Académique Documents
Professionnel Documents
Culture Documents
Mémoire de MASTER
Domaine : Sciences et Technologie
Filière : Télécommunications
Thème
M me L.FERGANI
Présenté par :
Président : M. A. HAMZA
Examinateur : M.A. MOKRAOUI
Promoteur : M me L. FERGANI
Promotion : 2014-2015
Remerciements
D’après Nu’man Ibn Bachir (qu’Allah l’agrée), le Prophète (que la prière d’Allah et son
salut soient sur lui) a dit : « Le fait de mentionner les bienfaits d’Allah est un remerciement
et délaisser cela est mécréance. Celui qui remercie pas pour la petite chose ne remercie pas
pour la grande chose. Celui qui ne remercie pas les gens ne remercie pas Allah. Le groupe est
bénédiction tandis que la division est un châtiment».
Nous remercions d’abord DIEU le tout puissant qui nous a donné la force, la volonté et
le courage pour accomplir ce modeste travail. Nos remerciement vont conjointement et tout
particulièrement à M me FERGANI, pour nous avoir proposé ce sujet de fin d’étude ,et aussi de
nous avoir encadrés. Nous tenons également, à lui exprimer notre profonde reconnaissance pour
sa disponibilité à tout moment, ses encouragements, ses conseils ainsi que pour la confiance
qu’elle a eu en nous.
Nous adressons nos remerciements aux membres du jury, devant qui nous avons l’honneur
d’exposer notre travail, et qui ont pris peine de lire avec soin ce mémoire pour juger son contenu.
Nos sincères sentiments vont à tous ceux qui, de près ou de loin, ont contribué à la réalisation
de ce projet, particulièrement nos chères familles et nos amis.
Acronymes
4G 4 Generation .
ADSL Asymmetric Digital Subscriber Line .
AWGN Additive White Gaussian Noise .
CP Cyclic Prefix .
DAB Digital Audio Broadcasting .
DFT Discrete Fourier Transform .
EGC Equal Gain Combining .
FDM Frequency Division Multiplexing .
FFT Fast Fourier Transform .
ICI Inter Carrier Interference .
IFFT Inverse Fast Fourier Transform .
ISI InterSymbol Interference .
LF Low frequency .
LTE Long Term Evolution .
MIMO Multiple-Input Multiple-Output .
MISO Multiple Input Single Output .
ML Maximum Likelihood .
MMSE Minimum Mean Square Error .
MRC Maximal Ratio Combining .
NLOS Non-line-of-sight.
OFDM Orthogonal Frequency Division Multiplexing .
OSTBC Orthogonal Space-Time Block Code .
PAPR Peak to Average Power Ratio .
PDP Power Delay Profile .
PSK Phase-shift keying
QAM Quadrature Amplitude Modulation
RMS Root Mean Square .
SC Selection Combining .
SIMO Single Input Multiple Output .
SISO Single Input Single Output .
SNR Signal-to-Noise Ratio .
STBC Space Time Block Code .
WLANs Wireless Local Area Networks.
WSSUS Wide Sens Stationarity Uncorrelated Scattering .
ZF Zero Forcing .
Liste des Notations
Remerciements
Acronymes
Introduction
2 MIMO 11
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Systéme MIMO à bande étroite . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Détection du signal pour les systèmes MIMO à multiplexage spatial . . . . . . . 14
2.3.1 Détecteurs à filtrage linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Détecteur ML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4 Diversité en réception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1 Techniques de combinaison . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2 Ordre de diversité pour les systèmes SIMO utilisant la technique MRC . 17
2.5 Codage spatio-temporel en bloc . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
i
TABLE DES MATIÈRES
ii
Liste des tableaux
iii
Table des figures
iv
TABLE DES FIGURES
v
Introduction Générale
Introduction
Ces dernières années, le monde des télécommunications a connu un grand essor notamment
dans le domaine des communications sans fil. Ainsi, les services offerts aux usagers sont de plus
en plus nombreux, permettant de transmettre de la voix, des données ou des contenus multimé-
dias (images, vidéos,...). Cette évolution spectaculaire a été accompagnée par une augmentation
considérable du nombre d’usagers et de leurs exigences en matière de débit, notamment avec
l’émergence des pays en voie de développement. De nos jours, un utilisateur ne se contente plus
de parler avec son interlocuteur au téléphone, mais il exige d’autres services comme l’internet
mobile ou des appels en visiophonie, le tout sur des supports miniaturisés et avec une bonne
qualité de service.
— Dans le premier chapitre, nous décrivons les mécanismes de base qui régissent la propaga-
tion des ondes radio, ainsi que certaines propriétés du canal, et leur impact, notamment
le phénomène d’évanouissement.
— Dans le deuxième chapitre, nous présentons la technique MIMO, ainsi que les principales
techniques de détection pour les systèmes MIMO à multiplexage spatial, et en dernier
lieu nous mettons l’accent sur les techniques de diversité, et plus précisément au codage
spatio-temporel.
— Dans le quatrième et dernier chapitre, nous essayerons de valider les notions théoriques
par des simulations réalisées via le logiciel Matlab.
1.1 Introduction
Les communications sans fil sont, sans aucun doute, le segment le plus dynamique de l’in-
dustrie des communications. En tant que telles, elles ont attiré l’attention des médias et de
l’imagination du public. Les systèmes cellulaires ont connu une croissance exponentielle au
cours de la dernière décennie et il y a actuellement pas moins de sept milliards d’utilisateurs
dans le monde. En effet, les téléphones cellulaires sont devenus un outil de travail essentiel et
une partie de la vie quotidienne dans la plupart des pays du monde. En outre, du fait de leur
flexibilité et leur mobilité, les WLANs 1 ont tendance à remplacer les réseaux filaires dans les
maisons, entreprises, et les campus. Beaucoup de nouvelles applications, dont les réseaux de
capteurs sans fil, autoroutes, usines automatisées,et les maisons intelligentes, se sont émergées,
ce qui indique un avenir radieux pour le sans fil.Or les performances des systèmes des com-
munications sans fil sont principalement régies par le canal radio mobile,qui fait l’objet de ce
chapitre.
1
1.2. PROPAGATION DES ONDES RADIO
4. Une onde radio est une onde électromagnétique dont la fréquence est par convention inférieure à 300 GHz,
se propageant dans l’espace sans guide artificiel.
5. La longueur d’onde est une grandeur physique, homogène à une longueur, utilisée pour caractériser des
phénomènes périodiques,elle est définie comme étant la plus courte distance séparant deux points de l’onde
strictement identiques à un instant donné.
6. Non-line-of-sight.
2
1.3. VARIABILITÉ TEMPORELLE
3
1.5. REPRÉSENTATION DU CANAL DE PROPAGATION
L’avantage de ces modèles est qu’ils offrent une description complète des ondes reçues.
