Académique Documents
Professionnel Documents
Culture Documents
H UAQIANG SHU
1 I NTRODUCTION
2 E STIMATION D ’ UN CANAL MONO - TRAJET EN MODULATION
MONO - PORTEUSE
B OUCLE DE POURSUITE D ’ ORDRE 3 (RW3-CATL)
F ILTRE DE K ALMAN ASYMPTOTIQUE D ’ ORDRE 3 (RW3-KF)
4 C ONCLUSION ET PERSPECTIVE
2 / 44
PARTIE I : I NTRODUCTION
P LAN
1 I NTRODUCTION
2 E STIMATION D ’ UN CANAL MONO - TRAJET EN MODULATION
MONO - PORTEUSE
B OUCLE DE POURSUITE D ’ ORDRE 3 (RW3-CATL)
F ILTRE DE K ALMAN ASYMPTOTIQUE D ’ ORDRE 3 (RW3-KF)
4 C ONCLUSION ET PERSPECTIVE
3 / 44
PARTIE I : I NTRODUCTION
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
4 / 44
PARTIE I : I NTRODUCTION
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
4 / 44
PARTIE I : I NTRODUCTION
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
4 / 44
PARTIE I : I NTRODUCTION
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
4 / 44
PARTIE I : I NTRODUCTION
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
4 / 44
PARTIE I : I NTRODUCTION
AC DU lème TRAJET
αl (t) = ρl (t)ejθl (t)
5 / 44
PARTIE I : I NTRODUCTION
AC DU lème TRAJET
αl (t) = ρl (t)ejθl (t)
σα2
2fd
Γαl (ν)
Γαl (ν)
−fd 0 fd −fd 0 fd
ν ν
5 / 44
PARTIE I : I NTRODUCTION
AC DU lème TRAJET
αl (t) = ρl (t)ejθl (t)
0.1
ℜ(α)
ℜ(α)
0.09 0
0.08
−0.1
−0.2
0
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
Symbole OFDM Symbole OFDM
5 / 44
PARTIE I : I NTRODUCTION
M ODULATION OFDM
α (k) }
H(k) = diag{Fα
6 / 44
PARTIE I : I NTRODUCTION
M ODULATION OFDM
α (k) }
H(k) = diag{Fα
6 / 44
PARTIE I : I NTRODUCTION
M ODULATION OFDM
α (k) }
H(k) = diag{Fα
6 / 44
PARTIE I : I NTRODUCTION
M ODULATION OFDM
1
10
−1
10
−2
10
M ATRICE DU CANAL −3
10
−4
10
−5
10
α (k) }
H(k) = diag{Fα −6
10
120
140
−7
10 100
140
120 80
100
80
60
m
40
n 60
40 20
20
0 0
6 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE I : I NTRODUCTION
F ILTRE DE K ALMAN
Auto-régressive (AR) :
AR1CM -KF [Hijazi10][Simon12][Tugnait10] :
modèle AR1 associé au critère "Correlation Matching", scenario fd T élevée
AR1MAV -KF [Barbieri09][Ghandour−Haidar12] :
modèle AR1 associé au critère "Minimum Asympototic Variance", scenario fd T faible
Marche-aléatoire (RW) :
RWr-KF (r = 1, 2, 3)[Ghandour−Haidar12][Ros11][Shu13]
Problème du KF : complexité
⇒ RW3-CATL (3rd -order Random-Walk Complexe Amplitude Tracking Loop)
7 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE
P LAN
1 I NTRODUCTION
2 E STIMATION D ’ UN CANAL MONO - TRAJET EN MODULATION
MONO - PORTEUSE
B OUCLE DE POURSUITE D ’ ORDRE 3 (RW3-CATL)
F ILTRE DE K ALMAN ASYMPTOTIQUE D ’ ORDRE 3 (RW3-KF)
4 C ONCLUSION ET PERSPECTIVE
8 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
9 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
9 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
