Transmission de Donnees Et Reseaux Numeriques - Octobre 2009

Transmission de données et
réseaux numériques
Canal à multiple trajets
Modulation
Egalisation
Antenne intelligente
Pr. Emmanuel TONYE
Ecole Nationale Supérieure Polytechnique de Yaoundé
Université de Yaoundé I, Cameroun
www.enspy-telecom.org
Octobre 2009
1
http://127.0.0.1/Radiocom_mobile_english/
Bibliographie
• Exercices corrigés
• Projet (Planification d’un réseau)
– Documentation
2
Glossaire
3
Glossaire
4
Antenne intelligente
Une station de base équipée d’une antenne dont on peut
adapter la répartition de l’énergie rayonnée
-en fonction des besoins de l’opérateur de

télécommunications (optimisation des ressources radio),
-pour pallier aux contraintes de l’environnement (réflexions
multiples notamment),
-pour réduire les interférences avec d’autres sources,
est plus communément appelée « antenne adaptative » ou

« antenne intelligente » ou en anglais « smart
antenna ». 5
Multitude de réseaux sans fil
nécessitent des antennes intelligentes
Type de réseau Signification
Code division multiple access, en français Accès multiple par répartition en code
CDMA 2000
(AMRC)
Enhanced Data Rates for GSM Evol ution – 2.75G
EDGE
Evolution Data Optimized – Réseau sans fil Haute vitesse de la famille CDMA 2000
EV-DO
General Packet Radio Service – 2.5G
GPRS
Global System for Mobile communications – 2G
GSM
IP Multimedia Subsystem - architecture standardisée des réseaux de nouvelle
IMS
generation (RNG) ou Next Generation Network (NGN)
Multicarrier Wireless internet Local Loop – 4G
McWLL
Version chinoise du WIMAX
Plain Old Telephone Service
POTS
Universal Mobile Telecommunications System – 3G
UMTS
Worldwide Interoperability for Microwave Access
WIMAX
WIFIBER Technologie permettant des communications point à point mutigigabit/s dans les
bandes 71-76 et 81-86 GHz pour la transmission des données, de la voix, de la
vidéo en incluant les services du ‘’triple-play’’ tel que le HDTV
6
Les attentes des réseaux sans fil
• La couverture et la mobilité
– Le système doit être disponible à n’ importe quel endroit où les
utilisateurs souhaitent l’utiliser (Handover, Roaming, etc.)
• La capacité
– Au fur et à mesure que le nombre d’utilisateurs augmente dans le
système, les demandes placées sur le spectre alloué augmentent
proportionnellement
• La qualité
⁻ Bonne perception dans un système de voix
⁻ Faible taux d’erreurs (BER: bit error rate) dans un système de données
7
MSC
Int
e rfa HLR AuC
ce
Ab
is
MS eU
m
BTS
fac
A
e rfac e
ter
BSC Int
In
MS VLR
BTS BSC
X 25
MS NSS
BTS
MS OMC
BSS 8
Différents matériels utilisés
9
WI-FIBER, plus rapide que la
fibre optique
10
La rareté et le coût élevé
des ressources radio
11
Solution possible à la rareté et
coût élevé des fréquences
• CDMA (Code division multiple access, en français
Accès multiple par répartition en code (AMRC)) est
un système de codage des transmissions, basé sur la
technique d’étalement de spectre.
12
Transmission sans fil
Onde refléchie
ou en Non visibilité directe
(NLOS)
Onde en Relais
Visibilité directe hertzien
(LOS)
13
Schéma de la transmission
Canal à trajets multiples
…
0101 … 00010 … X Propagation Egalisation
Porteuse
Démodulation et
correction d’erreurs
Modulation (Viterbi ou max
Vraisemblance)
14
Antenne dans une Chaîne de transmission
Spread
Spectrum (SS)
- Etalement
15
Chaîne de transmission – Exemples de traitement
16
Plan
• Canal à multiple trajets
• Modulation
• Effet du canal à trajets multiples sur la
modulation
• Egalisation
• Antennes intelligentes
17
Le canal de propagation
Difficultés à pallier
• La dispersion des retards (Delay spread).
• L’évanouissement (ou fading) de Rayleigh,
qui est une variation temporelle de la phase
des ondes dues aux différentes réflexions
multiples.
• Le décalage en fréquence (Doppler shift).
• Des interférences constructives ou
destructives.
• L’interférence co-canal. Etc.
18
Canal de trajets multiples
• Canal long
• Canal court
– Les chemins multiples empruntés par le faisceau
dépendent du relief environnant.
– On peut donc considérer la distribution des délais
successifs entre les arrivées de ces signaux comme
étant une distribution stochastique. Ces délais seront
distribués autour d’une valeur moyenne (écart type).
19
Le canal de propagation
 Réflexions spéculaires,
 Réfractions,
 Diffusions
et Diffractions sur des obstacles
20
Propagation par multitrajet
21
Exemple de représentation de réception
en présence de trajets multiples
Cas de 4 trajets proches
(séparation < 1chip= 1µs)
T0  1s
- 22 -
Exemples de distribution
• Canaux de Rayleigh et de Rice
 Critère de détection
 Si , signal présent
I 2  Q 2  Vt
 Si , signal absent
I 2  Q 2  Vt
I : corrélation en phase
Q : corrélation en quadrature
- 23 -
Canal Simulé
n trajets
1 chip 1 s
n ~  2 
- 24 -
Etalement de spectre (1/3)
• On désire transmettre un symbol :
25
• Pour un même symbole, plusieurs
chemins possibles :
Symbole
∆T donc étalement
• Et en général :
∆T
∆T≈ 0
26
• Haut débit implique envoi de plusieurs
symboles par intervalles de temps de plus
en plus petit :
S1 S2
∆T = Chevauchement
• Le signal reçu peut être fortement distordu

(IES) à cause des chemins multiples.
27
Scénario d’un canal de trajets multiples
a0
τ1
τ2
a1
τ3
a2
+
a3
τ4
a4
τ5
a5
τ6
Délai par rapport au chemin le plus court ai<1 28

Simulation canal de trajets multiples
• 1- définir la longueur du canal en termes de dispersion par rapport
aux délais.
• 2- définir le nombre de trajets possibles.
• 3- pour chaque trajet
• Définir son délai par choix d’un instant aléatoire selon la distribution
stochastique retenue.
• En général, les chemins de plus grand retard sont les plus atténués, mais ce
n’est pas toujours le cas. En conséquence, nous allons considérer une
distribution de probabilité autour d’une valeur k (avec pour valeur maximale
en k) et déterminer de manière aléatoire la valeur de a i autour de k. k étant
la valeur exacte de l’atténuation si on ne considérait que les délais d’arrivée.
• 4- Déterminer la longueur maximale du canal de la mémoire tampon
en fonction de la longueur du canal.
• 5- Calculer pour chaque trajet la case correspondante dans le
tampon, fonction du délai correspondant.
• 6- En déduire l’expression de la combinaison linéaire du calcul du
résultat.
29
Exemple de Simulation canal de
trajets multiples
Trajet Délai atténuation

1 1T 0.5
Après calculs
2 3T 0.6
3 4T 0.8
Longueur maximale du canal = 4T

Calculs des cases correspondant aux canaux :
Trajet 1 (T)
Trajet 2 (3T)
Trajet 3 (4T)
30
• Illustration :
Trajet Délai atténuation
1 1T 0.5
Trajet 1 (T) 2 3T 0.6
Trajet 2 (3T)
3 4T 0.8
Trajet (4T)
Arrivée données
S0 Sortie = 0.5*S0
S1 S0 Sortie = 0.5*S1
S2 S1 S0 Sortie = 0.5*S2+0.6*S0
S3 S2 S1 S0 Sortie = 0.5*S3+0.6*S1+0.8*S0
S4 S3 S2 S1 Sortie = 0.5*S4+0.6*S2+0.8*S1
Formule générale : Sortie = 0.5*Case1+0.6*Case3+0.8*Case431

• A travers cette illustration algorithmique,
nous pouvons conclure qu’on peut simuler
un canal à trajets multiples.
• Il faudra ensuite programmer un module

d’égalisation et un module de correction
d’erreurs par maximum de vraisemblance.
32
• Modulation
• Transmission
• Egalisation
• Antennes adaptatives
33
Modulation
• Echantillonnage et codage :
Amplitude Code
0 00000000
1 00000001
… …
253 11111101
254 11111110
255 11111111
34
Débit binaire et rapidité de modulation
• Le débit binaire D d’une voie de données est le nombre maximum de bits

transmis par seconde sur cette voie.
• La rapidité de modulation R (exprimée en bauds) mesure le nombre

maximum de symboles (élément de modulation émis en bande de base)
transmis par seconde.
• Généralement, 1/est un multiple de 1/T et le nombre de niveaux N est

choisi de telle sorte que a(t) et d(t) aient le même débit d’information. On a
alors :
35
Modulation BPSK et QPSK
octobre 2006 - Pr. E. TONYE 36

Variantes de la modulation PSK - MPSK
Rs est la
rapidité de
modulation

Simulation de la modulation
• http://www.univ-lemans.fr/enseignements/physique/02/electro/modula.html
• http://www.ta-formation.com/cours-am/am/jav-am.htm
38
Modulation
• Modulation d’amplitude (2 états)
Constellation :
A2
A1 Amplitude
Correspondance :
Amplitude Signal
A1 0
A2 1
39
Un symbol
Modulation
• Modulation d’amplitude 2 états
– Chaque état du signal correspond à la

transmission d’un bit.
– La conséquence est que la vitesse de
modulation = débit binaire.
40
Modulation
Constellation :
A4
A0
A1
Correspondance :
Amplitude Signal
A1 00
A2 01
A3 10
A4 11
41
Modulation
– Chaque état du signal correspond à la transmission

de deux bits.
– La conséquence est que la vitesse de modulation
(bauds) = 1/2*débit binaire (bits/s).
Un baud n'est donc pas forcément égal à 1

bit/seconde, il ne l'est même quasiment jamais
en pratique et un modem 56 kb/s n'est certes
pas un modem 56 000 bauds
42
Modulation
• Pourquoi ne pas réserver plusieurs

amplitudes possibles pour assurer le haut
débit ?
Pendant les propagations, l’amplitude est fortement altérée par

du bruit.
Conséquence, les risques de confondre deux amplitudes
voisines augmentent avec le nombre d’états en amplitude.
Recourir à d’autres techniques pour palier à ce problème.
43
Modulation
• Modulation de fréquence (2 états) :
Constellation :
f2
f1 Fréquence
Correspondance :
Fréquence Signal
1 0 0 1
f1 0
f2 1
44
Modulation hybride :
• Amplitude et phase (QPSK ou QAM) :
Vitesse de modulation = 0.5 * débit

