Presentation These

A LGORITHMES DE POURSUITE POUR L’ ESTIMATION
DE CANAL RADIO - MOBILE ET PERFORMANCES

ASYMPTOTIQUES : APPLICATIONS POUR LES
SYSTÈMES OFDM
H UAQIANG SHU
G ROUPE TELICE, IEMN
06 N OVEMBRE 2013, V ILLENEUVE D ’A SCQ
D IRECTRICE DE THÈSE : M ME . M ARTINE LIÉNARD

C O -E NCADRANT: M. É RIC P IERRE SIMON
M. L AURENT ROS (GIPSA LAB)
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)
3 A PPLICATIONS DES ESTIMATEURS D ’ ORDRE 3 SUR UN SYSTÈME

OFDM AVEC UN CANAL MULTI - TRAJET
RW3-LS-CATL
RW3-KF APPLIQUÉ SUR DES SYSTÈMES OFDM
4 C ONCLUSION ET PERSPECTIVE
2 / 44
PARTIE I : I NTRODUCTION
P LAN
1 I NTRODUCTION
MONO - PORTEUSE

RW3-LS-CATL
3 / 44
C ANAL RADIO - MOBILE
Réflexion
Diffraction
Diffusion
Propagation Multi-trajet
S INGAL REÇU AU RÉCEPTEUR
Lt
rHF (t) = ∑ ρl sHF (t −τl )+bHF (t)
l=1
R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

Lt
h(τ) = ∑ αl δ (τ − τl ) avec αl = ρl ejθl
l=1
4 / 44
Réflexion
Diffraction
Diffusion
Lt
l=1

Lt
l=1
4 / 44
Réflexion
Diffraction
Diffusion
Lt
l=1

Lt
l=1
4 / 44
Réflexion
Diffraction
Diffusion
Lt
l=1

Lt
l=1
4 / 44
Réflexion
Diffraction
Diffusion
Lt
l=1

Lt
h(t, τ) = ∑ αl (t)δ (τ − τl (t)) avec αl (t) = ρl (t)ejθl (t)
l=1
4 / 44
A MPLITUDE C OMPLEXE (M ODÈLE ALÉATOIRE )
AC DU lème TRAJET
αl (t) = ρl (t)ejθl (t)
ρl (t) suit la Loi de Rayleigh (NLOS) / Loi de Rice (LOS)

θl (t) distribution uniformément entre [0, 2π]
α(t) ∼ CN(0, σα2 ) complexe Gaussien
S PECTRE D OPPLER EN "U" (2-D) S PECTRE D OPPLER UNIFORME (3-D)
5 / 44
AC DU lème TRAJET

S PECTRE D OPPLER EN "U" (2-D) S PECTRE D OPPLER UNIFORME (3-D)
σα2
2fd
Γαl (ν)
Γαl (ν)
−fd 0 fd −fd 0 fd
ν ν
5 / 44
AC DU lème TRAJET

VARIATION DE L’AC, fd T = 0.001 VARIATION DE L’AC, fd T = 0.1

0.17 0.2
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
M ODULATION OFDM
OFDM (Orthogonal Frequency Division Multiplexing)

N sous-porteuse orthogonaux
Préfixe cyclique ⇒ sans IES
M ODÈLE DE TRANSMISSION
y(k) = H(k) x(k) + w(k)
fd T faible ⇒ Sans IEP

M ATRICE DU CANAL
α (k) }
H(k) = diag{Fα
6 / 44
M ODULATION OFDM

y(k) = H(k) x(k) + w(k)

M ATRICE DU CANAL
α (k) }
H(k) = diag{Fα
6 / 44
M ODULATION OFDM

y(k) = H(k) x(k) + w(k)

M ATRICE DU CANAL
α (k) }
H(k) = diag{Fα
6 / 44
M ODULATION OFDM

y(k) = H(k) x(k) + w(k)
1
10

0
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
E STIMATION DE CANAL DANS UN SYSTÈME OFDM
Pilote-Aided (Estimation + interpolation)
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
F ILTRE DE K ALMAN
7 / 44
F ILTRE DE K ALMAN
7 / 44
F ILTRE DE K ALMAN
7 / 44
F ILTRE DE K ALMAN
7 / 44
F ILTRE DE K ALMAN
7 / 44
F ILTRE DE K ALMAN
7 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE
P LAN
1 I NTRODUCTION
MONO - PORTEUSE

RW3-LS-CATL
8 / 44
PARTIE II : E STIMATION MONO - TRAJET MONO - PORTEUSE RW3-CATL
M ODÈLE ESPACE - ÉTAT ET RW3-KF

M ODÈLE D ’ OBSERVATION
r(n) = α(n) · x(n) + v(n)

⇓ M ODÈLE ESPACE - ÉTAT DU RW3-KF
y(n) = α(n) + w(n)
y(n) = Sa(n) + w(n)
v(n) ∼ CN(0, σv2 ) ; σw2 = Kmod σv2 a(n) = Ma(n−1) + u(n)
M ODÈLE APPROCHÉ DE L’AC α̃(n) : RW3