9 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
S TRUCTURE DE LA RW3-CATL
É QUATION DE LA RW3-CATL
( À PARTIR DU KF)
signal d’erreur
Filtre de boucle
Estimation finale
11 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
S TRUCTURE DE LA RW3-CATL
É QUATION DE LA RW3-CATL
( À PARTIR DU KF)
signal d’erreur
Filtre de boucle
Estimation finale
11 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
C ARACTÉRISTIQUES DE LA RW3-CATL(1)
H YPOTHÈSE :
fT 1 =⇒ z−1 ≈ 1 − pT
(avec z = epT et p = jω = j2πf )
12 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
C ARACTÉRISTIQUES DE LA RW3-CATL(1)
0
H YPOTHÈSE :
−10 fT 1 =⇒ z−1 ≈ 1 − pT
−20
(avec z = epT et p = jω = j2πf )
|L| dB
−30
−40
RW3-CATL ⇐⇒ F ILTRE PASSE - BAS
−50
D ’ ORDRE 3 ANALOGIQUE
−60 −6 −5 −4 −3 −2 −1
10 10 10 10 10 10
fT
12 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
C ARACTÉRISTIQUES DE LA RW3-CATL(2)
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (µ1 , µ2 , µ3 )
µ1 − µ2 + µ3 µ2 − 2µ3 3 µ3
(m + 2) · ζ ωn T = , (1 + 2mζ 2 ) · (ωn T)2 = , mζ · (ωn T) =
1 − µ1 1 − µ1 1 − µ1
13 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
C ARACTÉRISTIQUES DE LA RW3-CATL(2)
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (µ1 , µ2 , µ3 )
µ1 − µ2 + µ3 µ2 − 2µ3 3 µ3
(m + 2) · ζ ωn T = , (1 + 2mζ 2 ) · (ωn T)2 = , mζ · (ωn T) =
1 − µ1 1 − µ1 1 − µ1
13 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
E RREUR D ’ ESTIMATION :
14 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
E RREUR D ’ ESTIMATION :
14 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
O PTIMISATION DE LA RW3-CATL
m = 3.19
ζ = 0.39 ⇒ EQM MINIMALE
2
σmin
6
= C · (2πσw2 ) 7 · (Sα ) 7
1
1
1 Sα Q 7
fn =
T 4πσw2
spectre de Jakes :
5
Sα = (fd T)6 · σα2
16
O PTIMISATION DE LA RW3-CATL
m = 3.19
ζ = 0.39 ⇒ EQM MINIMALE
2
σmin
6
= C · (2πσw2 ) 7 · (Sα ) 7
1
1
1 Sα Q 7
fn =
T 4πσw2
spectre de Jakes :
5
Sα = (fd T)6 · σα2
16
O PTIMISATION DE LA RW3-CATL
m = 3.19
ζ = 0.39 ⇒ EQM MINIMALE
2
σmin
6
= C · (2πσw2 ) 7 · (Sα ) 7
1
1
1 Sα Q 7
fn =
T 4πσw2
spectre de Jakes :
5
Sα = (fd T)6 · σα2
16
16 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
EQM (m,ζ)
Fond de la vallée
0.09
Contrainte
EQM minimale avec la contrainte
0.08 EQM minimale globale
EQM minimale globale
0.07
0.06
EQM minimale
EQM
avec la contrainte
0.05
0.04
0.03
0.02
20
15 0.1
0.2
10 0.3
m 5 0.4 ζ
0 0.5
Vision en 3-D
17 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
−5
10
−8
10
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
−5
10
−8
10
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
−5
10 σ2ε N−théorie (RSB=0,20,40dB)
2
σε α−théorie
−6
10 σ2ε =σ2ε α+σ2ε N−théorie (RSB=0,20,40dB)
σ2 −approx. (RSB=0,20,40dB)
εN
−7
10 σ2ε α−approx.