En revanche, ils nécessitent une connaissance précise de l’environnement de propagation
comme les propriétés diélectriques de l’environnement à travers lequel se propage le si-
gnal, ainsi que la position des obstacles.De plus , il faut souligner que la modélisation
du canal avec les méthodes déterministes reste incomplète, car ils ne prennent pas en
compte la variabilité temporelle du canal , de ce fait l’approche déterministe n’est pas
privilégiée.
— L’approche statistique : Les modèles statistiques visent à décrire l’évolution des pa-
ramètres du canal par des lois statistiques pour obtenir la représentation la plus réaliste
possible .On peut trouver deux catégories pour les modèles statistiques selon que l’on
considère ou pas l’hypothèse du canal WSSUS 7 ou canal stationnaire au sens large et
à diffuseurs non corrélés .
Avec :
N (t) : le nombre de trajets existant sur le canal.
an (t) : le facteur d’atténuation du nieme trajet.
τn (t) : le retard de propagation du nieme trajet.
φn (t) : la phase du nieme trajet.
Le signal reçu r(t) est alors relié au signal émis s(t) par la relation suivante :
Z +∞
r(t) = s(t) ∗ h(t, τ ) + n(t) = h(t, τ )s(t − τ ) dτ + n(t) (1.2)
−∞
Avec :
n(t) : le bruit blanc Gaussien complexe.
∗ : représente le produit de convolution linéaire.
4
1.5. REPRÉSENTATION DU CANAL DE PROPAGATION
On peut définir alors la réponse fréquentielle du canal qui n’est autre que la transformée de
Fourier de la réponse impulsionnelle :
Z +∞ N (t)
X
−j2πf τ
H(t, f ) = h(t, τ )e dτ = an (t)e−j(2πf τn (t)+φn (t)) (1.3)
−∞ n=1
D’après cette expression on peut constater que la réponse fréquentielle n’est pas plate ce
qui risque d’engendrer un déformement du signal émis à la réception .
Figure 1.4 – Exemple de fonction de transfert d’un canal multi -trajets [10]
1.5.2 Hypothèses
La modélisation du canal de propagation selon Bello ne peut s’appliquer qu’en considérant
l’hypothèse du canal WSSUS, or cette hypothèse impose deux conditions [27] :
— La réponse impulsionnelle est stationnaire au sens large :
d’après l’équation (1.1) ,il est facile de constater que la réponse impulsionnelle du canal
est un processus aléatoire. Afin de simplifier l’étude de ce processus aléatoire , Bello a fait
l’hypothèse dite de stationnarité au sens large.Un processus aléatoire est dit stationnaire
au sens large si sa fonction d’autocorrélation est indépendante de l’origine du temps.
Pour illustrer cette hypothèse, nous considérons la réponse impulsionnelle définie précé-
demment , sa fonction d’autocorrélation s’écrit alors :
∆t=t2 − t1 .
[ ]∗ : représente l’opérateur complexe conjugué.
E[ ] : représente l’opérateur espérance mathématique.
Cette condition signifie que la corrélation entre la puissance d’un trajet à l’instant t1 et
à l’instant t2 ne dépend que de ∆t .
5
1.6. PROFIL EN PUISSANCE DES RETARDS ET PARAMÈTRES CARACTÉRISTIQUES
R(∆t, τ1 , τ2 ) = 0 ∀ τ1 6= τ2 (1.6)
Donc l’hypothèse WSSUS implique que la fonction d’autocorrélation ne dépend plus de
quatre variables temporelles mais de deux, comme suit :
στmax = τN − τ1 (1.9)
sP
N 2 2
n=1 |an | (τn − τ̄ )
στ = PN (1.10)
2
n=1 |an |
6
1.6. PROFIL EN PUISSANCE DES RETARDS ET PARAMÈTRES CARACTÉRISTIQUES
— Bande de cohérence :
La bande de cohérence notée BC est une mesure statistique de la bande de fréquence
sur laquelle le canal peut être considéré comme plat .Elle est définie approximativement
par la relation suivante [12] :
1
BC ≈ (1.12)
2στ
Il est important de noter que la relation entre la dispersion temporelle et la bande de
cohérence n’existe pas et que l’équation précédente est approximative.
— Bande Doppler :
l’effet Doppler est dû au mouvement du récepteur et/ou de l’émetteur .Lorsqu’on consi-
dère une propagation à trajet unique avec fc la fréquence émise,la fréquence reçu fr sera
alors fr = fc + fD , fD étant le décalage Doppler qui est donné par la relation suivante :
vfc
fD = cosα (1.13)
c
Avec :
fc : la fréquence porteuse.
v : la vitesse du mobile.
α : angle Doppler entre l’axe du faisceau et l’axe de déplacement du récepteur.
c : la vitesse de la lumière.
Cependant, le canal est non pas à trajet unique mais multi-trajets. Ainsi, pour une
fréquence émise, on reçoit plusieurs fréquences de décalage Doppler selon les différents
angles d’arrivée αn des n trajets considérés. Chaque fréquence Doppler fDn associée au
neme trajet est calculée par
vfc
fDn = cosαn (1.14)
c
De plus, lorsqu’on émet sur une bande de fréquence, plusieurs fréquences de décalage
Doppler sont reçues pour chacune des fréquences émises. On reçoit donc une bande
de fréquence Doppler, dont la largeur BD est égale à deux fois la fréquence Doppler
maximale [21].
7
1.7. IMPACT DES CARACTÉRISTIQUES DU CANAL SUR LES COMMUNICATIONS
NUMÉRIQUES
— Le temps de cohérence :
Le temps de cohérence TC est l’équivalent dans le domaine temporel de la bande de
Doppler. Il caractérise la nature variante dans le temps du canal. La dispersion Doppler
et le temps de cohérence sont inversement proportionnels et par la suite, ils seront
approximés par [21] :
1
TC ≈ (1.15)
BD
στ TS (1.16)
8
1.7. IMPACT DES CARACTÉRISTIQUES DU CANAL SUR LES COMMUNICATIONS
NUMÉRIQUES
9
1.8. DIVERSITÉ
1.8 Diversité
Une des techniques les plus efficaces pour atténuer les effets des évanouissements est d’utili-
ser la diversité. La diversité se base sur le fait que les répliques d’un même signal, engendrées par
la propagation multi-trajets, ont une faible probabilité de subir de profonds évanouissements
simultanément. Ainsi, l’idée derrière la diversité est de combiner, à la réception, les variantes
du signal émis dont les fluctuations sont décorréllées d’une telle manière que l’évanouissement
du signal résultant est réduit [2]. La diversité peut s’appliquer de façons diverses [7] :
— Diversité temporelle : des copies du signal sont retransmises au cours de divers cré-
neaux temporels espacés d’ au moins le temps de cohérence du canal.
— Diversité fréquentielle : ici les copies du signal sont transmises sur différentes fré-
quences porteuses (espacées d’au moins la bande de cohérence du canal) .