1
⇒ avec :
T
a(n) = α̃(n) δ(n) ξ(n) ,
α̃(n) = α̃(n−1) + δ(n−1) + ξ(n−1) ,
2 S= 1 0 0 ,
δ(n) = δ(n−1) + ξ(n−1) , T
u(n) = 0 0 u(n) ,
ξ(n) = ξ(n−1) + u(n)
1 1 12
 
δ(n) :la pente de α̃(n) M = 0 1 1  .
ξ(n) : la pente de δ(n) (la courbure de α̃(n) ) 0 0 1
u(n) ∼ CN(0, σu2 ) : le bruit d’état.
9 / 44

r(n) = α(n) · x(n) + v(n)

y(n) = α(n) + w(n)
y(n) = Sa(n) + w(n)

1
⇒ avec :
T
a(n) = α̃(n) δ(n) ξ(n) ,
α̃(n) = α̃(n−1) + δ(n−1) + ξ(n−1) ,
2 S= 1 0 0 ,
δ(n) = δ(n−1) + ξ(n−1) , T
u(n) = 0 0 u(n) ,
ξ(n) = ξ(n−1) + u(n)
1 1 12
 
δ(n) :la pente de α̃(n) M = 0 1 1  .
9 / 44

r(n) = α(n) · x(n) + v(n)

y(n) = α(n) + w(n)
y(n) = Sa(n) + w(n)

1
⇒ avec :
T
a(n) = α̃(n) δ(n) ξ(n) ,
α̃(n) = α̃(n−1) + δ(n−1) + ξ(n−1) ,
2 S= 1 0 0 ,
δ(n) = δ(n−1) + ξ(n−1) , T
u(n) = 0 0 u(n) ,
ξ(n) = ξ(n−1) + u(n)
1 1 12
 
δ(n) :la pente de α̃(n) M = 0 1 1  .
9 / 44
D U RW3-KF ASYMPTOTIQUE À LA RW3-CATL
É QUATIONS DU RW3-KF En régime asymptotique (n → ∞) :

Équations de prédiction
â(n|n−1) = Mâ(n−1|n−1) , def T

K(n) = K(n+1) = K(∞) = k1 k2 k3
P(n|n−1) = MP(n−1|n−1) MT + U,
⇒ Filtre linéaire invariant dans le temps (LIT)
Équations de mises à jour
PASSAGE VERS LA RW3-CATL
P(n|n−1) ST
K(n) = , 1
SP(n|n−1) ST + σw2 µ1 = k1 , µ2 = k2 + k3 , µ3 = k3
2
â(n|n) = â(n|n−1) + K(n) vε(n) , vε (z)
vLag1 (z) = ,
P(n|n) = (I3 − K(n) S)P(n|n−1) 1 − z−1
vε (z)
avec : vLag2 (z) =
  (1 − z−1 )2
0 0 0
la matrice du bruit d’état U = 0 0 0 ,
0 0 σu2 En rangeant et transformant les équations de
le gain de Kalman K(n) = [k1(n) k2(n) k3(n) ]T ,
filtrage en Z, et en utilisant les équations
def
le signal d’erreur vε(n) = y(n) − Sâ(n|n−1) , ci-dessus, puis retransformer ces équations
les matrices de covariances de l’erreur de prédiction
P(n|n−1) et d’estimation P(n|n) . dans le temps, les équations itératives de la
RW3-CATL sont trouvées.
10 / 44

â(n|n−1) = Mâ(n−1|n−1) , def T

K(n) = K(n+1) = K(∞) = k1 k2 k3
P(n|n−1) = MP(n−1|n−1) MT + U,
P(n|n−1) ST
K(n) = , 1
2
â(n|n) = â(n|n−1) + K(n) vε(n) , vε (z)
vLag1 (z) = ,
P(n|n) = (I3 − K(n) S)P(n|n−1) 1 − z−1
vε (z)
avec : vLag2 (z) =
  (1 − z−1 )2
0 0 0
def
10 / 44

â(n|n−1) = Mâ(n−1|n−1) , def T

K(n) = K(n+1) = K(∞) = k1 k2 k3
P(n|n−1) = MP(n−1|n−1) MT + U,
P(n|n−1) ST
K(n) = , 1
2
â(n|n) = â(n|n−1) + K(n) vε(n) , vε (z)
vLag1 (z) = ,
P(n|n) = (I3 − K(n) S)P(n|n−1) 1 − z−1
vε (z)
avec : vLag2 (z) =
  (1 − z−1 )2
0 0 0
def
10 / 44
S TRUCTURE DE LA RW3-CATL
É QUATION DE LA RW3-CATL
( À PARTIR DU KF)
signal d’erreur
vε(n) = y(n) − α̂(n|n−1)
Filtre de boucle
vLag1(n) = vLag1(n−1) + vε(n)