2 2 2
σε =σε α+σε N−approx. (RSB=0,20,40dB)
−8
10
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
2
σε w−théorie (RSB=0,20,40dB)
−5 2
10 σε α−théorie
σ2ε α−simulation
−8
10 σ2ε w−simulation (RSB=0,20,40dB)
18 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
RSB=0 dB
−1
10
−2
10
RSB=20 dB
−3
10
−4
10 RSB=40 dB
EQM
−5
10
−6
10
18 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
0 0
10 10
AR1CM−KF AR1CM−KF
−1
10 AR1MAV−KF
−1 AR1MAV−KF
10
RW2−KF
RW2−KF
−2 RW3−CATL
10 RW3−CATL
BCRB en−ligne −2
10
BCRB en−ligne
−3
10
EQM
EQM
−3
10
−4
10
−4
−5
10
10
−5
−6
10 10
−7 −6
10 10
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40
RSB (dB) RSB (dB)
fd T = 10−4 fd T = 10−3
19 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
−2
10
−3
10
EQM
−4
AR1CM−KF
10
AR1MAV−KF
RW2−KF
RW3−CATL
BCRB en−ligne
−5
10 −4 −3 −2
10 10 10
fd T
20 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
0
10
−1
10
−2
10
TEB
−3
10
AR1CM−KF
−4 AR1MAV−KF
10
RW2−KF
RW3−CATL
Canal connu
−5
10
0 5 10 15 20 25 30 35 40
RSB (dB)
21 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
22 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
22 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
22 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
22 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
22 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
k1 ≈ 2(
σu 1
)3 , σu 2 k2 σu k3
σw k2 ≈ 2( )3 = 1 , k3 ≈ = 1
σw 2 σw 8
0
2 hypothèses ont été posées : ωn T 1 et P11 σw2 , qui conduisent à :
0 < k3 k2 k1 1
m = 2,
k1 ≈ (m + 2)ζ ωn T,
k2 ≈ (1 + 2mζ 2 )(ωn T)2 ,
⇒ ζ = 0.5,
k1 σu 1
k3 ≈ mζ (ωn T)3 ωn T = = ( )3
2 σw
23 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
k1 ≈ 2(
σu 1
)3 , σu 2 k2 σu k3
σw k2 ≈ 2( )3 = 1 , k3 ≈ = 1
σw 2 σw 8
0
2 hypothèses ont été posées : ωn T 1 et P11 σw2 , qui conduisent à :
0 < k3 k2 k1 1
m = 2,
k1 ≈ (m + 2)ζ ωn T,
k2 ≈ (1 + 2mζ 2 )(ωn T)2 ,
⇒ ζ = 0.5,
k1 σu 1
k3 ≈ mζ (ωn T)3 ωn T = = ( )3
2 σw
23 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
k1 ≈ 2(
σu 1
)3 , σu 2 k2 σu k3
σw k2 ≈ 2( )3 = 1 , k3 ≈ = 1
σw 2 σw 8
0
2 hypothèses ont été posées : ωn T 1 et P11 σw2 , qui conduisent à :
0 < k3 k2 k1 1
m = 2,
k1 ≈ (m + 2)ζ ωn T,
k2 ≈ (1 + 2mζ 2 )(ωn T)2 ,
⇒ ζ = 0.5,
k1 σu 1
k3 ≈ mζ (ωn T)3 ωn T = = ( )3
2 σw
23 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
(2π)6 5 13 2
≈ Sα ≈ k σ
k32 3 3 w
1
e−j2πfT ≈ 1 − j2πfT et 2πfd T k33 ≈ ωn T 1 pour calculer |1 − L(ej2πfT )|2 .