— Diversité polarimétrique : elle utilise les signaux transmis simultanément par les
mêmes antennes sur des polarisations orthogonales qui sont souvent affectés différem-
ment par le milieu de propagation.
— Diversité spatiale : Dans ce cas la transmission est basée sur des antennes multiples
au niveau de l’émetteur et/ou du récepteur, espacées d’au moins la moitié de la longueur
d’onde pour avoir une décorréllation entre les évanouissements affectant les signaux reçus
par chaque antenne [2].
1.9 Conclusion
Pour la conception, la simulation et la planification des systèmes sans fil, nous avons besoin
en premier lieu de prendre connaissance des caractéristiques du canal radio. Dans ce premier
chapitre, nous avons décrit les mécanismes de base qui régissent la propagation des ondes
radio, par la suite nous avons discuté de certaines propriétés du canal, ainsi que leur impact,
notamment le phénomène d’évanouissement. Face à ce phénomène la technique dite Diversité
et plus généralement la technique MIMO est une solution très intéressante et fera l’objet du
deuxième chapitre.
10
Chapitre II : Systèmes MIMO
Chapitre 2
MIMO
2.1 Introduction
L’engouement suscité pour les communications sans fil est indéniable. Les opérateurs télé-
phoniques sont sans cesse à la recherche de nouveaux services à offrir aux utilisateurs nomades
,et les applications multimédias sont en première ligne des stratégies commerciales actuelles.
Accompagner la téléphonie de services de transmission vidéo en temps réel (visiophone) est à
l’étude chez de nombreux fournisseurs de services. Le défi va donc consister à mettre au point
des systèmes de transmission qui peuvent subvenir à toutes ses applications en termes de dé-
bit et de robustesse, les systèmes MIMO 11 ont le potentiel d’améliorer les performances de la
transmission sans augmenter la largeur de la bande passante ou la puissance d’émission.
11
2.2. SYSTÉME MIMO À BANDE ÉTROITE
Ce système peut être représenté par le modèle à temps discret comme suit :
r1 h11 h12 ··· h1Mt s1 n1
r2
h21 h22 ··· h2Mt s2 n2
= + (2.1)
.. .. .. .. .. .. ..
.
. . . . . .
rMr hMr 1 hMr 2 · · · hMr Mt sMt nM r
Ou simplement comme :
r = Hs + n (2.2)
Avec :
Il est à noter que le bruit considéré est un bruit blanc gaussien complexe de moyenne nulle
et de matrice de covariance notée Rn , définie comme suit :
L’équation (2.3) traduit le fait que les composants du vecteur bruit sont décorrélés [3].
12
2.2. SYSTÉME MIMO À BANDE ÉTROITE
r = hs + n (2.5)
Avec :
— MISO 13 :ou diversité en émission, et consiste à n’employer qu’une seule antenne en ré-
ception et plusieurs antennes en émission .La diversité en émission exploite de multiples
antennes au niveau de l’émetteur pour introduire la diversité, en transmettant des ver-
sions redondantes du même signal sur plusieurs antennes. Ce type de technique MIMO
utilise ce qu’on appelle STBC 14 et sera traité ultérieurement.
— SISO 15 : traditionnellement, lorsqu’une seule antenne est utilisée en émission et en
réception, la technique de transmission sur l’interface radio est appelée SISO.Un système
SISO à bande étroite est modélisé par l’équation suivante :
r = hs + n (2.6)
Avec :
13
2.3. DÉTECTION DU SIGNAL POUR LES SYSTÈMES MIMO À MULTIPLEXAGE
SPATIAL
2.3.2 Détecteur ML
Le détecteur ML 18 calcule la distance euclidienne entre le vecteur reçu r et le produit de
tous les vecteurs de transmissions possibles avec la matrice du canal H et trouve celui qui
minimise cette distance. Mathématiquement cela se traduit par l’équation suivante :
Ce type de détection est optimal en termes de taux d’erreurs, mais il présente une complexité
qui augmente exponentiellement avec la taille du vecteur reçu et l’ordre de modulation.
16. Zero Forcing .
17. Minimum Mean Square Error .
18. Maximum Likelihood .
14
2.4. DIVERSITÉ EN RÉCEPTION
y = WH r (2.11)
Avec :
Dans les paragraphes qui suivent, nous allons décrire les différentes techniques de combinai-
son et leur performance .
15
2.4. DIVERSITÉ EN RÉCEPTION
1 pour n = k
Wn = (2.12)
0 ailleurs
Avec :
n ∈ [1 ; Mr ]
La technique EGC .
La technique précédente n’utilise le signal que d’une branche comme signal de sortie. Pour
améliorer la puissance moyenne du signal de sortie, l’algorithme EGC 21 utilise toutes les ré-
pliques du signal émis qui arrivent au niveau des antennes de réception. Cependant, les signaux
de toutes les branches ne sont pas en phase : chaque signal doit donc être multiplié par un
co-phaseur pour que les signaux ne soient plus déphasés. Dans le cas de la technique EGC ,
chaque signal est pondéré avec le même facteur de pondération à savoir [20] :
Wn = 1 ∀ n ∈ [1 ; Mr ] (2.13)
La technique MRC
L’inconvénient de la technique EGC est que si l’une des branches a un signal très faible, cela
peut entraîner une réduction du signal combiné à la sortie. Pour empêcher ce phénomène, dans
la technique MRC 22 , le Beamformer est choisi d’une manière à maximiser le SNR du signal
combiné.
Dans ce qui va suivre on va déterminer le Beamformer qui maximise le SNR [15] :
On sait que :
y = WH r (2.14)
= WH (hs + n)
= WH hs + WH n
|WH h|2 × P
γ= (2.15)
E[ |WH n|2 ]
19. Selection Combining .
20. Signal-to-Noise Ratio .
21. Equal Gain Combining .
22. Maximal Ratio Combining .
16
2.4. DIVERSITÉ EN RÉCEPTION
Avec :
Donc :
|WH h|2 × P
γ= (2.17)
σn2 |W|2
En utilisant l’inégalité de Cauchy-Schwartz :
W=h (2.19)
log Pe (γ)
d = − lim (2.20)
γ→∞ log γ
On démontre dans [16] que la probabilité d’erreur binaire Pe d’un système SIMO, utilisant
la technique MRC pour de grande valeur de γ est donnée par la relation suivante :
Mr 1 1
Pe = C2M r −1
( )Mr (2.21)
2Mr γ
17
2.5. CODAGE SPATIO-TEMPOREL EN BLOC
Avec :
Mr (2Mr − 1)!