binaire
45
Modulation
• Amplitude et phase :
– En réalité, le diagramme est le suivant :
Ceci est dû au bruit.
Ce type de modulation est très

résistant au bruit.
46
Modulation hybride
• Amplitude et phase :
– On peut compliquer, au risque de commettre
beaucoup d’erreur :
Débit binaire = 4 * vitesse de modulation
16 états 47
Modulation hybride
QAM 64 (26), 6 bits par symbole. QAM 128 (27), 7 bits par symbole.
Débit binaire = 6 * vitesse de modulation Débit binaire = 7 * vitesse de modulation
48
• Modulation
modulation
• Egalisation
49
oui Message non
aléatoire ?
Génération du Ouverture d’une
message zone de saisie
Lecture du
message
non
Message conforme?
oui Alerte
Choix de la
modulation
Nouvelle
Amp. Fréq. Phase Amp + Freq Amp + Freq + Phase
modulation
Canal sans trajet non

multiple ?
oui 50
Sauvegarde Affichage des résultats graphiques
.JPG (message modulé) et légende
Paramétrage
du canal
Exécution du fichier .java de calcul

des sorties
Affichage des résultats graphiques Sauvegarde

(message avant et après canal) et légende .JPG
51
(4.24) MODULATION D’AMPLITUDE
Visibilité directe
52
MODULATION D’AMPLITUDE
53
(4.26) Modulation de fréquence
Visibilité directe
54
Modulation de fréquence
55
(4.28) Modulation d’amplitude et fréquence
Visibilité directe
56
Modulation de phase
(4.29)
57
(4.30) Modulation d’amplitude et fréquence
Visibilité directe
58
Modulation d’amplitude et fréquence
59
Modulation de fréquence et phase
Visibilité directe
60
Modulation de fréquence et phase
canal à trajets multiples
61
Modulation d’amplitude, fréquence et phase
Visibilité directe
62
Modulation d’amplitude, fréquence et phase
63
• Modulation
modulation
• Egalisation
64
Pourquoi l’Egalisation?
• Si par exemple nous savons qu’il y a 3
chemins possibles pour atteindre le
récepteur:
Chemin direct
Deuxième chemin
Troisième chemin
• Pour résoudre le problème de distorsion

dû à la dispersion. 65
Comment faire une égalisation ?
Annuler les signaux non désirés
• Linéarité des signaux implique que les 2ème et 3ème signaux

peuvent se déduire du 1er par simple proportionnalité. On peut
imaginer utiliser le signal direct pour annuler les signaux des chemin
2 et 3 par anticipation.
ci-dessus : Signaux générés pour annuler les effets des signaux

provenant des chemins 2 et 3. Ces 2 signaux sont rajoutés au
signal reçu et le problème de dispersion est résolu.
66
Comment anticiper?
• En général, pour faire l’égalisation il faut
au préalable connaître les chemins
parasites en vu de procéder à cette
anticipation.
• Evidemment, le nombre et les effets de
ces chemins dépendent de la position du
récepteur.
67
Envoi d’un signal connu
• Pour anticiper on envoi un signal connu s1(t) et on
sait que s2(t) sera une combinaison linéaire de s1(t)
et de ses retards:
S1(t) S2(t)
Canal de distorsion
• S2(t) = a1S1(t)+a2S1(t-dt)+a3S1(t-2dt)+….
68
Générer les parasites à partir du signal désiré
• Il suffit alors de calculer les coefficients a2,
a3, … an pour en déduire
approximativement les composantes
parasites à supprimer.
• Par la suite, dès qu’on capte le premier
composant, on l’utilise pour générer les
parasites par anticipation puis on les
soustrait au fur et à mesure.
69
• Observation : En ce qui concerne la
transmission numérique, on réserve les
premiers symboles à l’ »apprentissage » ie
au calcul des coefficients a1, … an.
• Ce qui a pour effet de diminuer la bande
passante. On peut alors être amené
supprimer ou à réduire le nombre de
symboles nécessaires à l’apprentissage
pour accroître le débit.
70
Egalisation en aveugle et semi-aveugle
• Suppression séquence d’apprentissage =

égalisation en aveugle.
• Égalisation en aveugle + égalisation classique =
égalisation semi-aveugle
• Le problème de l’égalisation aveugle consiste à

estimer les symboles émis Sn à partir de la seule
connaissance de la séquence reçue Rn et
éventuellement du type d’alphabet utilisé pour
engendrer les symboles. Pas d’apprentissage.
71
Trois Familles de structures
d’égalisation aveugle
1. Par un filtrage linéaire : on cherche à évaluer g
Sn
xn   g k rn  k  sˆn 
Filtre linéaire
72
2. Egalisation directe par filtrage
non linéaire
rn Sn-v
F +
F : filtre linéaire
D : organe de décision
∫ : filtre non linéaire 73
3. Égalisation du canal discret équivalent
suivi d’un algorithme du maximun de
vraisemblance (Viterbi)
rn Organe d’égalisation yn Algorithme du Sn-v

aveugle Maximum de
vraisemblance
Dans les trois cas de figure les critères de

performance sont évalués par la TEB 74
Facteurs de détermination des
différentes familles d’égalisation
1- Alphabet comportant peu Famille 3 : Egalisation

d’états. aveugle suivi de la
2- Canal court correction par algorithme du
maximum de vraisemblance.
1- Alphabet comportant Famille 2 : Wiener ou
beaucoup d’états (MAQ-16 structure linéaire avec DFE.
et plus, MDP-8)
2- Canal court difficile
1- Canaux longs (+ de 10 Famille 1 : Egalisation
coefficients), directe par filtre linéaire.
2- Faible bruit
75
Scenario Egalisation
76
• Modulation
modulation
• Egalisation
77
Antenne - Définition
• Un équipement de forme variable, utilisé
pour émettre ou recevoir des ondes
radioélectriques.
• ou encore un dispositif qui transforme
l’énergie électrique en énergie magnétique
(antenne d’émission) ou traduit un
rayonnement électromagnétique en
courant induit (antenne de réception).
78
Antennes - Caractéristiques
• Champs rayonnés (Diagrammes de rayonnement)
• Intensité de rayonnement
• Directivité
• Gain
• Puissance rayonnée
• Surface effective
• Résistance de radiation
• Angle d’ouverture
• Rapport Eavant/Earrière
• Rendement du faisceau
• Polarisation
• Bande passante
• Impédance d’entrée
• Longueur effective.
79
DIAGRAMME DE RAYONNEMENT
• C’est une représentation graphique de la variation des propriétés de
rayonnement d’une antenne en fonction des coordonnées dans l’espace.
• Les propriétés de rayonnement inclus la densité de puissance, intensité
de rayonnement, la force du champ ou la valeur de la directivité.
• On aura alors à choisir une représentation cartésienne (2D ou 3D), polaire
ou sphérique.
Polaire 2-D 3-D

80
Diagramme de rayonnement (2)
81
Diagramme de rayonnement (3)
La représentation du diagramme de rayonnement
peut tenir compte soit de l’intensité de rayonnement
U ou du champ électrique rayonné E. on aura alors à
choisir une représentation cartésienne (2D ou 3D),
une repré-sentation polaire ou une représenta-tion
sphérique:
• Cartésienne 2D : U(x,y) ou |E(x,y)|

• Cartésienne 3D : U(x,y,z) ou |E(x,y,z)|
• Polaire : U(r,θ) ou |E(r,θ)|
• Sphérique : U(r,θ,φ) ou |E(r,θ,φ)|
82
Intensité de rayonnement U(θ,φ)
Connaissant les expressions des champs électrique

et magnétique, on peut calculer l’intensité de
rayonnement à partir de la densité de puissance :
2 
Prad   Ud     U sin  d  d 
0 0
83
GAIN
• Mesure très utile pour décrire les performance d’une antenne

• Rapport de la radiation maximum dans une direction par rapport à la
radiation d'un aérien isotrope (transmettant ou recevant dans toutes
les directions).
• Cette une mesure prend en compte l’efficacité de l’antenne mais aussi
ses capacités directionnelles.

G
( 
,) e
 U 
,  
P  ePrend: efficacité
4
c
d de l’antenne
cd
 r
ad  perte diélectrique
en compte : Réflexion – conduction
U : intensité de rayonnement direction

2  donnée
Prad   Ud     U sin  d  d 
0 0
Prad : puissance rayonnée
84
Directivité
• La directivité d’une
antenne exprime le U 4U
rapport entre la puissance D 
maximale observée en un U o Prad
point d’une direction
donnée à la puissance Uo : intensité de rayonnement
qu’on observerait en ce source isotrope
même point si la même U : intensité de rayonnement
puissance rayonnée par direction donnée
l’antenne source était Prad : Puissance rayonnée
irradiée par une source
isotrope.
85
Calcul de la directivité à partir du Champ E
• Sachant que :
2
r 2
U ( ,  )  E (r ,  ,  ) on en déduit :
2
2
4 U max 2 r E ( r ,  , 
2
D0   max
Prad  Prad
avec   120  dans le vide .
86
Directivité : Ouverture à 3dB
●
Une antenne est caractérisée par son
ouverture dans le plan vertical et dans le
plan horizontal.
●
Plus l'ouverture sera faible, plus le gain
sera important .
87
Algorithme de calcul de l’angle d’Ouverture à 3dB
1. On identifie Emax et l’angle θ0 correspondant.