O PTIMISATION DU RW3-KF
" 6 #1
7
18
σu2 opt = (2π) · 36
· Sα · σw2 ,
5
6
5 7 1
σε2 min = 7 · π · σw2 · Sα7
9
24 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
0
10
EQM calculée par l’analyse théorique
EQM calculée par "dare"
−1
10
−2 fd T = 10−2
10
EQM (P11)
−3 fd T = 10−3
10
−4
10
fd T = 10−4
−5
10
−6
10
0 5 10 15 20 25 30 35 40
RSB (dB)
25 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
−1
10
RW3−CATL (simulation)
RW3−CATL (théorie)
RW3−KF (simulation)
−2 RW3−KF (théorie)
10 BCRB−en−ligne
−3
10
EQM
−4
10
−5
10
−6
10
0 5 10 15 20 25 30 35 40
RSB (dB)
26 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-KF
0.8
ℜ(α)
0.6
0.4
0.2
27 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE
P LAN
1 I NTRODUCTION
2 E STIMATION D ’ UN CANAL MONO - TRAJET EN MODULATION
MONO - PORTEUSE
B OUCLE DE POURSUITE D ’ ORDRE 3 (RW3-CATL)
F ILTRE DE K ALMAN ASYMPTOTIQUE D ’ ORDRE 3 (RW3-KF)
4 C ONCLUSION ET PERSPECTIVE
28 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
np −1 1
[Fp ]np ,l = e−j2π( N − 2 )τ̌l , np ∈ P, l = 1 · · · Lt .
29 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
np −1 1
[Fp ]np ,l = e−j2π( N − 2 )τ̌l , np ∈ P, l = 1 · · · Lt .
29 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
RW3-LS-CATL
S IGNAL D ’ ERREUR
vε (k) = f yp(k) ; α̂
α (k|k−1)
⇓ α̂α LS(k) = (XH(k) X(k) )−1 XH(k) yp(k)
α LS(k) − α̂
vε (k) = α̂ α (k|k−1)
30 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
RW3-LS-CATL
S IGNAL D ’ ERREUR
vε (k) = f yp(k) ; α̂
α (k|k−1)
⇓ α̂α LS(k) = (XH(k) X(k) )−1 XH(k) yp(k)
α LS(k) − α̂
vε (k) = α̂ α (k|k−1)
30 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
RW3-LS-CATL
S IGNAL D ’ ERREUR
vε (k) = f yp(k) ; α̂
α (k|k−1)
⇓ α̂α LS(k) = (XH(k) X(k) )−1 XH(k) yp(k)
α LS(k) − α̂
vε (k) = α̂ α (k|k−1)
30 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
PARAMÉTRAGE DE LA RW3-LS-CATL
PARMÈTRES OPTIMISÉS
m = 3.19
ζ = 0.39
1 Sα Q 7
1 ⇒ σε2 min = C ·(2πσTL
2 7 6 1
) ·(Sα ) 7
fn = 2
T 4πσTL
31 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
−4
10
−5
10
6 8 16 32 64 128
Nombre de pilotes
32 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
−1
10
AR1 CM−KF
RW1−LS−CATL
RW2−LS−CATL
−2
10 RW3−LS−CATL
RW1−LS−CATL(théorie)
RW2−LS−CATL(théorie)
RW3−LS−CATL(théorie)
−3
10 RW3−KF
BCRB−en−ligne
EQM
−4
10
−5
10
−6
10
0 5 10 15 20 25 30 35 40
RSB (dB)
33 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
0
10
Np=8
−1
10
Np=16
−2
10
TEB
Np=32
−3
10
Np=64
RW3−LS−CATL, Np=8
−4 AR1 CM−KF, Np=8
10
LS(FD)−LPI
AR1−KF(FD)−LPI
Canal connu
−5
10
0 5 10 15 20 25 30 35 40
RSB (dB)
34 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p Fp ) σw . & Opérande LS
−1 2 Changer le modèle d’observation
Exploiter que les éléments diagonales de (FH
p F p ) σw
−1 H
(1) α LS(k) = (FH
ỹp(k) ⇒ α̂ p Fp ) Fp ỹp(k)
K O
e(k) w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) =
..
.