C2M r −1
=
Mr !(Mr − 1)!
et :
Donc :
Mr 1
Mr log γ − log (C2M r −1 2Mr
)
d = lim (2.22)
γ→∞ log γ
Mr 1
log (C2M r −1 2Mr
)
= lim Mr −
γ→∞ log γ
= Mr
s −s∗2
S= 1 (2.23)
s2 s∗1
Ceci indique qu’à une période symbole donnée, les deux signaux s1 et s2 sont simultané-
ment transmis sur les antennes 1 et 2 respectivement. Pendant la prochaine période symbole,
les antennes 1 et 2 transmettent respectivement les signaux −s∗2 et s∗1 , ou ∗ désigne l’opérateur
complexe conjugué.
Il est montré dans [13] que le codage Alamouti permet d’atteindre un ordre de diversité
maximale à savoir Mt Mr et donc 2Mr , sans sacrifier le débit de données, car il réalise un
rendement R=1 ,puisque , il faut deux intervalles de temps pour transmettre deux symboles.
18
2.5. CODAGE SPATIO-TEMPOREL EN BLOC
r1 h1 h2 s1 n
= ∗ + 1∗ (2.26)
r2∗ h2 −h∗1 s2 n2
On pose :
h1 h2
C= ∗
h2 −h∗1
h
C1 = 1∗
h2
h2
C2 =
−h∗1
Il est intéressant de noter que :
19
2.5. CODAGE SPATIO-TEMPOREL EN BLOC
De l’équation (2.27), il est clair que les colonnes de la matrice du canal C sont orthogonales.
A partir de là , on en déduit d’une part, que le code Alamouti appartient à une classe spéciale de
STBC nommée OSTBC 23 et d’autre part, la matrice C peut être utilisée comme Beamformer
pour le décodage. En multipliant l’équation (2.26) par C H , on aura comme premier membre de
l’équation résultante :
Avec :
Mt
X
ζ = −1 + |hj |2
j=1
tels que n11 , n21 représentent le bruit blanc gaussien complexe au niveau des antennes de
réception 1 et 2 pendant la première période symbole , et n12 , n22 représentent le bruit blanc
gaussien complexe au niveau des antennes de réception 1 et 2 pendant la deuxième période
symbole.
r11 h11 h12 n11
r21 h21 h22 s1 n21
∗ = ∗
r12 h12 −h∗11 s2 + n∗12 (2.34)
∗
r22 h∗22 −h∗21 n∗22
20
2.6. STBC D’ORDRE SUPÉRIEUR
∗
r̃2 = h∗12 r11 − h11 r12 ∗
+ h∗22 r21 − h21 r22 (2.36)
Avec :
Mr X
X Mt
ζ = −1 + |hi,j |2
i=1 j=1
3 antennes d’émission
Pour la configuration OSTBC 1 × 3, la matrice du codage est [24] :
4 antennes d’émission
Pour la configuration OSTBC 1 × 4, la matrice du codage est [24] :
21
2.7. SYSTÈME MIMO POUR UN CANAL SÉLECTIF EN FRÉQUENCE
2.8 Conclusion
Dans ce chapitre, nous avons présenté un modéle de transmission MIMO sous l’hypothèse
que le canal est non sélectif en fréquence. Par la suite, nous avons fait part des principales
techniques de détection pour les systèmes MIMO à multiplexage spatial et en dernier lieu ,nous
nous sommes intéressés aux techniques de diversité, et plus précisément au codage spatio-
temporel.
22
Chapitre III : OFDM
Chapitre 3
3.1 Introduction
Un des problèmes majeurs en télécommunications est d’adapter l’information à transmettre
au canal de propagation. Pour contourner le problème des canaux sélectifs en fréquence, une
technique ingénieuse, de modulation a vu le jour,et consiste à l’utilisation de modulations multi-
porteuses dans laquelle un bloc d’information est modulé par une transformée de Fourier. Cette
technique connue sous le nom d’OFDM 24 a connu un vif succès ces dernières années, et y est
dans tous les futurs standards (Wi-MAX, LTE, IEEE802.11a). La technique OFDM a le grand
mérite de transformer un canal multi-trajets large bande en un ensemble de sous-canaux mono-
trajet, très simples à égaliser. Le but de ce chapitre est d’introduire la modulation OFDM.
3.2 Historique
D’un point de vue historique, les origines du multiplexage par répartition orthogonale de
la fréquence ou l’OFDM remontent à la fin du dix-neuvième siècle, lorsque le télégraphe a été
utilisé pour le transport d’informations par le biais de multiples canaux. La version analogique
de l’OFDM a été proposée par R.W. Chang des laboratoires Bell en 1966, et qui a obtenu un
brevet pour cela quatre ans plus tard. Début des années 70, Weinstein et Ebert ont montré qu’il
est possible de synthétiser les opérations de modulation et de démodulation OFDM par des
techniques de transformées de Fourier. La complexité de calcul peut être réduite considérable-
ment, en utilisant des algorithmes de transformés de Fourier rapides . Par conséquent, l’OFDM
est une technique de modulation basée sur la DFT 25 . Un autre résultat clé lié à la mise en
oeuvre de l’OFDM numérique a été conçu par A. Peled et A. Ruiz qui ont avancé l’utilisa-
tion de préfixe cyclique comme solution pour maintenir l’orthogonalité entre les sous-porteuses.
Depuis, de nombreux chercheurs ont étudié et affinés la technique au fil des ans, et elle a été
adoptée avec succès dans de nombreuses normes telles que : le LTE 26 , l’ADSL 27 et le DAB 28
[22].
23
3.3. MODULATION MONO-PORTEUSE OU MULTI-PORTEUSE
sm (t) = Cm ej2πfm t
sl (t) = Cl ej2πfl t
29. Frequency Division Multiplexing .
24
3.4. OFDM ANALOGIQUE
Z +∞
sm s∗l dt = 0 (3.1)
−∞
Avec :
Posons :
Z +∞
ξ= sm s∗l dt
−∞
Z +∞ Z Tsym
ξ= sm s∗l dt = Cm ej2πfm t Cl∗ e−j2πfl t dt
−∞ 0
Z Tsym
= Cm Cl∗ ej2π(fm −fl )t dt
0
iTsym
C Cl∗
h
j2π(fm −fl )t
= j2π(fmm −f l)
e
0
Cm Cl∗
= (ej2π(fm −fl )Tsym − 1) (3.2)
j2π(fm − fl )
Donc la valeur minimale de ∆f qui permet d’avoir l’orthogonalité entre les sous-porteuses
1
est de Tsym .
3.4.3 Modulateur
D’après les paragraphes précédents, une modulation OFDM consiste à transmettre simul-
tanément, une séquence de N symboles Ck sur N sous-porteuses de fréquences fk . Cela revient
à considérer différents indices k et à sommer l’ensemble des signaux pour obtenir le signal
transmis s(t) [17] :
N
X −1
s(t) = Ck ej2πfk t (3.3)
k=0
Avec :
Ck : nombre complexe défini à partir d’éléments binaires pour une constellation à plusieurs
états.