vLag2(n) = vLag2(n−1) + vLag1(n)
vc(n) = µ1 vε(n) + µ2 vLag1(n)
+ µ3 vLag2(n−1)
Générateur à commande numérique
α̂(n+1|n) = α̂(n|n−1) + vc(n)
Estimation finale
α̂(n|n) = α̂(n|n−1) + µ1 vε(n)
11 / 44
S TRUCTURE DE LA RW3-CATL
É QUATION DE LA RW3-CATL
( À PARTIR DU KF)
signal d’erreur
vε(n) = y(n) − α̂(n|n−1)
Filtre de boucle
vLag1(n) = vLag1(n−1) + vε(n)

vLag2(n) = vLag2(n−1) + vLag1(n)
vc(n) = µ1 vε(n) + µ2 vLag1(n)
+ µ3 vLag2(n−1)
Générateur à commande numérique
α̂(n+1|n) = α̂(n|n−1) + vc(n)
Estimation finale
α̂(n|n) = α̂(n|n−1) + µ1 vε(n)
11 / 44
C ARACTÉRISTIQUES DE LA RW3-CATL(1)
α̂(z) = L(z) · y(z)

= L(z) · α(z) + L(z) · w(z)
FONCTION DE TRANSFERT EN BOUCLE FERMÉE DE LA RW3-CATL

(µ1 − µ2 + µ3 )(1 − z ) + (µ2 − 2µ3 )(1 − z−1 ) + µ3
−1 2

L(z) =
(1 − µ1 )(1 − z−1 )3 + [(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3 ]
R ÉPONSE FRÉQUENTIELLE L(z = ej2πfT )
H YPOTHÈSE :
fT 1 =⇒ z−1 ≈ 1 − pT
(avec z = epT et p = jω = j2πf )
RW3-CATL ⇐⇒ F ILTRE PASSE - BAS

D ’ ORDRE 3 ANALOGIQUE
12 / 44
α̂(z) = L(z) · y(z)

= L(z) · α(z) + L(z) · w(z)
FONCTION DE TRANSFERT EN BOUCLE FERMÉE DE LA RW3-CATL

(µ1 − µ2 + µ3 )(1 − z ) + (µ2 − 2µ3 )(1 − z−1 ) + µ3
−1 2

L(z) =
(1 − µ1 )(1 − z−1 )3 + [(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3 ]
R ÉPONSE FRÉQUENTIELLE L(z = ej2πfT )

10
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
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (µ1 , µ2 , µ3 )
(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3

L(z) =
(1 − µ1 )(1 − z−1 )3 + [(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3 ]
La PLL d’ordre 3 est caractérisée par 3 paramètres :
la pulsation naturelle ωn , le facteur d’amortissement ζ , le ratio de capacité m.
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (ωn , ζ , m)
(m + 2)ζ ωn T · (1 − z−1 )2 + (1 + 2mζ 2 )(ωn T)2 · (1 − z−1 ) + mζ (ωn T)3

L(z) =
(1 − z )3 + (m + 2)ζ ωn T · (1 − z−1 )2 + (1 + 2mζ 2 )(ωn T)2 · (1 − z−1 ) + mζ (ωn T)3
−1
R ELATION ENTRE LA PLL D ’ ORDRE 3 ET LA RW3-CATL
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
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (µ1 , µ2 , µ3 )
(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3

L(z) =
(1 − µ1 )(1 − z−1 )3 + [(µ1 − µ2 + µ3 )(1 − z−1 )2 + (µ2 − 2µ3 )(1 − z−1 ) + µ3 ]
La PLL d’ordre 3 est caractérisée par 3 paramètres :
la pulsation naturelle ωn , le facteur d’amortissement ζ , le ratio de capacité m.
F ONCTION DE T RANSFER DE LA RW3-CATL EN TERMES DE (ωn , ζ , m)
(m + 2)ζ ωn T · (1 − z−1 )2 + (1 + 2mζ 2 )(ωn T)2 · (1 − z−1 ) + mζ (ωn T)3

L(z) =
(1 − z )3 + (m + 2)ζ ωn T · (1 − z−1 )2 + (1 + 2mζ 2 )(ωn T)2 · (1 − z−1 ) + mζ (ωn T)3
−1
R ELATION ENTRE LA PLL D ’ ORDRE 3 ET LA RW3-CATL
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
E RREUR QUADRATIQUE MOYENNE DE LA RW3-CATL
E RREUR D ’ ESTIMATION :
ε(z) =α(z) − α̂(z)

=(1 − L(z)) · α(z) − L(z) · w(z)
EQM G LOBALE DE L’ ESTIMATION

Dynamique Statique
σε2 = 2
σεα + 2
σεN
. &
Z +1 Z +1
2T 2T
1
Γα (f ) · |1 − L(ej2πfT )|2 df 1
ΓN (f ) · |L(ej2πfT )|2 df
− 2T − 2T
Sα
≈ ≈ σN2 · 2πfn T · B(ζ , m)
(mζ )2 (fn T)6
une contrainte est imposée sur le point f = fn :