2. On augmente ensuite progressivement θ0
jusqu’à ce que la valeur de E donne
Emax/(racine de 2). L’angle correspondant vaut
θ1.
3. On fait de même en diminuant progressivement
θ0 et l’angle obtenu est θ2.
4. L’angle d’ouverture vaut alors |θ1-θ2|.
88
Rapport entre Eav et Ear
• Elle est définie comme le rapport entre le champ
maximum dans la direction désirée (lobe principal)
sur le champ maximum dans la direction non
désirée (lobe arrière).
• Si son expression n’est pas définie, l’algorithme
suivant permet de l’évaluer :
1- Identifier le maximum du lobe principal qui est
défini comme le point où l’amplitude du champ
cesse de croître.
2- On fait le rapport entre ce maximum et celui du
lobe secondaire.
89
POLARISATION (2)
Orientation du vecteur champ électrique d’une onde électromagnétique.
Donnée utile pour l’optimisation d’une liaison ou pour son brouillage.
Polarisation HH : onde émise et captées polarisée

Horizontale – VV – HV - VH

POLARISATION (1)

TYPES POLARISATIONS
• Verticale ( V )
• Grand profil
• moins affecter par des reflections
horizontales (eau, terre)

• Couramment utilisée
• Horizontale ( H )
• Faible profil
• Moins affecter par des reflections verticales
(immeuble, ...)
• Circulaire droite ou gauche ( CD – CG )
• Elliptique ( E )
92
BANDE PASSANTE
2 catégories :
• Bande étroite
– BW (%) = (fS - fb) / fC
• Large Bande
– BW = fS / fb
fb fC fS
fS: frequence supérieure
fb : frequence basse
fC : frequence centrale
Fcentrale  ( f max  f min ) / 2.
93
SURFACE EQUIVALENTE OU DE
CAPTATION
Plus la surface de capture est importante, plus le gain est grand
94
Impédance et rendement d’antenne
95
Puissance isotrope rayonnée (PIRE, angl. EIRP)
• Dans la direction optimale du lobe principal, le gain directif G(q, j) est égal à G 0. On
définit la puissance isotrope rayonnée de la manière suivante:
• Dans cette direction privilégiée, on a donc la densité de puissance suivante :
• Quand on utilise une antenne directive (par exemple une antenne parabolique),
il est clair qu'on va chercher à l'orienter de manière optimale pour avoir G(q,
j)=G0. dans la direction choisie. Dans ce cas, la PIRE suffit pour connaître la
densité de puissance à une distance r q uelconque
96
Ondes sphériques
• http://www.glafreniere.com/spheriques.htm
• En juillet 2006, M. Jocelyn Marcotte a réussi à établir les formules
complètes qui permettent de reproduire les ondes stationnaires
sphériques. Convergentes – Divergentes - Mixtes

Ondes cylindriques
• Une antenne de type cornet dirige un faisceau de microondes sur un réflecteur
de forme parabolique. Celui-ci transforme les ondes quasi cylindriques
générées par l'antenne en un faisceau d'ondes planes. Cette animation illustre
le fonctionnement des antennes paraboliques en émission.
• http://elap.montefiore.ulg.ac.be/services/elm/demos/parabole.html
98
Onde plane
• Une onde EM est constituée d'un champ électrique E et d'un champ magnétique H .
Dans le vide, ces deux champs sont orthogonaux et transverses (perpendiculaires à la
direction de propagation): c'est une onde TEM (Transverse Electro-Magnétique) aussi
appelé onde plane.
99
Résumé
100
Diagramme de
rayonnement
Le diagramme de rayonnement ou diagramme d'antenne décrit
la force relative du champ rayonné dans diverses directions de
l'antenne, à une distance constante.
Exemple de diagramme en Exemple de diagramme polaire

coordonnées rectangulaires d’une
antenne Yagi à 10 éléments
101
Spectre électromagnétique
102
Diplôme de Hertz
• On utilise les coordonnées
sphériques, avec l'hypothèse que r
>> L (zone de champ lointain) et L
petit devant la longueur d'onde.

Dipôle de longueur finie
• On utilise les coordonnées
sphériques, avec les
hypothèses que r >> L (zone de
champ lointain) et L est
supérieur à la longueur d'onde.
Balanis, p. 133 - 202

Dipôle de longueur finie

Dipole élementaire
Comparaison de diagrammes de rayonnement

Plateforme de caractérisation des
antennes
107
Caractérisation d’une antenne demi-onde (diagramme
de rayonnement en coordonnées sphériques)
108
109
Antennes adaptatives
• Diagramme de rayonnement adapté
• Accès multiple à répartition spatiale
• Antennes réseau à commutation de faisceaux
• Antennes réseau adaptatives ou antennes
intelligentes
• Modélisation
110
Systèmes d’antennes intelligentes
Introduction (1/2)
• Les systèmes à antennes intelligentes déterminent la
localisation du mobile pour se focaliser et émettre
l’énergie uniquement dans les directions souhaitées.
• Avec pour avantage l’augmentation de la capacité
grâce à:
– La réduction de la taille du motif (RTM)
– L’Accès Multiple par Répartition Spatiale,
AMRS ( SDMA, Space Division Multiple
Access)
111
Systèmes d’antennes intelligentes
Introduction (2/2)
• Le principal bénéfice d’un tel système est l’augmentation

de la capacité utilisatrice du système cellulaire.
– En effet, la possibilité d'orienter le faisceau d’une antenne,

sans avoir recours à un quelconque mécanisme de rotation,
– ajouté à la possibilité d’obtenir un où plusieurs faisceaux ayant

un gain important
– et une ouverture à mi-puissance étroite, permet d’effectuer

une vaste couverture et de suivre les déplacements d’un
utilisateur à l’intérieur d’une même cellule en minimisant le bruit
et les interférences.
112
Diagramme de rayonnement adapté
AVANTAGE
. Optimisation de la
puissance
rayonnée
. Parasité éliminé
. Utilisateur
supplémentaire
couvert
113
Diagramme de rayonnement
adapté
114
Diagramme de rayonnement adapté
•Les antennes réseau de BTS peuvent orienter des lobes principaux

dans les directions des utilisateurs désirés, et mettre des zéros dans les
directions des interférents.
•Ainsi plusieurs signaux à l’intérieur d’une cellule ou provenant de
cellules adjacentes peuvent utiliser la même fréquence porteuse sans qu’il
n’y ait d’interférences co-canal.
•La diversité spatiale permettra ainsi de varier dynamiquement la
direction du lobe afin de suivre le mouvement de l’utilisateur
115
Avantages recherchés
• Couverture et mobilité
– Le système doit être disponible à n’ importe quel endroit où les
utilisateurs souhaitent l’ utiliser (Handover, Roaming, etc.)
• Capacité
– Au fur et à mesure que le nombre d’utilisateurs augmente dans le
système, les demandes placées sur le spectre alloué augmentent
proportionnellement
• Qualité
⁻ Bonne perception dans un système de voix
⁻ Faible taux d’erreurs (BER: bit error rate) dans un système de données
116
Avantages des antennes intelligentes
1. améliore la capacité
de communication
2. augmente la qualité
de communication
3. amplifie la portée de
la communication
117
Avantages des antennes intelligentes
4. augmente la
couverture des
cellules
5. Augmente le temps
d’utilisation des
batteries du Mobile
118
intelligentes
• Modélisation
119
Accès multiple à division spatiale
• SDMA (Space
Division Multiple
Access) justifie le
développement des
antennes
adaptatives ou
antennes
intelligentes.
120
Réutilisation de la fréquence
voire du code
Facteur de réutilisation Réutilisation sans Réutilisation sans
de la fréquence = 7 contrainte de la contrainte de la
fréquence fréquence ou de code
TDMA CDMA SDMA
121
Accès Multiple par Répartition Spatiale (AMRS)
( SDMA, Space Division Multiple Access) (1/6)
• La SDMA est une technique suscitant un intérêt
croissant depuis quelques années.
• Elle repose sur le partage de l’espace en plusieurs

régions (par techniques de traitement de l’antenne)
permettant d’obtenir un partage spatial du spectre.
• Cette technique découle directement du concept

d’antenne intelligente. Elle peut être utilisée avec toutes
les méthodes d’accès conventionnelles (FDMA, TDMA et
CDMA).
122
• Les modifications nécessaires sont limitées aux
BS et ne concernent pas les mobiles, ce qui
permet l’introduction de SDMA dans les
systèmes existants.
• La technique SDMA peut être considérée

comme une technique de filtrage spécial obtenu
en utilisant, au niveau de la BS, une antenne
adaptative. Une structure identique est adoptée
à l’émission.
123
• Ce système est composé par une antenne réseau et par
une DSP (digital Signal Processor) dont le rôle est de
traiter en temps réel les signaux reçus et ceux à émettre
au niveau des antennes.
• Les N signaux obtenus au niveau de N antennes du
réseau sont envoyés à la DSP, multipliant le signal de
chaque antenne par une valeur approprié Wi* et
sommant finalement tous les termes. Le signal de sortie
s’écrit sous la forme :
124
• Le choix adéquat des poids du vecteur
• Wi permet de définir le profil du diagramme de

rayonnement de l’antenne selon les caractéristiques
souhaitées.
• En particulier, le vecteur w est déterminé selon une
stratégie adaptative. En contexte radio- mobile, les
diagrammes des antennes doivent être adaptés afin que
le faisceau pointant vers un mobile puisse suivre ses
mouvements. Cette technique porte le nom de SDMA
adaptatif (A-SDMA pour adaptative-SDMA).
125
• Cette approche comporte les principaux

avantages suivants :
– réutilisation des porteuses et donc de la bande de
fréquence dynamiquement et de façon adaptative à
l’intérieur de la zone de couverture (plus d’usagers
peuvent donc être desservis par la même bande de
fréquences),
– les faisceaux étant dirigés vers l’usager, la
propagation par multitrajet est considérablement
réduite et l’interférence entre canaux est également
réduite,
126
– la consommation d’énergie est réduite si on la

concentre vers l’usager, avec une pollution
électromagnétique réduite,
– la confidentialité des communications est

augmentée par la directivité des faisceaux.
Intercepter une communication ne devient
possible que si l’on se trouve sur le faisceau.
127
Exploitation dans le Bluetooth
• Deux ordinateurs communiques sans subir
les ondes du téléphone.
128
Exploitation en localisation et
navigation aériennes
129
• Types d’antennes
• Modélisation
130
Structure générale d’une
antenne adaptative
1) Antenne à
réseau
d’éléments
2) Système de
contrôle des
amplitudes et
des phases
d’excitation
3) Processeur des
signaux
131
Antenne réseau
• Système constitué d’une série linéaire,
carrée, circulaire ou volumique d’antennes
simples telles que les antennes
omnidirectionnelles classiques dont on
combine les différents signaux induits pour
former un signal unique en sortie
132
Exemples de configurations
d’antenne réseau
(a) Linéaire (b) Planaire (c) Circulaire
133
ANTENNES RESEAUX
PRINCIPES
• Il y a plusieurs facteurs qui contribuent à la
formation du diagramme global de rayonnement
de l’antenne réseau :
- Configuration géométrique réseau (linéaire, circulaire,
planaire, volumique)
- Espacement entre les sources
- Amplitude d’excitation pour chaque élément,
- Phase d’excitation pour chaque élément,
- Diagramme de rayonnement
- Polarisation de chaque élément.
134
ANTENNES RESEAUX
LINEAIRES (1/3)
135
ANTENNES RESEAUX
LINEAIRES (2/3)
136
ANTENNES RESEAUX
LINEAIRES (3/3)
• La direction de rayonnement maximale est
donnée par :
• Le faisceau s’incline toujours du coté où

les phases retardent. La variation de Δϕ
entraîne celle de θ0 : C’est le principe
des antennes à balayage électronique.
137
Architecture du site web sur la
conception et l’analyse des antennes
138
Simulation sous matlab, EasyPHP et MySQL
Réseau Linéaire (1/2)
139
Réseau Linéaire (2/2)
140
Réseau Planaire
141
Réseau Circulaire
142
Contrôle et pondération
• Le terme « antenne adaptative » ou
« antenne intelligente » lui est attribué
lorsque les différents signaux induits sont
pondérés de manière variable avant d’être
combinés pour ajuster dynamiquement le
gain afin de contrô ler la réception,
l’émission ou les deux.
• On parle alors de technique de
« beamforming ».
143
Exemple de détermination des
coefficient de pondération (1/2)
Mobile désiré
Elément
x1  s111 s221
11 d’antenne 1
x2  s112  s222
12
La sortie du sommateur est :
 21
22
y  x1w1  x2 w2
Mobile immisçant
Elément
d’antenne 2
Elle peut être réécrite comme :
y  (s111  s2 21)w1  (s112  s2 22 )w2

 s1 (11w1  12w2 )  s2 ( 21w1   22w2 )
144
Exemple de détermination des
coefficient de pondération (2/2)
Si on impose que le signal de sortie soit le même que le signal du portable
désiré, i.e. y=s1, alors le terme multipliant s1 doit être mis à 1 et le terme
multipliant s2 doit être mis à 0 :
 11 w 1   12 w 2  1
 21 w 1   22 w 2  0

