
62
31
Algorithme du moindre carré moyen

• Sous forme vectorielle:
1 .∗
• Le vecteur des poids va décrire une trajectoire en
zigzag sur la surface d’erreur qui terminera sur la
solution optimale si le facteur de convergence est
approprié.
• Le facteur de convergence doit:
1
0
é
MIC4240
63
MIC4240
64
32
Égalisation de canal
MIC4240
65
Modélisation inverse
 Fournit le modèle inverse d’un système inconnu
 Applications: Equalization linéaire de canal
• x[n] est formé de symboles connus
• L’effet de distorsion causé par Hc( f )
(dispersion, atténuation) est
compensé par l’inverse de Hc( f )
• Le filtre inverse est adaptatif puisque
la distorsion du canal varie avec le
temps (réflexions, changement de
température, etc.)
MIC4240
66
33
MIC4240
67
MIC4240
68
34
Égalisation de canal
• L’égalisateur adaptatif opère de deux façons:
entrainement ou à l’aveugle.
• Désavantages:
– La réponse doit être connue au récepteur.
– Aucune information ne peut être transmise durant
l’entraînement.
MIC4240
69
Égalisateur à décision récursive

DFE
n(t)
x(t) ^
x(t)
Forward +
Hc(f)
Filter ‐
Feedback
Filter
• L’égalisateur DFE (decision feedback equalizer) utilise l’ISI du

symbole détecté précédemment pour reéduire celui du symbole entrant
• Estime le canal au lieu d’inverser C(f) => n’amplifie pas le bruit du
canal
• A une meilleure performance qu’un égalisateur linéaire pour les
canaux évanescents
• Sujet à la propagation d’erreur en cas de mauvaise décision.
MIC4240
70
35

Ch9 - Band - Limited - MB

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ch9 - Band - Limited - MB

Transféré par

Droits d'auteur :

Formats disponibles

Principes de communications II

Caractérisation d’un canal BPL

Analyse d’un système à canal BPL

• L’effet du canal est d’introduire nouveau composant dans le

Démodulation du signal reçu

• La composant du signal à la sortie du filtre est, à t = t0 :

• Le composant de bruit est, pour du bruit AWGN, de valeur

Démodulation du signal reçu

d’où rapport signal-sur-bruit de sortie à t0

• La différence par rapport au chapitre précédent est que

Exemple de calcul du SNR (10.1.1)

Le composant du signal à la sortie du filtre à donc, après

et la variance du composant de bruit est :

Signaux en bande de base dans un canal BPL

• Pour un signal PAM, la sortie du

Signaux à porteuse dans un canal BPL

• Pour QAM et PSK u(t)  vc (t) cos 2 f ct  vs (t) sin 2 f ct

Le signal PAM, QAM or PSK est donné par

Signaux à porteuse dans un canal BPL

et le signal démodulé est

Spectre de puissance d’un signal à porteuse

Donc, E[v(t)] est périodique avec période T

Spectre de puissance d’un signal à porteuse

Rv(t   ,t)  E [v* t  v t       E a a g (t  nT )g T (t    mT )

Il s’agit aussi d’une fonction périodique de période T

Spectre de puissance d’un signal à porteuse

Spectre de puissance d’un signal à porteuse

• Le canal modifie le spectre de puissance de v(t)

Impact de {an}sur le spectre de puissance

puisque  e  j 2 fmt est la série de Fourier de

Le spectre de puissance de v(t) devient :

Exemple de calcul du spectre de puissance

• Trouver Sv( f ) lorsque gT (t) est impulsion rectangulaire d’amplitude A et

Exemple de calcul du spectre de puissance

La fonction de densité spectrale de puissance de la séquence {an}

 e j 2 fT  2  e j 2 fT  2(1 cos 2 fT )  4cos 2  fT

Spectre de puissance d’un signal à porteuse

 E [v*tvt    cos 2 fct cos 2 fc t   

Conception de signaux pour canaux BPL

Évaluation de l’IIS par diagramme de l’œil

Évaluation de l’IIS par diagramme de l’œil

Signaux pour canal BPL par le critère de Nyquist

ym  x(0)am   an x(mT  nT )  n(mT )

• L’IIS est éliminé si :

Signaux pour canal BPL par le critère de Nyquist

-1/T -1/T + W -W 0 W < 1/T - W 1/T f

2. 1/T = 2W : La condition de Nyquist est satisfaite seulement si X( f ) est

-1/T -W=-1/2T W=1/2T 1/T

Signaux pour canal BPL par le critère de Nyquist

Signaux pour canal BPL par le critère de Nyquist

pour un symbole se 0.9

fait quand l’IIS due aux autres 0.6

symboles est nulle. 0.3

handicaps sérieux ! 0.3

Signaux pour canal BPL par le critère de Nyquist

-1/T W -1/T+W 1/T-W W 1/T

• Un spectre d’impulsion intéressant pour éviter les problème de la

Signaux pour canal BPL par le critère de Nyquist

| f | >1/2T : largeur de bande excédentaire

• x(t) est similaire à la fonction sinc, mais son spectre de fréquences

Signaux pour canal BPL par le critère de Nyquist

TX dans un canal BPL par cosinus surélevés

• Si on pose , où est un cosinus