Bande équivalente de bruit
m2 (4ζ 2 − 1) + 4 = 0
14 / 44
E RREUR QUADRATIQUE MOYENNE DE LA RW3-CATL
E RREUR D ’ ESTIMATION :
ε(z) =α(z) − α̂(z)

=(1 − L(z)) · α(z) − L(z) · w(z)
EQM G LOBALE DE L’ ESTIMATION

Dynamique Statique
σε2 = 2
σεα + 2
σεN
. &
Z +1 Z +1
2T 2T
1
Γα (f ) · |1 − L(ej2πfT )|2 df 1
ΓN (f ) · |L(ej2πfT )|2 df
− 2T − 2T
Sα
≈ ≈ σN2 · 2πfn T · B(ζ , m)
(mζ )2 (fn T)6
une contrainte est imposée sur le point f = fn :

Bande équivalente de bruit
m2 (4ζ 2 − 1) + 4 = 0
14 / 44
O PTIMISATION DE LA RW3-CATL
Méthode des multiplicateurs de Lagrange
S OLUTION SOUS - OPTIMALE
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
EQM MINIMALE POUR LE MODÈLE DE JAKES

17
5σα2

6
2
σmin (Jakes) = C · (2πσw2 · fd T) 7
16
15 / 44
m = 3.19
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

17
5σα2

6
2
16
15 / 44
m = 3.19
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

17
5σα2

6
2
16
15 / 44
S OLUTION SOUS - OPTIMALE VS . S OLUTION OPTIMALE
distribution de l’EQM sur le plan m − ζ , pour RSB=0dB, fd T = 10−3
16 / 44
S OLUTION SOUS - OPTIMALE VS . S OLUTION OPTIMALE (2)
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
VALIDATION DE L’ ANALYSE SUR L’EQM ASYMPTOTIQUE :

THÉORIQUE VS . SIMULATION (fd T = 10−3 )
0
10
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
−5
10
−6 σ2ε N−théorie (RSB=0,20,40dB)

10
σ2ε α−théorie
−7
10
−8
10
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44

0
10
−1
RSB=0
10
−2
10
RSB=20
−3
10
−4
10 RSB=40
EQM
−5
10
σ2ε N−théorie (RSB=0,20,40dB)

−6
10 2
σε α−théorie
σ2ε =σ2ε α+σ2ε N−théorie (RSB=0,20,40dB)

−7
10
−8
10
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44

0
10
−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

0
10
−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 =σ2ε α+σ2ε w−théorie (RSB=0,20,40dB)

−6
10 σ2 −approx. (RSB=0,20,40dB)
εw
σ2ε α−approx.
−7 2 2 2
10 σε =σε α+σε w−approx. (RSB=0,20,40dB)
σ2ε α−simulation
−8
10 σ2ε w−simulation (RSB=0,20,40dB)
σ2ε =σ2ε α+σ2ε w−simulation (RSB=0,20,40dB)

−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44

0
10
RSB=0 dB
−1
10
−2
10
RSB=20 dB
−3
10
−4
10 RSB=40 dB
EQM
−5
10
−6
10
σ2ε w−théorie (RSB=0,20,40dB)

−7
10
σ2ε α−théorie
−8 σ2=σ2 +σ2 −théorie (RSB=0,20,40dB)

10 ε εα εw
σ2 (sous−optimale) (SNR=0,20,40dB)
εmin
−9
10
1 2 3 4 5 7 10 15 20
fn /fd
18 / 44
S IMULATION : EQM VS . RSB (fd T = 10−3 )
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
S IMULATION : EQM VS . fd T (RSB =20 DB )
−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
S IMULATION : TEB VS . RSB (fd T = 10−3 )
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
RW3-KF EN RÉGIME ASYMPTOTIQUE , ÉQUATION DE R ICCATI

T
â(n|n−1) = Mâ(n−1|n−1) ,

K(n) = K(n+1) = K(∞) = k1 k2 k3 ,
P(n|n−1) = MP(n−1|n−1) MT + U,
 
P11 P12 P13
def 
P(n|n) = P(n+1|n+1) = P(∞) = P21 P22 P23  ,
Équations de mises à jour P31 P32 P33
P(n|n−1) ST  0 0 0

K(n) = , P11 P12 P13
SP(n|n−1) ST + σw2 0 def  0
P(n|n−1) = P(n+1|n) = P(∞) = P21 P22
0 0 
P23 
0 0 0
â(n|n) = â(n|n−1) + K(n) vε(n) , P31 P32 P33
P(n|n) = (I3 − K(n) S)P(n|n−1)
É QUATION DE R ICCATI ALGÉBRIQUE (DARE)

0 0 0 0 0
P(∞) = MP(∞) MT − MP(∞) ST (SP(∞) ST + σw2 )−1 SP(∞) MT + U
0
⇒ Pi,j = f (k1 , k2 , k3 , σu2 )
22 / 44