Ce système w 1  22
d’équation est  11  22   12  21
alors résolu
  21
pour donner : w 2 
 11  22   12  21
145
Types de systèmes d’antennes intelligentes
• Deux types de système d'antennes

intelligentes,
– le système à faisceaux commutés où répartiteurs de
faisceaux (Switching Beams antenna en anglais)
– et le système adaptatif.
146
Techniques fixes de formation de faisceau
Les systèmes à faisceaux commutés – SBA (1/3)
• Pour former les faisceaux multiples, un choix de N

éléments d’antenne est relié à N ports des faisceaux.
Cette architecture, est généralement connue sous le
nom de réseau d’alimentation de faisceaux
(Beamforming Network).
• Un résultat simple de réseau est formé quand des

signaux induits sur différents éléments de réseau sont
combinés.
147
• Cette méthode de combiner les signaux de plusieurs

éléments est appelée Formation De Faisceaux. La
direction dans laquelle le réseau a la réponse
maximale serait la direction du pointage de faisceau.
• Le faisceau conventionnel se dirigeant où la

formation de faisceau peut être réalisée en ajustant
seulement la phase des signaux des différents
éléments. En d’autres termes, dirigeant un faisceau
dans la direction désirée.
148
• Cependant, le diagramme de rayonnement d’antenne dans ce

cas est fixe, c'est à dire, pour un choix de faisceau dans une
direction désirée, un ajustement de phase doit être accompli.
• Quelques applications de réseau exigent plusieurs faisceaux

fixes qui couvrent un certain secteur angulaire.
• Plusieurs techniques existent et fournissent ces faisceaux

fixes. Dans cette section, quatre matrices (matrice de Butler,
matrice de Blass…) souvent employées seront présentées.
149
Matrices de Butler (1/6)
• Schémas des
matrices de
Butler 4x4 :
(a) matrice non
standard,
(b) matrice
standard.
150
Voir 117

Schéma représentatif de 8 faisceaux orthogonaux formés

par la matrice de Butler 8x8
151
• La matrice de Butler a deux fonctions :
􀂾 La distribution des signaux RF aux éléments
rayonnants de l’antenne,
􀂾 Formation et orientation de faisceaux
orthogonaux.
• En reliant la matrice de Butler entre un réseau
d’antenne et un commutateur RF, un ensemble
de faisceaux peut être réalisé en excitant
simultanément deux ports ou plus par des
signaux RF.
152
• Un signal présenté à un port d’entrée produira des excitations
égales à tous les ports avec un déphasage progressif entre eux,
ayant comme résultat un faisceau qui rayonne dans une
certaine direction de l’espace.
• Un signal à un autre port d’entrée formera un faisceau dans

une autre direction.
• En se référant à la (Figure), si les ports 1R et 3L sont excités

en même temps avec des signaux RF égaux en amplitude et en
phase, les faisceaux 1R et 3L rayonneront simultanément.
153
• La formation des faisceaux multiple est possible, mais il y a
une limitation. Deux faisceaux adjacents ne peuvent pas être
formés simultanément car ils s’additionnent et produisent un
faisceau simple.
• La popularité de la matrice de Butler comme circuit

d’alimentation est due à ses nombreux avantages rappelés ci-
dessous :
􀂾 Un réseau simple employant peu de types de composants (des
coupleurs et des déphaseurs fixes), qui est mis facilement en oeuvre
par l’utilisation des lignes microrubans.
􀂾 Les faisceaux produits ont une largeur étroite et une bonne directivité.
154
• La matrice de Butler n’est pas un circuit
d’alimentation parfait, elle a les inconvénients
suivants :
 La largeur de faisceau et la direction de pointage
changent avec la fréquence.
 L'interconnexion est assez complexe pour une
grande matrice (beaucoup de croisements, par
exemple plus de 16 croisements sont nécessaires
pour une matrice 8*8).
 Le nombre de composants est grand quand le
nombre d'éléments du réseau est grand.
155
Matrice de Blass (1/5)
Réseau avec 3 éléments Réseau avec un nombre

quelconque d’éléments
156
• La matrice de Blass, est une matrice qui peut
générer des faisceaux multiples.
• Elle utilise un ensemble de lignes de

transmissions reliées à un réseau d'antennes (N
éléments) qui intersecte un ensemble des
lignes des ports M de faisceaux, avec un
coupleur directionnel à chaque intersection.
157
• Le port 2 fournit des retards égaux à tous les éléments, ayant
pour résultat un faisceau dans le plan de rayonnement
(broadside).
• Les deux autres ports fournissent des délais progressifs entre

les éléments et produisent les faisceaux qui sont en dehors du
plan de rayonnement (broadside). La matrice a été optimisée
pour obtenir les faisceaux presque orthogonaux.
• Le nombre de coupleurs, C requis pour former M faisceaux est

donné par :C = MN
158
• Les avantages d’employer la matrice de Blass sont :
􀂾 Pour un grand réseau, la disposition d’intercommunication
du circuit est simple car il n’y a pas de croisements,
􀂾 Les faisceaux formés peuvent être produits en commandant

les rapports de couplage des coupleurs directionnels (la
pondération en amplitude est possible pour chaque
faisceau)
􀂾 Le temps de retard assure une certaine constance des

faisceaux avec la fréquence.
159
• Cependant, elle présente des inconvénients sérieux:
􀂾 Chaque coupleur doit avoir une valeur différente, ce qui
complique la conception,
􀂾 Elle exige plus de coupleurs que la matrice de Butler et

cette augmentation de matériel implique un plus grand coût
et poids,
􀂾 L’interaction entre les coupleurs rend les circuits difficiles

à construire car les effets des coupleurs sur les données
mesurées sont difficiles à apprécier.
160
Matrice de Nolen (1/2)
• La matrice de
Nolen peut être vue
comme
combinaison d’une
matrice de Butler et
d’une matrice de
Blass, les N
éléments d’une
antenne sont
couplés à M ports
de faisceau.
161
Matrice de Nolen (2/2)
• Comme la matrice de Blass, la matrice de Nolen peut
alimenter un nombre d’antennes différent du nombre
d'orientations de faisceaux. La matrice de Nolen est composée
de déphaseurs et de coupleurs.
• Elle est une représentation générale de la transformé discrète

de Fourrier.
• Comme la matrice de Blass, elle est rarement utilisée à cause

de ses pièces coûteuses, et des difficultés de l’ajustement de
réseau
162
Réseau de Wullenweber
• Les avantages du réseau de Wullenweber sont sa capacité à
balayer plus de 3600 avec peu de changement des
caractéristiques de rayonnement.
• La largeur de bande de réseau de Wullenweber est limitée par
la largeur de bande et l’espacement des éléments.
163
Lentille micro-onde
• Chaque cornet d’entrée propage des ondes micro-ondes
suivant le mode TEM entre les plaques et illumine les sondes
placées sur le contour intérieur de la lentille qui transfèrent
l’énergie aux câbles coaxiaux jusqu’à un second jeu de sondes
agissant comme un réseau d’antennes linéaire de monopoles.
164
intelligentes
• Modélisation
165
Principales approches de modélisation
Pour envoyer un faisceau de rayonnement suivant la ou les

directions des signaux utiles au détriment de celles des
interférents. Cela nécessite la connaissance :
 Soit des directions d’arrivées des signaux utiles (DDA
ou en anglais DOA) ;
 Soit d’un signal de référence par rapport auquel
l’antenne compare la sortie du réseau avant d’adapter les
poids des différents signaux incidents.
Deux principales approches de modélisation en découlent
puis une troisiè me, dite « aveugle » qui souvent, tente
d’associer les deux premiè res.
166
Approche à DOA
Elle se passe en trois étapes :
1. Détermination des directions d’arrivée des différents signaux incidents
2. Pondération pour détection de la ou des directions du signal utile
3. Formation conséquente du faisceau.
Determination des
Directions d’arrivée Calcul des différents poids Grâce au Facteur de réseau
Expression dépend du
type de beamformer
Interférence
Utilisateur
167
Les algorithmes de DOA (1/2)
On les regroupe généralement en deux grandes catégories
La première, appelée « méthodes d’estimation spectrale »

comprend entre autres:
La méthode de base : La transformée de Fourier spatiale
la méthode de prédiction linéaire (PRONY)
la méthode de maximum de vraisemblance (CAPON)
la méthode de maximum d’entropie,

etc.
168
Les algorithmes de DOA (2/2)
La deuxième catégorie dite « méthodes structurelles à

valeurs propres » (ou « méthodes des sous espaces »)
comprend entre autres:
La minimisation de l’erreur quadratique moyenne
(MMSE pour Minimum Mean Square Error)
la méthode MUSIC (Multiple SIgnal Classification)
la méthode ESPRIT (Estimation of Signal Parameters

via Rotationnal Invariance Techniques)
etc.
169
MUSIC (MUltiple SIgnal Classification)
• minimum variance method, nullsteering and

linear predictive method, utilisent une analyse
spectrale et recherchent les maxima ou les
minima.
170
L’algorithme MUSIC
Extraction du vecteur signal X.