Et :
k
fk = f0 + Tsym
tel que f0 est la fréquence d’émission et k ∈ N.
25
3.4. OFDM ANALOGIQUE
h i2
sin [πTsym (f −fk )]
Sk (f ) = E0 πTsym (f −fk ) (3.4)
Avec :
Figure 3.2 – Densité spectrale de puissance d’un signal OFDM à 8 sous-porteuses [17]
26
3.4. OFDM ANALOGIQUE
On peut interpréter l’orthogonalité sur la figure ci-dessus. En un point où, pour une sous-
porteuse, la densité spectrale de puissance est maximale, elle est nulle pour toutes les autres
sous-porteuses.
3.4.4 Démodulateur
En supposant que les effets du canal et le bruit ne sont pas pris en compte , le signal
parvenant au récepteur s’écrit [17] :
N
X −1
r(t) = Ck ej2πfk t (3.5)
K=0
La démodulation du signal reçu se base sur l’orthogonalité des sous-porteuses et cela se traduit
par l’équation suivante :
Z Tsym Z Tsym N −1
1 j2πfl t ∗ 1 X
r(t)(e ) dt = ( Ck ej2πfk t )e−j2πfl t dt
Tsym 0 Tsym 0 K=0
N −1 Z Tsym
1 X j2π(k−l) Tt
= Ck e sym dt
Tsym K=0 0
Cl pour k = l
= (3.6)
0 k 6= l
27
3.5. OFDM NUMÉRIQUE
N −1
k
j2π T t
X
s(t) = [ Ck e sym ]ej2πf0 t (3.7)
k=0
Le dernier facteur dans l’équation (3.7) correspond à une transposition à la fréquence d’émis-
sion. Le premier facteur correspond à l’enveloppe complexe du signal modulé s(t) relative à la
porteuse f0 et peut être vue comme un signal en bande de base qui occupe une bande passante
B sur l’intervalle −B 2
; +B
2
et donc,la fréquence d’échantillonnage notée fe doit satisfaire la
condition :
2B N N 1
fe ≥ 2
soit fe ≥ Tsym
et donc fe = Tsym
= Te
.
Posons :
N −1
k
j2π T t
X
c(t) = Ck e sym (3.8)
k=0
N −1
n
X
cn = Ck ej2πk N (3.9)
k=0
[c0 , c1 , c2 , . . . , cN −1 ] = DF T −1 [C0 , C1 , C2 , . . . , CN −1 ]
Avec :
28
3.5. OFDM NUMÉRIQUE
Pour s’affranchir de l’interférence entre symboles OFDM , on duplique les derniers symboles
temporels de tout symbole OFDM et on les transmet en tête.Ces parties répétées constituent
le préfixe cyclique ou CP 32 .Le nombre de symboles répétés doit correspondre à une durée
supérieure ou égale à τmax . Soit NCP le nombre de symboles répétés, le nombre de symboles
31. Fast Fourier Transform .
32. Cyclic Prefix .
29
3.5. OFDM NUMÉRIQUE
temporels transmis total est donc N + NCP . Si on considère que le premier symbole est reçu
au temps t = 0 suivant le trajet direct, il suffit de ne pas tenir compte des NCP premiers
symboles et considérer seulement les N symboles suivants. Ceux-ci sont soumis uniquement à
de l’interférence au sein du même symbole [17].
Avec :
T
. : est la matrice transposée de [ . ] .
Le nouveau symbole OFDM étendu à la sortie de l’émetteur noté c0i ,de taille (N + NCP ) × 1
est généré à partir de ci en insérant un CP de taille NCP comme suit :
30
3.5. OFDM NUMÉRIQUE
H0 et H1 : sont des matrices carrées de taille (N + NCP ) contenant les coefficients en temps
discret de la réponse impulsionnelle du canal, définies comme :
h0 0 · · · · · · · · · 0
.. . . . . ..
. . . .
.. .. ..
hL
. . .
H0 = . (3.13)
0 ... ..
.
..
. ..
.. . . . . ..
. . . . 0
0 . . . 0 hL . . . h0
hL · · · h1
.. .
. ..
0
.. . .
0N +NCP ×(N +NCP −L) .
. hL
H1 = (3.14)
.
..
0
..
. 0
0 ... 0
τmax
Où : L + 1 = Te
.
Apres suppression du préfixe cyclique du block ri0 ,le block OFDM ri de taille N × 1 à l’entrée
de la DFT s’écrit alors :
ri = Vri0 (3.15)
= VH0 Uci + VH1 Uci−1 + ni
Avec :
ni = Vn0i .
V : désigne la matrice de suppression du préfixe cyclique, de taille N × (N + NCP ) définie
comme suit :
V = 0N ×NCP IN ×N (3.16)
Si la longueur du CP est suffisamment longue, à savoir, NCP ≥ L, alors VH1 U devient une
matrice nulle, et donc le ieme symbole OFDM n’interfère plus avec le symbole précédant c’est-
à-dire le (i − 1)eme symbole. De plus , VH0 U devient une matrice circulaire de taille N × N
notée Hc .
Et donc pour résumé : ∀ NCP ≥ L, on a :
Puisque Hc est une matrice circulante alors elle peut s’écrire sous la forme :
Hc = F H ΛF (3.18)
Où :
Λ : est une matrice diagonale de taille N × N dont les éléments non nuls sont les résultats de
la DFT des coefficients du canal.
31
3.5. OFDM NUMÉRIQUE
···
1 1 1 1
1 WN1 W N
2
··· WNN −1
2(N −1)
2
F = 1 WN
WN4 ··· WN
(3.19)
.. .. .. .. ..
. . . . .
N −1 2(N −1) (N −1)(N −1)
1 WN WN ··· WN
Tel que :WN = exp(−j 2π
N
).
ri = Hc ci + ni (3.20)
= F H ΛF F H Ci + ni
= F H ΛCi + ni
Pour trouver les symboles fréquentiels émis, on applique une DFT au vecteur ri :
R i = F ri (3.21)
= F F H ΛCi + F ni
= ΛCi + Ni
Avec : F F H = IN et ci = F H Ci .
Où :
Ri (k),Ci (k) ,Hi (k) et Ni (k) désigne les k eme composants du ieme symbole reçu ,symbole transmis,
réponse fréquentielle et bruit , respectivement , dans le domaine fréquentiel. En absence du
bruit, la détection se fait par une simple division comme suit :
32
3.6. AVANTAGES ET INCONVÉNIENTS DE L’OFDM
Figure 3.7 – Schéma de principe de l’émetteur et du récepteur d’un système OFDM avec
codage convolutif
— Différents schémas de modulation peuvent être utilisés sur les sous-porteuses indivi-
duelles ,qui sont adaptées aux conditions de transmission sur chaque sous-porteuse.
— l’OFDM est très sensible aux erreurs de synchronisation .Celles- ci détruisent l’orthogo-
nalité des sous-porteuses et créent donc de l’ICI 33 .