T
â(n|n−1) = Mâ(n−1|n−1) ,

K(n) = K(n+1) = K(∞) = k1 k2 k3 ,
P(n|n−1) = MP(n−1|n−1) MT + U,
 
P11 P12 P13
def 
P(n|n) = P(n+1|n+1) = P(∞) = P21 P22 P23  ,
P(n|n−1) ST  0 0 0

K(n) = , P11 P12 P13
SP(n|n−1) ST + σw2 0 def  0
P(n|n−1) = P(n+1|n) = P(∞) = P21 P22
0 0 
P23 
0 0 0
â(n|n) = â(n|n−1) + K(n) vε(n) , P31 P32 P33
P(n|n) = (I3 − K(n) S)P(n|n−1)

0 0 0 0 0
0
⇒ Pi,j = f (k1 , k2 , k3 , σu2 )
22 / 44

T
â(n|n−1) = Mâ(n−1|n−1) ,

K(n) = K(n+1) = K(∞) = k1 k2 k3 ,
P(n|n−1) = MP(n−1|n−1) MT + U,
 
P11 P12 P13
def 
P(n|n) = P(n+1|n+1) = P(∞) = P21 P22 P23  ,
P(n|n−1) ST  0 0 0

K(n) = , P11 P12 P13
SP(n|n−1) ST + σw2 0 def  0
P(n|n−1) = P(n+1|n) = P(∞) = P21 P22
0 0 
P23 
0 0 0
â(n|n) = â(n|n−1) + K(n) vε(n) , P31 P32 P33
P(n|n) = (I3 − K(n) S)P(n|n−1)

0 0 0 0 0
0
⇒ Pi,j = f (k1 , k2 , k3 , σu2 )
22 / 44

T
â(n|n−1) = Mâ(n−1|n−1) ,

K(n) = K(n+1) = K(∞) = k1 k2 k3 ,
P(n|n−1) = MP(n−1|n−1) MT + U,
 
P11 P12 P13
def 
P(n|n) = P(n+1|n+1) = P(∞) = P21 P22 P23  ,
P(n|n−1) ST  0 0 0

K(n) = , P11 P12 P13
SP(n|n−1) ST + σw2 0 def  0
P(n|n−1) = P(n+1|n) = P(∞) = P21 P22
0 0 
P23 
0 0 0
â(n|n) = â(n|n−1) + K(n) vε(n) , P31 P32 P33
P(n|n) = (I3 − K(n) S)P(n|n−1)

0 0 0 0 0
0
⇒ Pi,j = f (k1 , k2 , k3 , σu2 )
22 / 44

T
â(n|n−1) = Mâ(n−1|n−1) ,

K(n) = K(n+1) = K(∞) = k1 k2 k3 ,
P(n|n−1) = MP(n−1|n−1) MT + U,
 
P11 P12 P13
def 
P(n|n) = P(n+1|n+1) = P(∞) = P21 P22 P23  ,
P(n|n−1) ST  0 0 0

K(n) = , P11 P12 P13
SP(n|n−1) ST + σw2 0 def  0
P(n|n−1) = P(n+1|n) = P(∞) = P21 P22
0 0 
P23 
0 0 0
â(n|n) = â(n|n−1) + K(n) vε(n) , P31 P32 P33
P(n|n) = (I3 − K(n) S)P(n|n−1)

0 0 0 0 0
0
⇒ Pi,j = f (k1 , k2 , k3 , σu2 )
22 / 44
C ARACTÉRISTIQUES DU RW3-KF ASYMPTOTIQUE

R ELATION APPROXIMATIVE ENTRE k1 ,k2 ,k3 ET σu2
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
F ONCTION DE T RANSFER DU RW3-KF
(k1 − k2 + k23 )(1 − z−1 )2 + (k2 − k23 )(1 − z−1 ) + k3

L(z) =
(1 − k1 )(1 − z−1 )3 + (k1 − k2 + k23 )(1 − z−1 )2 + (k2 − k23 )(1 − z−1 ) + k3
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

k1 ≈ 2(
σu 1
)3 , σu 2 k2 σu k3
σw k2 ≈ 2( )3 = 1 , k3 ≈ = 1
σw 2 σw 8
0
0 < k3 k2 k1 1
(k1 − k2 + k23 )(1 − z−1 )2 + (k2 − k23 )(1 − z−1 ) + k3

L(z) =
(1 − k1 )(1 − z−1 )3 + (k1 − k2 + k23 )(1 − z−1 )2 + (k2 − k23 )(1 − z−1 ) + k3
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

k1 ≈ 2(
σu 1
)3 , σu 2 k2 σu k3
σw k2 ≈ 2( )3 = 1 , k3 ≈ = 1
σw 2 σw 8
0
0 < k3 k2 k1 1

k1 (1 − z−1 )2 + k2 (1 − z−1 ) + k3
L(z) =
(1 − z )3 + k1 (1 − z−1 )2 + k2 (1 − z−1 ) + k3
−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
EQM ASYMPTOTIQUE DU RW3-KF