Calcul de la matrice d’autocorrélation Rx :
SVD de Rx
Vecteurs propres correspondant à valeur propre faible -> espace bruit
Vecteurs propres correspondant à valeur propre élevée -> espace signal
Tracé du spectre angulaire :
PMUSIC(θ, ø) = [a*(θ, ø)a(θ, ø)] / [a*(θ, ø)EE*a(θ, ø)]
171
Début
Organigramme
Différents paramètres du réseau d’antennes,
du bruit et des signaux incidents MUSIC
Calcul de a(θ,ø) : matrice déphasage du réseau
cas statique
Extraction de X : matrice signal en sortie du réseau

Son code
Estimation de Rxx : matrice d’auto-corrélation du réseau
Calcul des valeurs et vecteurs propres de Rxx
Calculs et tracés des spectres P = (aa*/a*EE*a), de log(P) et de dérivée(log(P))
Récupération des directions d’arrivées (DOA) des signaux incidents
Fin
172
Détermination de DOA par
l’algorithme MUSIC
Cas statique
Il correspond au cas où les utilisateurs sont
immobiles.
90°
Considérons comme exemple de base, un 60°
cas où M=5, L=3 et SNR = 20 dB. Le 30°
nombre d’échantillons est N=1000
Les signaux utiles sont situés respectivement en
ø = [30 ; 60 ; 90] pour θ correspondants
[90 ; 90 ; 90] (repère (o,x,y,z) orthonormé)
173
Spectre de P, log (P) et dlog (P)
Direction Direction erreur Direction Direction erreur

réelle calculée réelle calculée
Utilisateur 1 30.000 30.000 0.000 Utilisateur 1 30.000 30.0150 + 0.0150
Utilisateur 2 60.000 60.000 0.000 Utilisateur 2 60.000 60.0050 + 0.0050

Utilisateur 3 90.000 90.000 0.000
Utilisateur 3 90.000 90.0050 + 0.0050
Planaire Linéaire
SNR= 20 dB, N = 1000
174
V.1.1.2. Influence du Rapport signal
sur bruit (SNR)
(a) (b)
SNR=10 SNR=0
N=10 N=10
(c) (d)
SNR=0, SNR=0
N=100 N=1000
175
MUSIC - Influence du pas
Pour un pas ≤1, l’algorithme ne converge pas. Pour un pas

inférieur à 6, le temps de convergence est très grand (~
01heure et plus)
C’est ce qui justifie le choix du pas égal à 10 pour lequel
nous menons rapidement nos simulations.
MUSIC - Influence du nombre d’échantillons N

Pour une valeur du SNR de 20 dB, N n’influe pas sur les
résultats. Par contre décroître le SNR exige que N soit élevé
pour continuer à obtenir des résultats acceptables.
176
MUSIC - Influence de M et L,
nombre de sources détectables
Nombre maximal de sources détectables: Lmax = (M-m+1)2 -1

Où m est le nombre maximal de sous réseaux : m = (M+1)/2
Ex : Si M =2 et L = 3, Lmax = 1,25 = 1 source
M = 5, L = 3 M = 3, L = 3 M = 2, L = 3
177
MUSIC - Cas dynamique (1/5)
Cette fois, un ou plusieurs utilisateurs se déplacent. Il est alors nécessaire de

découper les échantillons incidents par petits groupes appelés fenêtres. Les
directions des utilisateurs sont alors calculées séparément pour chaque fenêtre.
Les fenêtres peuvent s’entrelacer ou pas .
(a) Fenêtres sans entrelacement (b) Entrelacement de deux échantillons
Dans nos simulations, nous n’avons considéré que des fenêtres qui ne
s’entrelacent pas
178
MUSIC -Cas dynamique (2/5)
Ce qui est important, c’est de savoir de combien se déplace

l’utilisateur pendant une fenêtre car plus l’utilisateur sera rapide,
plus les fenêtres devront être petites (sans entrelacements) afin
d’obtenir des résultats acceptables. Ainsi, ce dont nous avons
surtout besoin de savoir, c’est la vitesse de l’utilisateur par
rapport à la fréquence du signal. Cette valeur sera exprimée en
dégrée par échantillon.
A chaque fois que la fin d’une fenêtre est atteinte, les

directions sont calculé es et Rxx est supprimé. Après cela, le
spectre et les racines sont calculé s comme dans le cas
statique
179
MUSIC - Cas dynamique (3/5)
Considérons M=9, L=5, SNR = 20 dB et que

l’utilisateur principal se déplace de la position de 50° à
la position de 90° en 100 fenêtres de 10 échantillons
chacune. On a donc N = 1000 avec une vitesse de
déplacement de 0.04 deg/échantillon.
180
Début
Différents paramètres du réseau d’antennes, du bruit
Début
et des signaux incidents en tenant compte de la mobilité

Organigramme
MUSIC Extraction de X : matrice signal en sortie du réseau
Cas dynamique Initialisation de Rxx, Taille des fenêtres
i=1
Estimation de Rxx_n (i): matrice d’autocorrélation du réseau

i = i +1 au temps i : Rxx_n = Rxx_n + X(:,i)*X(:,i)'
Non Non
i = N ? mod(i,windowsize) = 0 ?

Oui
Oui
Calcul du spectre P
Non
Réinitialisation
de Rxx i = N ?
Oui
Calcul de log(P) et de dérivée (log(P))
Tracé de la trajectoire de l’utilisateur
181
Fin
Cas dynamique (5/5)
Son code MATALB est : (Code) et les résultats sont:
182
Beamformings correspondants
Determination des
Directions d’arrivée Calcul des différents poids Grâce au Facteur de réseau
Expression dépend du
type de beamformer
Interférence
Utilisateur
Le facteur de réseau permet de calculer le diagramme de

rayonnement lorsque les poids des différents éléments d’antennes
sont connus. Focaliser le rayonnement suivant des directions
(ø0,θ0) privilégiées revient alors à ajuster les différent poids
183
Le facteur de réseau
Il est noté AF (en anglais Array Factor). Il est obtenu par

la formule:
AF(ø,θ) = WH.A (ø,θ) (5.1)
Sa valeur normalisée (Normalized Array Factor) est :
(5.2)
184
Le beamformer
conventionnel(1/2)
Ses poids sont donnés par:
(5.3)
Son code matlab est le suivant : Bf1_conv_planaire.m
185
Le beamformer conventionnel (2/2)
Considérons un réseau 9x9 qui doit envoyer le faisceau suivant l’utilisateur
placé en 90° et l’annuler suivant les deux autres, interférents.
Courbe linéaire, direction 90° Courbe polaire, direction 90° Courbe logarithmique, 90°
186
Le beamformer à annulation de lobes
(Null-steering beamormer) (1/4)
Il est utilisé pour annuler une onde plane en provenance d’une direction
connue en annulant le lobe de rayonnement suivant cette direction.
Les poids sont déterminés tels que : WH.A (ø0,θ0)=1
(5.4)
WH.A (øi,θi)i≠0=0
En notation matricielle ce système devient : WHA=e1T (5.5)
Où e1 = (1,0,0…0)T (5.6)
Si toutes les sous matrices a(øℓ,θℓ) de A sont linéairement

indépendants et A une matrice carrée alors on peut l’inverser et
calculer la matrice poids W par :
187
W= WHA=e1T.A-1 (5.7)
Dans le cas où A n’est pas inversible, son pseudo inverse

peut être utilisé. Il est donné par:
WH=e1TAH(AAH)-1 (5.8)
Considé rons un exemple avec 5 élé ments d’antennes où

l’utilisateur se trouve à 90° et les interférents à 10°, 80°,
120° et 160°. La figure suivante montre les courbes liné aire
(a), logarithmique (b) et polaire (c).
188
Son code MATLAB est le suivant: bf2_steering_planaire.m
(a) Linéaire (b) logarithmique ( c) Polaire
Cet exemple illustre deux inconvénients du « Null Steering

beamformer » :
189
Primo, le diagramme de rayonnement ne pointe pas dans la
direction de l’utilisateur.
Secundo, il n’est pas possible de contrô ler les hauteurs des
lobes secondaires. Nous voyons sur la figure (a) que la hauteur du
lobe secondaire de gauche est totalement supérieure au lobe
principal.
Un dernier inconvénient et non le moindre, est que ce
beamformer requiert des informations sur les positions des
interférents. Dans la pratique ces positions ne peuvent pas être
connues à l’avance.
Tous ces inconvénients peuvent être corrigés par des
beamformers plus sophistiqués tels que « le beamformer optimal »
ou le « LMS beamformer ».
190
Le beamformer optimal (1/2)
Le « beamformer » optimal permet de remédier à deux des principales
limitations du « Null-steering beamformer » :
 Il ne requiert pas d’informations sur les directions des interférents.
 Il maximise le rapport signal sur interférence et bruit en sortie du
réseau. (SINR : Signal to Interference and Noise Ratio).
Pour le beamformer optimal, les pondérations sont données par :
W=µ0 Rxx-1A(ø0,θ0) (5.9)
Pour un réseau à réponse unité dans la direction désirée, µ0

peut être obtenu par :
µ0 = 1/[AH(ø0,θ0)Rxx A(ø0,θ0)] (5.10)
191
Le beamformer optimal (2/2)
Nous pouvons en déduire W:
(5.11)
Ces poids minimisent la puissance moyenne de sortie tout en

maintenant une réponse unité dans la direction de l’utilisateur. Ainsi le
processus minimise le bruit total comprenant les interférences et les
bruits de corrélation.
Rxx est estimé et actualisé à l’arrivée de chaque échantillon par :
(5.12)
Rxx[n+1] = (nRxx[n]+X[n+1]XH[n+1]) / n+1
192
Cas statique, exemple de base
Considérons un réseau 9x9 et L=5 signaux incidents. L’utilisateur est situé
en 50° tandis que les interférents sont en 25°, 80°, 130° et 155°. SNR=20dB.
Son code MATLAB est le suivant : bf3_optimal_staticplanaire.m
N = 10 N = 10 N = 1000
Plus la valeur de N est grande, plus l’algorithme prend du temps pour converger.
193
Cas statique, limites
D’autre part, indépendamment de la valeur de N, nous

constatons que les interférents sont effectivement annulé es
mais les hauteurs des lobes secondaires restent très élevées, ce
qui ne favorise véritablement pas la réduction du bruit.
Ainsi, le rayonnement du « beamformer » optimal tend à avoir

de longs lobes et une mauvaise annulation des interférences ;
ceci est causé d’une part par la maximisation du SINR et
d’autre part par le bruit thermique, qui ne devrait pas être
carrelé d’un capteur à un autre mais qui, pour un nombre fini
d’échantillons, paraît l’ê tre.
194
Matrice de surcharge (1/2)
Le moyen le plus simple de remédier à ces limitations est d’ajouter à
Rxx, un bruit idéal thermique artificiel. Puisque la matrice de
covariance d’un bruit thermique idéal est une matrice diagonale, nous
pouvons ajouter à Rxx une matrice diagonale qui domine l’effet nuisant
de la corrélation du bruit initial. Dans le cas du réseau linéaire, Cette
matrice de « surcharge » atténue considérablement les effets des
corrélations du bruit. Elle réduit le nombre d’échantillons requis pour
obtenir de bons résultats. Appliquons là et voyons son effet:
Avec MATLAB, la surcharge de Rxx est faite de la manière suivante :
Rxx_n = repmat(Rxx_n, 9, 9);