33
3.7. SYSTÉME MIMO-OFDM
Figure 3.8 – schéma simplifié d’un système MIMO-OFDM avec un codage STBC
3.8 Conclusion
Dans ce chapitre, nous avons abordé l’OFDM en détail, en commençant à partir de sa
conception dans le domaine à temps continue, pour aboutir à sa mise en oeuvre actuelle dans
le domaine à temps discret par l’utilisation de la transformée de Fourier rapide .Par la suite,
nous avons vu comment l’ajout d’un préfixe cyclique au symbole OFDM, permet de simpli-
fier grandement le processus d’égalisation pour les canaux multi-trajets, et enfin l’association
MIMO-OFDM.
34
Chapitre IV : Simulations et discussion
des résultats
Chapitre 4
Les performances d’un système de transmission sont principalement évaluées par son apti-
tude à résister aux perturbations. Dans ce chapitre, on se propose de comparer la performance
de différentes configurations, à savoir SISO-OFDM, MIMO à bande étroite et enfin MIMO-
OFDM, en matière de Bit Error Rate sous différentes conditions, en supposant que le canal est
parfaitement connu par le récepteur.
4.1 SISO-OFDM
4.1.1 Comparaison entre le canal de Rayleigh et le canal AWGN
paramètres :
Les paramètres du système SISO-OFDM utilisés dans la simulation sont :
Paramètres Spécification
Taille de la FFT 64
Constellation BPSK
Canal Rayleigh, AWGN
Nombre de symboles 1280
Taille du CP 16
Nombre de trajets 10
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Résultats et discussion :
On peut constater d’après la figure (4.1) que le canal AWGN 36 est sujet à moins d’erreurs
que le canal de Rayleigh, soit un gain de 15.20 dB pour un BER = 10−3 . Cette différence de
performance s’explique par le fait qu’un canal AWGN ajoute du bruit blanc gaussien complexe
au signal émis sans tenir compte de la propagation multi-trajets, ce qui est contraire au canal
de Rayleigh , qui lui suppose que l’amplitude d’un signal qui passe à travers le canal radio varie
de façon aléatoire, selon une distribution de Rayleigh d’où le nom canal de Rayleigh.
36. Additive White Gaussian Noise .
35
4.1. SISO-OFDM
Figure 4.1 – Courbes de BER vs SNR pour les canaux AWGN et Rayleigh
Résultats et discussion :
Figure 4.2 – Courbes de BER vs SNR d’un canal de Rayleigh pour une taille du CP variante
36
4.1. SISO-OFDM
les résultats obtenus dans la figure (4.2) confirment les notions théoriques vues dans le
chapitre 3, à savoir pour s’affranchir de l’ISI et donc obtenir de meilleures performances en
matière de BER, il faut opter pour un CP ayant une taille minimale de L − 1, avec L est le
nombre de trajets présents dans le canal, ainsi plus la taille du CP augmente, plus le système
devient plus fiable, mais cela n’est pas sans conséquence, car en augmentant la taille du CP, on
réduit l’efficacité spectrale du système.
Paramètres Spécification
Taille de la FFT 64
Constellation BPSK, QPSK, 8-PSK,16-PSK, 2-QAM,4-QAM, 8-QAM ,16-QAM
Canal Rayleigh
Nombre de symboles 1280
Taille du CP 16
Nombre de trajets 10
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Table 4.2 – Paramètres de simulation d’un système SISO-OFDM pour differents types de
modulation
Résultats et discussion :
Figure 4.3 – Courbes de BER vs SNR d’un canal de Rayleigh pour différentes modulation
M-PSK
37
4.1. SISO-OFDM
Figure 4.4 – Courbes de BER vs SNR d’un canal de Rayleigh pour différentes modulation
M-QAM
On voit qu’au fur et à mesure que l’ordre de modulation augmente, le système devient
moins fiable et cela avec les deux types de modulation à savoir PSK et QAM, car plus le
nombre de constellation devient important, plus le démodulateur aura du mal à distinguer
entre les différents états .En réduisant l’ordre de modulation, on réduit aussi le nombre de bits
par symbole ce qui est un inconvénient pour les applications qui nécessitent un débit binaire
élevé .
Figure 4.5 – Courbes de BER vs SNR pour les modulations 16-PSK et 16-QAM
38
4.1. SISO-OFDM
Table 4.3 – Paramètres de simulation d’un système SISO-OFDM avec codeur convolutif
Résultats et discussion :
Figure 4.6 – Courbes de BER vs SNR pour la modulations BPSK avec et sans codage convo-
lutif
On observe d’après la figure(4.6), une nette amélioration en matière de BER, soit un gain
de 9.67 dB pour un BER = 10−3 , entre un système SISO-OFDM avec et sans codage convolutif
de rendement R = 1/2. La nécessité d’introduire de la redondance pour protéger le signal émis
contre les erreurs de transmission est évidente. Si on émet un message d’information binaire
et que la détection se fasse bit par bit dans le récepteur. Si le message émis ne contient pas
de redondance, chaque bit émis est essentiel et toute erreur de transmission conduit à une
perte d’information irréversible. Si, au contraire, des bits de redondance sont introduits dans le
message, on peut être en mesure de détecter, voire même de corriger, des erreurs de transmission
utilisant un code correcteur d’erreurs comme le code convolutif .Plus la redondance augmente
plus la protection croît mais au prix d’une réduction de l’efficacité spectrale.
39
4.2. DIVERSITÉ
4.1.5 Conclusion
Nous avons analysé dans cette section, les performances d’un système SISO-OFDM sous
différentes conditions et nous sortons avec les constats suivants :
4.2 Diversité
4.2.1 Comparaison entre SC, EGC et MRC
paramètres :
Les paramètres utilisés dans la simulation sont indiqués dans le tableau suivant :
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de symboles 1000
Configurations 4×1
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Table 4.4 – Paramètres de simulation pour la comparaison entre les techniques de diversité
en réception
D’après la figure (4.7), on constate que la méthode MRC s’avère plus performante que les
méthode SC et EGC, car elle permet l’utilisation des informations sur l’amplitude et la phase
à la fois.
La technique SC est conceptuellement la plus simple : elle consiste à sélectionner le signal,
ayant le plus grand SNR parmi les branches disponibles,comme elle ne nécessite qu’une mesure
des puissances reçues de chaque branche et un interrupteur pour choisir entre les branches, elle
est relativement facile à mettre en oeuvre. Toutefois, le fait qu’elle ne tienne pas compte des
informations obtenues à partir de toutes les branches, mais seulement de celle sélectionnée, on
déduit qu’elle n’est pas optimale.