EQM G LOBALE DE LA POURSUITE
Dynamique Statique
σε2 = 2
σεα + 2
σεw
. &
Z +1 Z +1
2T 2T
1
Γα (f ) · |1 − L(ej2πfT )|2 df 1
Γw (f ) · |L(ej2πfT )|2 df
− 2T − 2T
(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
VALIDATION DES SOLUTIONS D ’ ÉQUATION R ICCATI
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
RW3-KF VS . RW3-CATL(m = 2, ζ = 0.5), fd T = 10−3
−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
S IMULATION TRANSITOIRE (fd T = 10−3 , RSB =30 DB )
Vrai canal Re(α)

1.2 RW3−KF
RW3−CATL
1
0.8
ℜ(α)
0.6
0.4
0.2
100 200 300 400 500

Symbols transmis
27 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE
P LAN
1 I NTRODUCTION
MONO - PORTEUSE

RW3-LS-CATL
28 / 44
PARTIE III : A PPLICATIONS SUR MULTI - TRAJET MULTI - PORTEUSE RW3-LS-CATL
E STIMATION DE CANAL BASÉE SUR DES PILOTES
M ODÈLE DES PILOTES
yp(k) = diag{xp(k) }Fp α (k) + wp(k)

= X(k) α (k) + wp(k)
Positions des pilotes :
P = {np |np = (p − 1)Lf + 1, p = 1, ..., Np }
np −1 1
[Fp ]np ,l = e−j2π( N − 2 )τ̌l , np ∈ P, l = 1 · · · Lt .
Pour chaque symbole OFDM,

l’AC α (k) est un vecteur de taille
Lt × 1.
29 / 44
E STIMATION DE CANAL BASÉE SUR DES PILOTES
M ODÈLE DES PILOTES
yp(k) = diag{xp(k) }Fp α (k) + wp(k)

= X(k) α (k) + wp(k)
Positions des pilotes :
P = {np |np = (p − 1)Lf + 1, p = 1, ..., Np }
np −1 1
[Fp ]np ,l = e−j2π( N − 2 )τ̌l , np ∈ P, l = 1 · · · Lt .
Pour chaque symbole OFDM,

l’AC α (k) est un vecteur de taille
Lt × 1.
29 / 44
RW3-LS-CATL
Même structure que la RW3-CATL, sauf le détecteur d’erreur
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)
M ODÈLE D ’ OBSERVATION DE LA B RUIT DE BOUCLE

RW3-LS-CATL
−1 H
wTL(k) = (FH
p Fp ) Fp diag{xp(k) }wp(k)
α LS(k) =α
α̂ α (k) + wTL(k)
Variance moyenne par trajet :
2 =λ σw2
bruit injecté dans la boucle σTL TL · Np (λTL ≥ 1)
30 / 44
RW3-LS-CATL

vε (k) = f yp(k) ; α̂
α (k|k−1)
α LS(k) − α̂
vε (k) = α̂ α (k|k−1)

RW3-LS-CATL
−1 H
wTL(k) = (FH
α LS(k) =α
2 =λ σw2
30 / 44
RW3-LS-CATL

vε (k) = f yp(k) ; α̂
α (k|k−1)
α LS(k) − α̂
vε (k) = α̂ α (k|k−1)

RW3-LS-CATL
−1 H
wTL(k) = (FH
α LS(k) =α
2 =λ σw2
30 / 44
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
MSE VS . N OMBRE DES PILOTES
RW3−LS−CATL canal GSM

RW3−LS−CATL canal WiMAX
RW3−LS−CATL canal GSM(théorie)
RW3LS−CATL canal WiMAX(théorie)
−3
10
EQM
−4
10
−5
10
6 8 16 32 64 128
Nombre de pilotes
32 / 44
MSE VS . RSB (fd T = 10−3 )
−1
10
AR1 CM−KF
RW1−LS−CATL
RW2−LS−CATL
−2
10 RW3−LS−CATL
RW1−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
TEB VS . RSB (fd T = 10−3 )
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
RW3-KF DANS LE CAS MULTI - TRAJET MULTI - PORTEUSE

Paramètre à estimer : α (k) Lt × 1
 
0 0 0
Paramètre à régler : blkdiag{U(1) · · · U(Lt ) } avec U(l) = 0 0 0
0 0 σu2l
Gain de Kalman : K̊(k) 3Lt × Np

⇓ Identité de Woodbury
−1 H
3Lt × Lt K̊e(k) · (FH
p Fp ) Fp Lt × Np
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

 
0 0 0
0 0 σu2l

−1 H
p Fp ) Fp Lt × Np
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p F p ) σw
−1 H
 (1)  α LS(k) = (FH
K O
 e(k)  w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) = 
 .. 
. 
2 = E{[w ∗
  σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
approché)
35 / 44