Rxx_n1 = Rxx_n;
Rxx_n = (i*Rxx_n1 + [X(:,i) D]*[X(:,i) D]' )/(i+1);
D est défini ainsi : D = D_cst*sigma*eye(M); où D_cst est une constante

195
Matrice de surcharge (2/2)
Considérons un nouvel exemple avec une matrice de surcharge et ø0 = 50°.
D_cst=10.
(a) N = 10 (b) N = 100 (c) N = 1000

Nous constatons que le fait d’ajouter la matrice de surcharge n’a pas
d’effet notable sur la qualité des résultats comme c’était le cas pour le
réseau linéaire développé dans [1]. Par contre la position de l’utilisateur
influe considérablement la réponse du réseau. Lorsque celui-ci se trouve
entre 60 et 120°, le lobe principal est bien centré et les interférences bien
annulées.
196
Effet de la position de l’utilisateur
(a) ø = 80° (b) ø = 110°
197
Influence de M par rapport à L :
(a) M = 9 (b) M = 5 (c) M = 3 (d) M = 2
Lorsque M diminue, le lobe principal s’élargit synonyme de dégradation possible

de qualité. Pour M = 3, autrement dit pour un réseau 3x3, les interférents ne sont
plus annulés et les lobes secondaires s’élèvent. Ces résultats se dégradent
carrément pour M =2. Ainsi le résultat reste valable Lmax = (M-m+1)2-1,
Où
m est le nombre maximal de sous réseaux: m = (M+1)/2.
198
Influence du SNR
(a) SNR = 20 dB (b) SNR = 0dB
Nous constatons qu’annuler le SNR n’a pas d’effet notable sur la réponse du réseau.
199
Cas dynamique
Considérons la situation où M=9, L=5, SNR=20dB et

D_cst = 20. La taille d’une fenêtre est de 80 é chantillons.
L’utilisateur principal se déplace de 80° à 120° en 4000
échantillons soit une vitesse de dé placement de 0.01
degré/échantillon c’est- à -dire 0.8 degré/fenêtre
pendant que les interférents sont situés à 25, 50, 130 et
155 dégrées. Sous MATLAB, on voit effectivement
comment le lobe principal se dé place pour poursuivre la
cible de 80° à 120°.
Son code MATLAB est le suivant: bf4_optplandyncase.m
200
Larges fenêtres et petite vitesse de
déplacement de l’utilisateur
(a) Utilisateur à 85° (b) à 100° (c) à 108 (d) Erreur
201
Larges fenêtres et grande vitesse de
Nous reprenons l’exemple précédent excepté que N = 1000, ce qui fait
une vitesse de 0.04 degré/échantillon. Les résultats sont rassemblés sur
la figure suivante:
202
Petites fenêtres et petite vitesse de
Cet exemple est identique au premier mais avec cette fois des
fenêtres de 20 échantillons. Les résultats sont les suivants :
203
Résultats de simulation par
l’approche à séquence
d’apprentissage
204
Formation de voies et annulation
d'interférents (1/2)
• La première étape consiste à estimer les angles d'arrivée de
toutes les sources. Connaissant la structure du réseau, linéaire
par exemple, il est possible de former la matrice A et son
inverse ou pseudo-inverse.
• Il ne reste qu'à calculer les pondérations optimales.
205
d'interférents
w H x ( i )  1 i  1 .. N ( N lobes )
w H x ( i )  0 i  1 .. K  1 ( K  1 zéros )
w H X  e1T wH représente le conjugué de la transposée de w
X   x(0 ), x(1 ), ..., x(K 1 )
e1  1,1,...,1,0,..., 0 
T
La solution générale de système d'équations nécessite l'utilisation des

techniques d'optimisation appropriées qui permettent de calculer les
pondérations pour chaque configuration des lobes désirés
206
d'interférents (2/2)
• Un exemple d'application dans le cas d'un
réseau de 4 antennes.
• Le diagramme optimisé pour le mobile 1
apparaît en trait noir et celui du mobile 2 est
représenté en trait rouge.
207
Approche à séquence
d’apprentissage
Principe: La séquence d’apprentissage est une partie

d’information envoyée connue du récepteur
lui permettant de déduire de l’état d’arrivée
des bits la fonction de transfert du canal. On
a donc ici un signal de référence avec lequel
l’antenne compare le signal en sortie du
réseau. Les algorithmes les plus utilisés sont:
208
Les algorithmes d’apprentissage
MMSE (minimisation de l’erreur quadratique moyenne)
SMI (Sampled Matrix Invariance)
LMS (Least Mean Square)

RLS (Recursive Least Square)
Ces algorithmes servent directement à conformer les

diagrammes de rayonnement suivant les directions utiles
(beamforming).
209
L’algorithme du « LMS »
Il est dit de gradient stochastique et est la version récurrente du filtre

de Wiener. Cet algorithme permet de calculer les pondérations selon
l’équation:
W(n+1) = W(n) + µx(n)[d*(n)-xH (n)W(n)] (3.3)
où W(n+1) représente le poids à la (n+1)e itération

et µ le gain constant qui contrôle le degré d’adaptation.
Dans un système numérique, le signal de référence est obtenu par une
transmission périodique d’un signal connu du récepteur ou par
l’utilisation du spectre de code dans le cas d’un système CDMA à
séquence directe.
La convergence de l’algorithme dépendra alors des valeurs propres de
R (matrice de corrélation du réseau)
210
Approche semi-aveugle (1/2)
Ces algorithmes sont souvent associés aux autres techniques. Ils

tentent d’extraire les caractéristiques du canal des informations reçues
dans le signal. Leur traitement est lourd et difficile en temps réel. C’est
ce qui justifie leur faible utilisation.
Un exemple d’algorithme de ce type est le CMA : Constant

Modulus Amplitude (Modulation à Amplitude Constante).
Sa configuration est la même que celle du système SMI à la seule

différence qu’ici un signal de référence n’est pas requis. C’est un
algorithme de gradient qui travaille selon la théorie que l’existence
d’interférences entraîne généralement des variations d’amplitude du
signal transmis, qui néanmoins possède une enveloppe constante.
211
Approche semi-aveugle (2/2)
L’actualisation des poids est obtenue par minimisation de la
moyenne positive de la fonction coût :
(3.4)
Jn = ½E [(|y(n)|² - yo²)²]
Les poids sont alors : W(n+1) = W(n) - µg(W(n)) (3.5)
où
 y(n) est la sortie du réseau après la nième itération ;
 yo l’amplitude de l’enveloppe du signal désiré en absence
d’interférence ;
 g(w(n)) une estimation de la fonction coût. Cet algorithme ne
converge pas toujours ; c’est pourquoi des informations
additionnelles sur le signal de références sont souvent
nécessitées.
212
Formation de faisceaux par
l’algorithme des moindres carrés
moyens (LMS beamformer)
Nous avons besoin d’un signal de référence.

Nous le prenons identique au signal envoyé par l’utilisateur
principal. Il sera noté dd et sera défini par :
dd = Data (1, :).*exp(j*2*pi*f0*t);
Cette fois nous n’avons pas besoin de matrice de surcharge mais

plutô t de définir une constante μ (appelé mu_cst dans le code
MATLAB). La valeur de cette constante est très importante pour
la convergence de l’algorithme
213
LMS - Cas statique
L’algorithme est implémentée ainsi:

w = zeros(1, M*M)’;
y(:,i) = w’*X(:,i); où y(i) est le signal de sortie
e(i) = dd(i) - y(i); du réseau au temps i et e(i)
w = w + mu_cst*X(:,i)*e(i)’;
l’erreur correspondante.
Considé rons un exemple de base où mu_cst = 0.010,

SNR = 20dB, M = 9 et avec un utilisateur placé en 80° et
des interférents en 25°, 50°, 130° et 155°. La figure suivante
donne l’organigramme de l’algorithme et son code MATLAB
pour N = 200.
214
Début
Organigramme Différents paramètres du réseau d’antennes, du bruit et des signaux incidents
Algorithme du Calcul de a(θ,ø) : matrice déphasage du réseau

LMS - Cas
Extraction de X : matrice signal en sortie du réseau (avant pondérations)
statique
Définition du signal de référence, Initialisation des poids et mu_cst
i=1
Son code
Calcul de Y( :,i): Sortie du réseau après pondérations au temps i
y(:,i) = w'*X(:,i);
Erreur correspondante
e(i) = dd(i) - y(i);
Actualisation des poids :

w = w + mu_cst*X(:,i)*e(i)';
i = i +1
Calcul du facteur de réseau normalisé : NAF
Tracés de Abs(NAF) et des trajectoires de l’utilisateur et

des divers interférents
Non
i = N ?
Oui
Récupération et tracé de la courbe d’erreur en sortie du

réseau 215
Fin
LSM – Résultats de l’exemple de base
(a) N = 132 (b) N = 200 (c) N = 200 (d) Erreur(N = 200)
L’erreur est très faible et ponctuelle. Nous en déduisons que le

réseau planaire offre une bonne réponse synonyme d’augmentation
de qualité. Toutefois, elle varie légèrement d’une simulation à l’autre.
216
LMS - Influence de μ (1/2)
1er Cas: μ = 0.050
2è Cas: μ = 0.005
217
LMS - Influence de μ (2/2)
N = 200 et pour μ = 0.050, la convergence est très rapide (dès les
premiers échantillons) mais les erreurs et les lobes secondaires
présentent des pics très élevés, ce qui ne favorise pas l’élimination
du bruit.
Pour μ = 0.005, le lobe principal est bien accentué tandis que les
interférences sont éliminées. De plus les erreurs sont assez basses.
Par contre l’algorithme met un peu plus de temps pour converger.
Les simulations montrent que pour des valeurs de μ supérieures à

0.060, la convergence de l’algorithme n’est même plus garantie.
Toutefois cette limite supérieure de convergence peut varier avec les
différents autres paramètres (SNR, M, L, la position de l’utilisateur,
etc.).
218
LMS - Influence du SNR
Fixons μ à 0.010 et N à 33 et comparons les courbes d’erreur pour
différentes valeurs du SNR.
SNR = 00 SNR = 10 SNR = 20