Dans la technique EGC, les signaux à la sortie des branches de réception sont combinés de
manière linéaire, avec le mêmes coefficients de pondération, sans tenir compte des différences
entre les amplitudes des signaux. Comme toutes les branches interviennent, et sont combinées
linéairement, la technique EGC fonctionne mieux que la technique SC. Elle permet d’augmenter
le SNR. Quant à la simplicité, cette méthode nécessite l’estimation de la phase de tous les
signaux reçus de canal, mais non pas les amplitudes. Elle est moins simple à mettre en oeuvre
que la technique SC.
40
4.2. DIVERSITÉ
La différence entre les techniques EGC et MRC n’est pas considérablement grande en matière
de BER ,à savoir, un écart de 1 dB. Par conséquent, la méthode EGC peut être préférée quand
les coûts de mise en oeuvre sont essentiels.
Résultats et discussion :
Figure 4.7 – Courbes de BER vs SNR pour la comparaison entre les techniques de diversité
en réception
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de symboles 1000
Configurations 2 × 1, 2 × 2, 4 × 1, 1 × 2,1 × 1
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Table 4.5 – Paramètres de simulation pour la comparaison entre les techniques de diversité
41
4.2. DIVERSITÉ
Résultats et discussion :
Les configurations Alamouti 1 × 2 et MRC 2 × 1 ont le même ordre de diversité, à savoir 2,
et cela est évident à partir de la figure (4.8), que les pentes des deux courbes sont les mêmes.
Toutefois, la configuration MRC 2 × 1 a un gain de 3 dB par rapport à Alamouti 1 × 2 . La
pénalité de 3 dB est due à l’hypothèse faite précédemment ,soit que le niveau de puissance
d’émission totale à partir de deux antennes pour le schéma d’Alamouti est le même que le
niveau de puissance d’émission à partir de la seule antenne d’émission pour le schéma MRC et
cela peut facilement être démontré, comme suit :
Soit :
PM RC
XdB = 10 log (4.2)
PAlamouti
= 10 log 2
= 3 dB
D’autre part , la configuration Alamouti 2 × 2 montre une meilleure performance que les
configurations décrites précédemment, c’est-à-dire MRC 2 × 1 et Alamouti 1 × 2, car l’ordre de
diversité est dans ce cas 4. En comparant les configurations Alamouti 2×2 et MRC 4×1, on note
les mêmes remarques faites précédemment pour les configurations Alamouti 1×2 et MRC 2×1.
Figure 4.8 – Courbes de BER vs SNR pour la comparaison entre les techniques de diversité
42
4.2. DIVERSITÉ
Paramètres Spécification
Constellation QPSK
Canal Rayleigh
Nombre de symboles 1000
Configurations 1 × 1 ,1 × 2,1 × 3,1 × 4
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Résultats et discussion :
Figure 4.9 – Courbes de BER vs SNR pour la comparaison entre les différents OSTBC
les résultats de la simulation sont représentés dans la figure (4.9). Comme on s’y attendait,
une diversité d’ordre supérieur est obtenue avec un plus grand nombre d’antennes d’émission,
et donc le système devient plus fiable. En fait, on confirme que tous les OSTBC atteignent
l’ordre de diversité maximale.
43
4.2. DIVERSITÉ
Paramètres Spécification
Constellation 8-PSK
Canal Rayleigh
Nombre de symboles 1000
Configurations 1×2
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Oui
Table 4.7 – Paramètres de simulation d’un système OSTBC avec et sans codeur convolutif
Résultats et discussion :
Figure 4.10 – Courbes de BER vs SNR pour la modulations 8-PSK avec et sans codage
convolutif
On observe d’après la figure(4.10), une nette amélioration en matière de BER, soit un gain
de 6.36 dB pour un BER = 10−3 , entre un système OSTBC 1 × 2 avec et sans codage convolutif
de rendement R = 1/3. Les raisons de cette amélioration sont similaire à ceux évoquées dans
la sous-section (4.1.4).
44
4.3. MULTIPLEXAGE
4.2.5 Conclusion
Nous avons analysé dans cette section, les performances d’un système SIMO et MISO à
bande étroite sous différentes conditions et nous sortons avec les constats suivants :
— Pour un même ordre de diversité, la technique MRC présente un gain de 3 dB par rap-
port à Alamouti, cependant, il faut souligner le fait que la technique MRC exige une
estimation du canal contrairement à la technique Alamouti.
4.3 Multiplexage
4.3.1 Comparaison entre ZF,MMSE et ML
paramètres :
Les paramètres utilisés dans la simulation sont indiqués dans le tableau suivant :
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de symboles 1000
Configurations 2×2
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Table 4.8 – Paramètres de simulation pour la comparaison entre les techniques d’égalisation
Résultats et discussion :
Comme on s’y attendait, la détection ML achève la détection optimale au prix d’une com-
plexité plus accrue. La détection ML est suivie par les détections MMSE et ZF respectivement,
en matière de performances. Bien qu’il soit facile à mettre en oeuvre, l’égaliseur ZF a l’incon-
vénient d’amplifier le bruit, quand la réponse du canal a une faible amplitude et c’est ce qui
explique son déficit de performance.
45
4.3. MULTIPLEXAGE
Figure 4.12 – Courbes de BER vs SNR pour différents techniques d’égalisation pour des
configurations 2 × 2 et 4 × 4
46
4.3. MULTIPLEXAGE
Paramètres Spécification
Constellation BPSK,QPSK,16-PSK, 16-QAM
Canal Rayleigh
Nombre de symboles 1000
Configurations ZF 2 × 2
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Table 4.9 – Paramètres de simulation pour la comparaison entre différents ordre de modulation
Résultats et discussion :
On voit qu’au fur et à mesure que l’ordre de modulation augmente, le système devient moins
fiable , car plus le nombre de constellation devient important, plus le démodulateur aura du mal
à distinguer entre les différents états.On voit aussi d’après la figure (4.13), que la modulation
16-QAM presente de meilleure performance en matière de BER que la modulation 16-PSK,
pour les mêmes raisons citées précédemment dans (4.1.3).
47
4.4. COMPARAISON ENTRE MIMO-OFDM ET MIMO À BANDE ÉTROITE
4.3.3 Conclusion
Nous avons analysé dans cette section, les performances des égaliseurs ZF, MMSE, et ML
d’un systéme MIMO à bande étroite sous différentes conditions et nous sortons avec les constats
suivants :
— Pour un même ordre de modulation, la modulation QAM est moins sensible au canal
que la PSK.
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de trajets 10
FFT 64
Taille du CP 16, 8, 4, 0
Nombre de symboles 1280
Configurations 2 × 2 ZF,2 × 2 MMSE
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
— Comme dans les systèmes SISO-OFDM, les systèmes MIMO-OFDM doivent avoir un
CP de taille minimale L − 1 dans un canal à L trajets.