 
0 0 0
0 0 σu2l

−1 H
p Fp ) Fp Lt × Np
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p F p ) σw
−1 H
 (1)  α LS(k) = (FH
K O
 e(k)  w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) = 
 .. 
. 
2 = E{[w ∗
  σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
approché)
35 / 44

 
0 0 0
0 0 σu2l

−1 H
p Fp ) Fp Lt × Np
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p F p ) σw
−1 H
 (1)  α LS(k) = (FH
K O
 e(k)  w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) = 
 .. 
. 
2 = E{[w ∗
  σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
approché)
35 / 44

 
0 0 0
0 0 σu2l

−1 H
p Fp ) Fp Lt × Np
H
H
−1
K̊e(k) = P̊(k|k−1) S̊ S̊P̊(k|k−1) S̊ + (FH −1 2
p F p ) σw
−1 H
 (1)  α LS(k) = (FH
K O
 e(k)  w̃p(k) ⇒ wLS(k) = (FH −1 H
p Fp ) Fp w̃p(k)
K̊e(k) = 
 .. 
. 
2 = E{[w ∗
  σLSl
(L )
t
O Ke(k) −1 σ 2 ]
[(FH F
p p ) w l,l
approché)
35 / 44
J UXTAPOSITION DES KF S POUR UN SEUL TRAJET

M ODÈLE ESPACE - ÉTAT PAR TRAJET
α̂LSl(k) = αl(k) + wLSl(k) ,

al(k) = Mal(k−1) + ul(k)
⇓
É QUATIONS DU RW3-KF ( TRAJET l)
âl(k|k−1) = Mâl(k−1|k−1) ,
(l) (l)
P(k|k−1) = MP(k−1|k−1) MT + U(l) ,
Équations de mise à jour
(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
O PTIMISATION DU RW3-KF APPROCHÉ

Trajet l :
17 6
312 2

σu2l · σ · (2πfd T)36 · σα2l ⇒ 35 16π 2 7 1
approx = σε2l approx = · · σLSl · fd T · (σα2l ) 7
218 LSl 16 9
EQM minimale globale :
Lt
1
σε2 approx = ∑ σε2l approx
Lt l=1
L IENS ENTRE LE RW3-KF APPROCHÉ , LE RW3-KF ET LA RW3-LS-CATL

σα2
Si FH
p Fp = Np ILt : Si σα2l = Lt (l = 1 . . . Lt ) :
RW3-KF approché ⇔ RW3-KF (exact) RW3-KF approché ⇔ RW3-LS-CATL
37 / 44

Trajet l :
17 6
312 2

σu2l · σ · (2πfd T)36 · σα2l ⇒ 35 16π 2 7 1
approx = σε2l approx = · · σLSl · fd T · (σα2l ) 7
218 LSl 16 9
EQM minimale globale :
Lt
1
σε2 approx = ∑ σε2l approx
Lt l=1
L IENS ENTRE LE RW3-KF APPROCHÉ , LE RW3-KF ET LA RW3-LS-CATL

σα2
Si FH
p Fp = Np ILt : Si σα2l = Lt (l = 1 . . . Lt ) :
RW3-KF approché ⇔ RW3-KF (exact) RW3-KF approché ⇔ RW3-LS-CATL
37 / 44
S IMULATION : EQM VS . RSB (fd T = 10−3 )

−2
10
RW3−KF (numérique)
RW3−KF approché
RW3−LS−CATL
RW3−KF approché (théorie)
−3 RW3−LS−CATL (théorie)
10
BCRB en−ligne
−4
EQM
10
−5
10
−6
10
0 5 10 15 20 25 30 35 40
RSB (dB)
38 / 44
C OMPLEXITÉ DES ALGORITHEMS
RW3-KF RW3-KF approché RW3-LS-CATL
Np3 + 4Lt Np2 + (12Lt2 + 4Lt + 1)Np 12Lt3 + 4Lt2 + Lt + Np (Np + 3)Lt
O(Np3 ) O(Lt3 ) O(Np )
Dans le cas où Np > Lt , la complexité du RW3-KF approché << RW3-KF.

RW3-LS-CATL reste l’algorithme le plus simple.
39 / 44
PARTIE IV : C ONCLUSION ET PERSPECTIVE
P LAN
1 I NTRODUCTION
MONO - PORTEUSE

RW3-LS-CATL
40 / 44
C ONCLUSION GÉNÉRALE
Cas mono-trajet, mono-porteuse

RW3-CATL :
Caractéristiques, Optimisation (3-dimensions)
RW3-KF asymptotique :
Résolution de l’équation Riccati, Lien avec la RW3-CATL, Optimisation
(1-dimension)
Cas multi-trajet, OFDM (modulation multi-porteuse)
Application de la RW3-CATL dans un système OFDM (RW3-LS-CATL) :
Détecteur d’erreur LS
Application du RW3-KF dans un système OFDM :
Méthode alternative : RW3-KF approché
41 / 44