Ces courbes montrent que pour de faibles valeurs du SNR, μ doit être très
faible pour conserver la même précision après convergence ; le compromis
est alors le temps de convergence qui devient un peu plus important.
219
LMS - Influence de M
N = 200, et SNR = 20dB, comparons les courbes d’erreur pour différentes
valeurs de M :
(a) M=7 (b) M = 5 (c) M = 3
Lorsque M diminue, l’erreur augmente et l’algorithme prend plus de

temps à converger.. M inférieure à 4 donne des erreurs plus importantes.
Autrement dit les 5 sources ne sont plus correctement détectables. Nous
comprenons alors le résultat établi dans [2p30] à savoir : le nombre maximal
de sources détectables par un réseau carré MxM est de (M-m+1)2-1 où
m = (M+1)/2 est le nombre maximal de sous-réseaux du réseau.
220
LMS - Cas dynamique
Les poids sont calculés exactement de la même façon que pour le
cas statique excepté que nous appliquons encore la technique de
« fenê trage ». Les poids sont renouvelé s à la fin de chaque
fenê tre. Ces fenê tres doivent ê tre suffisamment larges pour
permettre d’atteindre la convergence.
Reconsidérons la situation dynamique du beamformer optimal où
M=9, L=5 et SNR=20dB. La taille d’une fenê tre est de 80
échantillons. L’utilisateur principal se déplace de 80° à 120° en
4000 échantillons soit une vitesse de dé placement de
0.01degré /é chantillon c’est- à -dire 0.8 degré/fenê tre pendant que
les interférents seront cette fois situé s à 50, 100, 130 et 155
dé grées. Cette fois au lieu de D_cst, nous avons μ = 0.020. Les
figures suivantes donnent l’organigramme et les diagrammes pour
différentes positions de l’utilisateur :
221
Début
Différents paramètres du réseau d’antennes, du bruit et des signaux incidents en tenant compte de la mobilité

Son code
Définition du signal de référence, Initialisation des poids, mu_cst et de la taille des fenêtres(windowsize)
i=1
Calcul de Y( :,i): Sortie du réseau après pondérations au temps i : y(:,i) = w'*X(:,i);
i = i +1 Erreur correspondante : e(i) = dd(i) - y(i);
Actualisation des poids: w = w + mu_cst*X(:,i)*e(i)';
Récupération des erreurs en sortie du réseau avant réinitialisation des poids

Non
mod(i,windowsize) = 0 ?
Oui
Réinitialisation des poids : w = zeros(1,M*M)';
Tracés de Abs(NAF) et des trajectoires de l’utilisateur et des divers interférents

Non
i = N ?
Oui
Récupération et tracé des courbes d’erreur en sortie du réseau avant et

après réinitialisation des poids 222
Fin
LMS dynamique – Résultats de
l’exemple de base
Utilisateur à 90° Utilisateur à 100° Utilisateur à 110°
Nous obtenons aussi les erreurs en sortie du réseau avant et après pondérations :
(a) Avant pondérations (b) Après pondérations

223
LMS dynamique
Influence de la taille des fenêtres
La figure (a) présente l’erreur utilisée pour actualiser les poids après
chaque 80 échantillons. Une fois actualisés, ces poids restent contant durant
toute la fenêtre et sont utilisés pour calculer l’erreur réelle en sortie du
réseau. Ainsi, adapter les signaux en sortie du réseau, permet d’obtenir des
résultats les moins biaisés possibles et selon le critère poursuivi.
Reprenons cet exemple en réduisant la taille de la fenêtre à 20 échantillons:
(a) Avant pondérations (b) Après pondérations

La fenêtre étant petite, l’erreur est actualisée un plus grand nombre de fois.
224
LMS avec multitrajet - Cas statique (1/3)
Source de
l’utilisateur
principal
Interférent 2
Interférent 1
Utilisa Utilisateur
-teur
Interférent 3
BT
B T SS
Exemple de cas possible

225
Nous ne modifions dans le code MATLAB du LMS beamformer
sans multi-trajet que deux choses:
 les données de l’utilisateur :
Data_U = round(rand(1,N)); % user data

Data_I = round(rand(L-2,N)); % interferer data
Data = [Data_U; Data_U; Data_I];
Contre: Data = round(rand(L,N)); % data sent by user pour

le LMS sans multitrajet
 l’indication des positions de ce

dernier :
phi_plot_usr(round(phi_all_deg(1:2,i)*10)) = 1;
226
Considérons que le signal utile arrive suivant 80° et 120°

et les interfé rents suivant 25°, 50° et 155°. SNR = 20dB, M = 9,
N = 500 et μ=0.010.
L’organigramme est le même que celui du LMS

sans multi-trajet.
L’algorithme détectera alors automatiquement qu’il ya deux

signaux utiles et envoie deux faisceaux suivant leurs directions
(ces 02 signaux utiles sont supposés arriver en phase)
227
Début
Différents paramètres du réseau d’antennes, du bruit et des signaux incidents

Données utilisateurs
Data_U = round(rand(1,N)); % user data Définition du signal de référence, Initialisation des poids et mu_cst
Data_I = round(rand(L-2,N)); % interferer
data i=1
Data = [Data_U; Data_U; Data_I];
Contre:
Calcul de Y( :,i): Sortie du réseau après pondérations au temps i
Data = round(rand(L,N));
y(:,i) = w'*X(:,i);
pour le LMS sans multitrajet
Erreur correspondante
e(i) = dd(i) - y(i);
Actualisation des poids :

w = w + mu_cst*X(:,i)*e(i)';
i = i +1
Algorithme du Tracés de Abs(NAF) et des trajectoires de l’utilisateur et

des divers interférents
LMS avec multi-
trajet - Cas Non
i = N ?
Oui
statique
Récupération et tracé de la courbe d’erreur en sortie du
réseau
Fin
228
Cas statique
Son code est le suivant: bf7_multipathplanairestatic.m
LMS sans multi-trajet
LMS avec multi-trajet

229
Cas dynamique (1/2)
Reconsidérons notre cas classique où l’utilisateur est en mouvement.
Nous aurons alors un signal qui se déplace de 80 à 120° et l’autre de 120 à
160° en 4000 échantillons. Les interférents sont toujours en 25, 50, et 155°.
Son code est le suivant: bf8_multipathplanairedynamic.m

Pour μ = 0.030, la figure suivante présente l’évolution (en bleu) des deux
signaux en phase de l’utilisateur principal et des interférents (en rouge):
230
VI.2.2. Cas dynamique (2/2)
Nous obtenons également les erreurs en sortie du réseau.
(a) Erreurs avant pondérations (b) Erreurs après pondérations
Conclusion : Nous comprenons que le multi-trajet peut être

exploité comme dans le cas d’une interférence constructive pour
minimiser l’erreur en sortie du réseau, synonyme de probable
augmentation de qualité de transmission.
231
Conclusion et perspectives (3/3)
Toutefois ces antennes présentent également quelques

inconvénients, notamment leur structure lourde et le plus de
matériels nécessités pour leur fabrication.
L’étape suivante peut consister à modéliser également, toujours

dans nos hypothèses, le réseau circulaire afin de disposer d’une
base de données complète pour implémenter une interface
graphique (GUI) permettant une simulation plus aisée des
algorithmes par le public.
On pourrait alors faire une synthèse des antennes réseaux au

moyens de réseaux de neurones aboutissant à leur fabrication.
232
Synthèse des antennes
adaptatives au moyen de
réseaux de neurones
233
Neurone biologique
• La réponse du neurone biologique est en général non linéaire.
• Mais les neurophysiologistes ont trouvé que pour quelques neurones
biologiques, le signal de sortie est proportionnel à la combinaison linéaire
de tous les signaux d’entrées fournis par les autres neurones du système
nerveux.
234
Réseau de N éléments et
représentation du plan E et H
235
Propagation par multitrajet
236
Diagramme de rayonnement
adapté
Direction privilégiée Accès
multiple à
repartions
spatiale
237
Réseaux neuronaux artificiels
(R.N.A)
• Simplicité de mise en œuvre (peu d'analyse mathématique préliminaire).
• Capacité d'approximation universelle prouvée.
• Possibilité de prendre le point de vue "processus = boîte noire".
• Robustesse par rapport à des défaillances internes du réseau (caractère
distribué de la représentation).
• Capacité d'adaptation aux conditions imposées par un environnement
quelconque
• Facilité de rechanger ses paramètres (poids, nombre de neurones cachés,
nombre de couches cachées…) lors d'une modification possible dans cet
environnement
• Réalisation matérielle parallèle inhérente ("neural chips").
238
Schéma fonctionnel du neurone formel
Le modèle de neurones formel présenté ici, dû à Mac CULLOCH et
PITTS, est un modèle mathématique très simple, dérivé de la réalité
biologique.
Wi0
+1
Wi1
e1
Entrées Wij Sortie Si

Ai
ej
Fonction de
Σ transfert f
Win
en
neurone i
Schéma fonctionnel du
neurone formel
1. un ensemble des connexions (ou synapses) dont chacune se
caractérise par un poids réel. Le signal ej se trouvant à l’entrée de
la synapse j qui est connectée au neurone i. Ce signal est multiplié
par le poids de la synapse wij. wij est donc le poids de la connexion
dirigée du neurone j vers le neurone i. Si le poids est positif on
aura donc un effet excitateur et, s’il est négatif, un effet est
inhibiteur.
2. la somme pondérée Ai des signaux d’entrée (ej )1≤j≤n du
neurone i qui sont en même temps les signaux de sortie des
neurones de la couche amont auquel ce neurone est connecté. La
n n
somme Ai est donnée par l’expression suivante
i 
A  w e   w e
i 1
ij j i 
j 0
ij j
où wi0 = θi , e0 = +1 et n est le nombre de neurones de la couche

amont
240
Schéma fonctionnel du
neurone formel
3. le seuil θi propre au neurone i qui est un nombre réel et qui
représente la limite à partir de laquelle le neurone s’activera. Ce
seuil peut jouer le rôle de poids de la connexion qui existe entre
l’entrée fixée à “+1” et le neurone i.
4. la fonction de transfert f qui limite en général l’amplitude de la

sortie Si = f(Ai) du neurone entre [ -1 , 1 ]. Elle existe sous
différentes formes, telles que : fonction non linéaire, fonction à
seuil binaire, fonction linéaire à seuil, ...
241
Fonction de transfert ou d’activation
(a) du neurone seuil, (b) du neurone linéaire et (c) du neurone sigmoïde
242
Fonction d’activation
a = f(n)
Nom de la fonction Relation d’entrée/sortie Nom sous Matlab
a=0 si n < 0
seuil hardlim
a=1 si n ≥0
a=-1 si n<0
seuil symétrique hardlims
a=1 si n≥0
linéaire a=n purelin

a=0 si n<0
linéaire saturée satlin
a=n si 0< n < 1
a=1 si n>1
a=-1 si n<-1
linéaire saturée satlins
a=n si -1< n < 1
symétrique
a=1 si n>1
linéaire positive
a=0 si n<0
poslin 1
a=n si n>0 a
1  e n
sigmoïde logsig
e n  e n
tangente hyperbolique tansig a
a=1 si n maximum e n  e n
compétitive complet
a=0 sinon
243
Système neuronal non
linéaire statique
• Il existe trois types
– Le perceptron multicouche MLP,
– le réseau RBFNN (Radial- Basis- Function
Neural Network)
– et le réseau d’ondelettes WNN (Wavelet
Neural Network)
244
Structure d’un perceptron multicouche MLP
Appelés aussi réseaux de type Perceptron, ce sont des réseaux dans
lesquels les informations se propagent de couche en couche, sans
chaque neurone
possibilité dansen
de retour une couche cachée est connecté à tous les
arrière.
neurones de la couche précédente et de la couche suivante
pas de connexions entre les neurones d'une même couche
Connexion Neurone
Entrée Sortie
Neurone
Couche d’entrée Couche cachée Couche de sortie
Perceptron multicouche MLP (Multi – Layer
Perceptron) ou le réseau ABFNN (Affine Basis
Function Neural Network)
• CE : couche d’entrée