48
4.4. COMPARAISON ENTRE MIMO-OFDM ET MIMO À BANDE ÉTROITE
Figure 4.14 – Courbes de BER vs SNR pour la comparaison entre MIMO-OFDM et MIMO
à bande etroite pour ZF
Figure 4.15 – Courbes de BER vs SNR pour la comparaison entre MIMO-OFDM et MIMO
à bande etroite pour MMSE
49
4.4. COMPARAISON ENTRE MIMO-OFDM ET MIMO À BANDE ÉTROITE
4.4.2 Diversité
paramètres :
Les paramètres utilisés dans la simulation sont indiqués dans le tableau suivant :
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de symboles 1280
Configurations 2 × 1 ,1 × 2
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Non
Figure 4.16 – Courbes de BER vs SNR pour la comparaison entre MIMO-OFDM et MIMO
à bande etroite pour MRC et OSTBC
Résultats et discussion :
D’après la figure (4.16) on remarque :
— Les courbes MRC à bande étroite et MRC-OFDM, Alamouti à bande étroite et Alamouti-
OFDM, se superposent respectivement et donc comme précédemment il y a un écart de
3 dB entre MRC-OFDM et Alamouti- OFDM pour un même ordre de diversité.
50
4.5. EFFET DU CODE CONVOLUTIF SUR MIMO-OFDM
Paramètres Spécification
Constellation BPSK
Canal Rayleigh
Nombre de symboles 1280
Nombre de trajets 10
FFT 64
Taille du CP 16
Configurations 2 × 2ZF
Nombre d’itérations Monte-Carlo 1000
Codage convolutif Oui
Figure 4.17 – Courbes de BER vs SNR pour la comparaison entre MIMO-OFDM ZF avec et
sans codage convolutif
Résultats et discussion :
Comme dans toutes les configurations vues dans ce mémoire, l’introduction du codage convo-
lutif améliore grandement la fiabilité du système.
51
4.6. CONCLUSION
4.6 Conclusion
Nous avons pu constater dans ce chapitre l’influence de certains paramètres sur la perfor-
mance d’un système SISO-OFDM comme la taille du CP, le type de modulation, et le type
de canal .Nous avons aussi pu voir l’efficacité de la diversité en émission et en réception pour
lutter contre le fading ,et en dernier lieu nous avons vérifié une propriété très importante de
l’OFDM, à savoir transformer un canal sélectif en fréquence en un canal à bande étroite très
facile à égaliser d’où l’intérêt de l’association MIMO-OFDM.
52
Conclusion et perspectives
Conclusion et perspectives
Notre mémoire s’est articulée autour de deux objectifs essentiels .Le premier était est de
constater l’efficacité de la diversité spatiale pour atténuer les effets des évanouissements, engen-
drés par la propagation multi-trajets. Différentes techniques de combinaison ont été traitées,
que ça soit pour la diversité en émission ou en réception.
Notre second centre d’intérêt a été la mise en évidence de l’importance de l’OFDM pour
combattre l’ISI ainsi que la simplification du processus d’égalisation. Toutes ces notions ont pu
être vérifiées par des simulations Matlab.
[1] Goldsmith Andrea. Wireless Communications, chapter 2. stanford university press, stan-
ford, 2005.
[2] Goldsmith Andrea. Wireless Communications, chapter 7. stanford university press, stan-
ford, 2005.
[3] Goldsmith Andrea. Wireless Communications, chapter 10. stanford university press, stan-
ford, 2005.
[4] Goldsmith Andrea. Wireless Communications, chapter 12. stanford university press, stan-
ford, 2005.
[5] Yong Soo Cho, Jaekwon Kim, Won Young Yang, and Chung G.kang. MIMO-OFDM
Wireless Communications With MATLAB, chapter 1. John Wiley & Sons (Asia) Pte Ltd,
Singapore, 2010.
[6] Yong Soo Cho, Jaekwon Kim, Won Young Yang, and Chung G.kang. MIMO-OFDM
Wireless Communications With MATLAB, chapter 11. John Wiley & Sons (Asia) Pte
Ltd, Singapore, 2010.
[7] Serge DRABOWITCH. Antenne a traitement du signal. Techniques de l’ingenieur, page 22,
Aout 2006.
[8] MOHAMAD ELKHALED. Evaluation de la capacite du canal uwb minier. Master’s thesis,
Universite de Quebec en Abitibi-Temiscamingue, 2011.
[9] K. Fazel and S. Kaiser. Multi-Carrier and Spread Spectrum Systems, chapter 1. John
Wiley & Sons Pte Ltd, United Kingdom, 2008.
[10] Jean-Noel GOUYET and Sylvie KALINWSKI. Radio numerique -modulation ofdm. Tech-
niques de l’ingenieur, page 22, Aout 2013.
[11] TESSERAULT Guillaume. Modelisation multi-frequences du canal de propagation. PhD
thesis, Universite de Poitiers, 2006.
[12] Edgard Haddad. APPORT DE LA MODELISATION DETERMINISTE 3D INDOOR
POUR L’INGENIERIE DES SYSTEMES RADIO AVANCES. PhD thesis, l’Universite
europeenne de Bretagne, 2011.
[13] JAFARKHANI HAMID. SPACE-TIME CODING THEORY AND PRACTICE, chapter 4.
Cambridge University Press, California, Irvine, 2005.
[14] Kazunori Hayashi and Hideaki Sakai. A simple interference elimination scheme for single
carrier block transmission with insufficient cyclic prefix. Graduate School of Informatics,
Kyoto University, page 5, 2004.
[15] Aditya K. Jagannatham. Lecture 6 : Multi antenna maximal ratio combiner.
https ://www.youtube.com/watch ?v=7w4LIp1TOA, June 2013. Advanced 3G and 4G
Wireless Mobile Communications by Prof. Aditya K. Jagannatham, Department of Elec-
tronics and Communication Engineering, IIT Kanpur.
vi
BIBLIOGRAPHIE
vii
Résumé
L’objectif de ce travail était l’étude de l’association MIMO-OFDM, et son intérêt pour la
fiabilité des radiocommunications, puis de valider les notions théoriques à travers des simulations
MATLAB (scripts), et plus précisément, des courbes de BER en fonction du SNR. Nous avons
pu constater que la technique MIMO contribue grandement à la fiabilité des communications
grâce à la diversité ,et qu’effectivement l’OFDM transforme un canal MIMO sélectif en fréquence
en un canal à bande étroite d’où l’intérêt de cette fusion .Nous avons aussi vu quels sont les
facteurs qui influencent la performance du système MIMO-OFDM.
Abstract
The objective of this work was the study of MIMO-OFDM association, and his interest in the
reliability of radio communications, and validate the theoretical concepts through MATLAB
simulations (scripts), and more specifically, the BER curves as a function of SNR. We have
seen that the MIMO technology greatly contributes to the reliability of communications through
diversity, and indeed OFDM transforms a frequency-selective MIMO channel into a narrowband
channel where the interest of this merger. We also saw what factors influencing the performance
of MIMO-OFDM system.