RW3-CATL :
(1-dimension)
41 / 44

RW3-CATL :
(1-dimension)
41 / 44

RW3-CATL :
(1-dimension)
41 / 44
P ERSPECTIVES
Application MIMO-OFDM
Estimation conjointe (CFO, bruit de phase, etc.)
Estimation robuste avec le filtre H∞
42 / 44
C ONTRIBUTIONS ET PUBLICATIONS
Shu, H. ; Ros, L. ; Simon, E. P., "Third-order

complex amplitudes tracking loop for slow
fading channel estimation", 19th
C ONTRIBUTIONS DE LA THÈSE International Conference on
Telecommunications (ICT), 2012
Estimateur simplifié d’ordre 3
(RW3-CATL) Shu, H. ; Ros, L. ; Simon, E. P., "Third-order
Complex Amplitudes Tracking Loop for Slow
Lien entre le RW3-KF et la to Moderate Flat Fading Channel On-Line
Estimation", IET Communication
RW3-CATL
Shu, H. ; Simon, E. P. ; Ros, L., "Third-order
Optimisation analytique de la Kalman Filter : tuning and steady-state
RW3-(LS-)CATL performance", IEEE Signal Processing
Letter
Optimisation analytique du RW3-KF
Shu, H. ; Simon, E. P. ; Ros, L., "Simplified
RW3-KF approché pour OFDM Random-Walk-model-based Kalman filter for
Slow to moderate Fading Channel Estimation
in OFDM systems" article à soumettre à IEEE
Trans. Signal Process.
43 / 44
Merci !

Presentation These

Transféré par

Informations du document

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

Presentation These

Transféré par

Droits d'auteur :

Formats disponibles

A LGORITHMES DE POURSUITE POUR L’ ESTIMATION

DE CANAL RADIO - MOBILE ET PERFORMANCES

G ROUPE TELICE, IEMN

06 N OVEMBRE 2013, V ILLENEUVE D ’A SCQ

D IRECTRICE DE THÈSE : M ME . M ARTINE LIÉNARD

3 A PPLICATIONS DES ESTIMATEURS D ’ ORDRE 3 SUR UN SYSTÈME

3 A PPLICATIONS DES ESTIMATEURS D ’ ORDRE 3 SUR UN SYSTÈME

C ANAL RADIO - MOBILE

R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

C ANAL RADIO - MOBILE

R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

C ANAL RADIO - MOBILE

R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

C ANAL RADIO - MOBILE

R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

C ANAL RADIO - MOBILE

R ÉPONSE IMPULSIONNELLE DU CANAL ÉQUIVALENT EN BANDE DE BASE

A MPLITUDE C OMPLEXE (M ODÈLE ALÉATOIRE )

ρl (t) suit la Loi de Rayleigh (NLOS) / Loi de Rice (LOS)

S PECTRE D OPPLER EN "U" (2-D) S PECTRE D OPPLER UNIFORME (3-D)

A MPLITUDE C OMPLEXE (M ODÈLE ALÉATOIRE )

ρl (t) suit la Loi de Rayleigh (NLOS) / Loi de Rice (LOS)

S PECTRE D OPPLER EN "U" (2-D) S PECTRE D OPPLER UNIFORME (3-D)

A MPLITUDE C OMPLEXE (M ODÈLE ALÉATOIRE )

ρl (t) suit la Loi de Rayleigh (NLOS) / Loi de Rice (LOS)

VARIATION DE L’AC, fd T = 0.001 VARIATION DE L’AC, fd T = 0.1

OFDM (Orthogonal Frequency Division Multiplexing)

y(k) = H(k) x(k) + w(k)

fd T faible ⇒ Sans IEP

OFDM (Orthogonal Frequency Division Multiplexing)

y(k) = H(k) x(k) + w(k)

fd T faible ⇒ Sans IEP

OFDM (Orthogonal Frequency Division Multiplexing)

y(k) = H(k) x(k) + w(k)

fd T faible ⇒ Sans IEP

OFDM (Orthogonal Frequency Division Multiplexing)

y(k) = H(k) x(k) + w(k)

fd T faible ⇒ Sans IEP

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

E STIMATION DE CANAL DANS UN SYSTÈME OFDM

Pilote-Aided (Estimation + interpolation)

3 A PPLICATIONS DES ESTIMATEURS D ’ ORDRE 3 SUR UN SYSTÈME

M ODÈLE ESPACE - ÉTAT ET RW3-KF

r(n) = α(n) · x(n) + v(n)

M ODÈLE APPROCHÉ DE L’AC α̃(n) : RW3

u(n) ∼ CN(0, σu2 ) : le bruit d’état.

M ODÈLE ESPACE - ÉTAT ET RW3-KF

r(n) = α(n) · x(n) + v(n)

M ODÈLE APPROCHÉ DE L’AC α̃(n) : RW3

u(n) ∼ CN(0, σu2 ) : le bruit d’état.

M ODÈLE ESPACE - ÉTAT ET RW3-KF

r(n) = α(n) · x(n) + v(n)

M ODÈLE APPROCHÉ DE L’AC α̃(n) : RW3