2 = E{[w ∗
LS(k) ]l [wLS(k) ]l }
σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
Traitement indépendant des trajets ⇒ Juxtaposition des KFs pour un seule trajet (RW3-KF
approché)
35 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p Fp ) σw . & Opérande LS
−1 2 Changer le modèle d’observation
Exploiter que les éléments diagonales de (FH
p F p ) σw
−1 H
(1) α LS(k) = (FH
ỹp(k) ⇒ α̂ p Fp ) Fp ỹp(k)
K O
e(k) w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) =
..
.
2 = E{[w ∗
LS(k) ]l [wLS(k) ]l }
σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
Traitement indépendant des trajets ⇒ Juxtaposition des KFs pour un seule trajet (RW3-KF
approché)
35 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p Fp ) σw . & Opérande LS
−1 2 Changer le modèle d’observation
Exploiter que les éléments diagonales de (FH
p F p ) σw
−1 H
(1) α LS(k) = (FH
ỹp(k) ⇒ α̂ p Fp ) Fp ỹp(k)
K O
e(k) w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) =
..
.
2 = E{[w ∗
LS(k) ]l [wLS(k) ]l }
σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
Traitement indépendant des trajets ⇒ Juxtaposition des KFs pour un seule trajet (RW3-KF
approché)
35 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p Fp ) σw . & Opérande LS
−1 2 Changer le modèle d’observation
Exploiter que les éléments diagonales de (FH
p F p ) σw
−1 H
(1) α LS(k) = (FH
ỹp(k) ⇒ α̂ p Fp ) Fp ỹp(k)
K O
e(k) w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) =
..
.
2 = E{[w ∗
LS(k) ]l [wLS(k) ]l }
σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
Traitement indépendant des trajets ⇒ Juxtaposition des KFs pour un seule trajet (RW3-KF
approché)
35 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p Fp ) σw . & Opérande LS
−1 2 Changer le modèle d’observation
Exploiter que les éléments diagonales de (FH
p F p ) σw
−1 H
(1) α LS(k) = (FH
ỹp(k) ⇒ α̂ p Fp ) Fp ỹp(k)
K O
e(k) w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) =
..
.
2 = E{[w ∗
LS(k) ]l [wLS(k) ]l }
σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
Traitement indépendant des trajets ⇒ Juxtaposition des KFs pour un seule trajet (RW3-KF
approché)
35 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
âl(k|k−1) = Mâl(k−1|k−1) ,
(l) (l)
P(k|k−1) = MP(k−1|k−1) MT + U(l) ,
(l)
(l)
P(k|k−1) ST
K(k) = (l)
,
2
SP(k|k−1) ST + σLSl
(l)
âl(k|k) = âl(k|k−1) + K(k) (α̂LSl(k) − Sâl(k|k−1) ),
(l) (l) (l)
P(k|k) = (Ir − K(k) S)P(k|k−1)
36 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
37 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
37 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
−4
EQM
10
−5
10
−6
10
0 5 10 15 20 25 30 35 40
RSB (dB)
38 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
Np3 + 4Lt Np2 + (12Lt2 + 4Lt + 1)Np 12Lt3 + 4Lt2 + Lt + Np (Np + 3)Lt
39 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
P LAN
1 I NTRODUCTION
2 E STIMATION D ’ UN CANAL MONO - TRAJET EN MODULATION
MONO - PORTEUSE
B OUCLE DE POURSUITE D ’ ORDRE 3 (RW3-CATL)
F ILTRE DE K ALMAN ASYMPTOTIQUE D ’ ORDRE 3 (RW3-KF)
4 C ONCLUSION ET PERSPECTIVE
40 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
C ONCLUSION GÉNÉRALE
41 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
C ONCLUSION GÉNÉRALE
41 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
C ONCLUSION GÉNÉRALE
41 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
C ONCLUSION GÉNÉRALE
41 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
P ERSPECTIVES
Application MIMO-OFDM
Estimation conjointe (CFO, bruit de phase, etc.)
Estimation robuste avec le filtre H∞
42 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
C ONTRIBUTIONS ET PUBLICATIONS
43 / 44
Merci !