• p nombre de neurones
d’entrée
• CC : couche cachée
• q : nombre de neurones de
sortie
• CS : couche de sortie
• r : nombre de couches
cachées
• hk : nombre de neurones
dans la couche cachée
numéro k
246
Exemple d’un réseau multicouche de
type perceptron (3entrées,4 sorties)
247
Perceptron Multicouche
• Les réseaux multicouches est son utilisation de la méthode de la
rétropropagation de gradient comme méthode d’apprentissage.
• Ce réseau peut alors, sans difficulté, effectuer des fonctions de
classification.
• Il est en effet intéressant de connaître à priori les familles de
fonctions auxquelles vont appartenir les surfaces de décision.
• Plusieurs résultats montrent par exemple qu’un réseau de neurones
artificiels multicouche peut approximer avec une précision arbitraire
n’importe quelle transformation continue d’un espace à dimension
finie vers un autre espace à dimension finie, s’il possède
suffisamment de neurones formels cachés.
248
Perceptron Multicouche
• L’équation représentative non linéaire de
la oème sortie (1≤ o ≤ q) d’un perceptron
multicouche constitué d’une couche
d’entrée, de plusieurs couches cachées et
d’une couche de sorite est
249
Base d’apprentissage et Mise en forme
des données pour un réseau de
neurones
250
Prétraitement des données
• Un prétraitement courant consiste à éliminer les
discontinuités artificielles dans l’espace de fonctions
d’entrées et de ramener les entrées de problème à un
ensemble approprié d’informations.
• Ensuite il faut faire une normalisation idoine, qui tienne
compte de l’amplitude des valeurs acceptées par le
réseau.
• Permet de sélectionner, dans l’espace de représentation
"l’information" nécessaire à l’application.
• Cette sélection passe par la sectorisation de l’espace,
ainsi que par l’élimination de la discontinuité "des sorties
désirées" en passant par la normalisation des données.
251
Sectorisation de l’espace – un seul lobe
• L’objectif est d'avoir "un seul lobe" qui
pointe dans la direction désiré. On a un
gradient de phases sur les éléments de
l'antenne.
• Le prétraitement consiste seulement en
une normalisation de données pour avoir
une convergence plus rapide.
252
"lobe et zéro ou multi- lobes"
• la sectorisation de l’espace permet
d'éliminer des informations superflues et
d’augmenter la vitesse de convergence de
notre réseau.
• Le réseau neurologique rapproche la
fonction que nous modélisons en adaptant
sa structure interne à la carte de
sectorisation choisie.
253
• La première étape du prétraitement divise l'espace en 17
secteurs, répété chaque 10° dans l'intervalle de -85 degrés à
+85 degrés. Des secteurs plus précis de division d'espace
peuvent être atteints en augmentant le nombre d’éléments de
réseau.
• Le vecteur d'entrée au réseau de neurones est mis sous forme
de code de 17 valeurs (une valeur pour chaque secteur). Cette
étape a l'avantage de diminuer considérablement la
discontinuité dans l’espace et d'augmenter la rapidité de
convergence.
254
• La deuxième étape du prétraitement consiste à réduire les
discontinuités artificielles de pondération des phases 'Sorties
souhaitées, Targets' de réseau et de les ramener à un ensemble
approprié d’information.
• Les discontinuités entre les phases rendent difficile la phase
d'apprentissage.
• Pour faire disparaître les discontinuités indésirables, nous
avons traiter les pondérations des phases par les fonctions
'cosinus et sinus' en tant que sorties ' Targets' finales, dans le
but de former des noeuds des sorties qui émettent des valeurs
normalisés entre (-1 et +1).
255
Base d’apprentissage et Mise en forme
des données pour un réseau de
neurones
256
Le post-traitement des données
• La sortie du réseau de neurone est constituée
par les différentes phases (ϕi) appliquées sur
chaque élément de réseau d'antennes. Le
facteur du réseau s'écrit
• Chaque phase (ϕi) génère des valeurs de sortie Cos(ϕ

i ) et Sin(ϕi ) . Cette procédure permet d'améliorer la
performance du réseau de neurones.
257
Algorithme d’apprentissage
• Tous les modèles de réseaux de neurones
requièrent un apprentissage. Plusieurs types
d’apprentissages peuvent être adaptés à un
même type de réseau de neurones.
• Les critères de choix sont souvent la rapidité
de convergence ou les performances de
généralisation.
258
Algorithme d’apprentissage
• Le critère d’arrêt de l’apprentissage est
souvent calculé à partir d’une fonction de coût,
caractérisant l’écart entre les valeurs de sortie
obtenues et les valeurs de références (réponses
souhaitées pour chaque exemple présenté).
259
Fichier d’apprentissage
1. Le fichier d'apprentissage comprend deux
catégories de paramètres:
– les paramètres d'entrée qui constituent les
variables à optimiser
– et les paramètres de sortie qui correspondent
aux résultats désirés
260
Fichier d’apprentissage
2. Dans chaque fichier, le nombre d'échantillons
sur lequel l'apprentissage doit s'effectuer est
fourni ainsi que le nombre de neurones
d'entrée et de sortie.
• Ce nombre d'échantillons dépend de la nature
du problème à traiter.
• Plus le résultat est sensible aux évolutions des
paramètres d'entrée, plus la discrétisation des
plages de variation est fine.
261
Exemples de fichiers de données
correspondant à notre étude
1. Un premier fichier où tous les "valeurs" du vecteur d’entrée
sont des zéros excepté un seul (+1),
2. un deuxième où toutes les valeurs sont des zéros exceptées
deux (+1 et -1).
3. un troisième fichier où toutes les valeurs sont des zéros
sauf deux (+1 et +1).
4. et un quatrième fichier où toutes les valeurs sont des
zéros sauf trois (+1, +1 et +1).
262
Exemples de fichiers de données
correspondant à notre étude
• Une valeur d’entrée +1 indique une détection d’une

source désirée (lobe principal) dans un secteur.
• Une valeur d’entrée '0' ne représente aucune source
dans le secteur.
• et Une valeur '-1' indique une interférence qu'on doit
annuler dans le secteur.
263
Récapitulatif des méthodes
d'apprentissage possibles
264
265
Structure du modèle neuronal d'un lobe directif
Valeurs Typiques de
paramètres utilisés dans l'algorithme d'apprentissage
266
Structure du modèle neuronal d'un lobe directif
Evolution de la fonction d'erreur pendant la

phase d'apprentissage
267
Structure du modèle neuronal
d'un lobe- zéro et multi- lobes
268
Structure du modèle neuronal d'un lobe- zéro et multi- lobes
Evolution de la fonction d'erreur pendant la phase
d'apprentissage
269
Excitations synthétisées des lobes
directifs (direction désirée)
270
271
Méthode des réseaux de neurones
20 neurones dans la couche d’entrée
460 neurones dans la couche cachée
le nombre de neurones dans la couche de sortie est le nombre
d’éléments du réseau
coefficient d’apprentissage 0,06
momentum 0,7
seuil de tolérance 0,001
nombre d’itération maximale 6000
la fonction d’entraînement “traingdm” pour l’algorithme
d’apprentissage de rétro – propagation du gradient avec momentum.
Evolution de la fonction d’erreur
pendant la phase d’apprentissage
• Nous avons choisi pour la phase d’entraînement du réseau le
coefficient d’apprentissage 0,06, le momentum 0,7, le seuil de
tolérance 0,001 et le nombre d’itération maximale à 6000.
3
Performance is 0.000998233, Goal is 0.001
10
2
10
1
10
Training-Blue Goal-Black
0
10
-1
10
-2
10
-3
10
-4
10
0 100 200 300 400 500 600 700
726 Epochs
273
274
275
276
Prototype Antenne réseau
• Un prototype réseau (à 4 éléments) a été réalisé, pour
l’étude de couplage en plan E, bande GSM.
• f=925 MHz; h=2.5 cm; excitation à 1mm de bord
277
Prototype réseau à 8 éléments
278
Diagramme de rayonnement de lobe
directif à (30°) et de zéro à (60°)
279
Diagramme de rayonnement de deux lobes
directifs à -30° et 30°
280
Diagramme de rayonnement de trois lobes
directifs à -30°, 10 et 30°
281
EXERCICES ET PROBLEMES
Dipôle demi-onde à 100 MHz dans le plan horizontal
Enoncé
• 1. Soit un dipôle demi-onde à 100 MHz dans le plan horizontal. Calculer sa
surface équivalente maximale.
• 2. Un satellite émet un signal avec les caractéristiques suivantes :
– satellite géostationnaire, r=36'000 km
– PIRE = 49 dBW
– f = 12 GHz
On montre que la surface équivalente d'une antenne parabolique est
environ égale à la moitié de la surface de son disque. Donner la puissance
reçue par une antenne parabolique de diamètre d=70 cm.
• 3. Soient deux antennes identiques de gain G 0=10 dB et éloignées de
300m. Le signal est émis à une fréquence f=400 MHz avec une puissance
de 2.5 W.
Calculer l'affaiblissement de la l iaison et la puissance du signal reçu
(exprimé en W).
283
Corrigé (1)
• 1.
• 2.

Corrigé (2)
• 3.
285
Champ électromagnétique rayonné par un doublet et résistance de
rayonnement
Enoncé (1)
286
rayonnement
Enoncé (2)
287
rayonnement
Enoncé (3)
288
rayonnement
Corrigé (1)
289
rayonnement
Corrigé (2)
290
rayonnement
Corrigé (3)
291
rayonnement
Corrigé (4)
292
Problème 1: Champ électromagnétique rayonné par un doublet et
résistance de rayonnement
Corrigé (5)
293
Champ électromagnétique rayonné par un doublet et résistance de rayonnement
Corrigé (6)

Interférences de N sources équiphases d’amplitudes différentes
Enoncé (1)
295
Enoncé (2)
296
Corrigé (1)
297
Corrigé (2)
298
Corrigé (3)
299
Corrigé (4)
300
Problème 2: Interférences de N sources équiphases d’amplitudes
différentes
Corrigé (5)
301
Problème 2: Interférences de N sources équiphases d’amplitudes
différentes
Corrigé (6)
302
Corrigé (7)
303
Corrigé (8)
304
Diffraction de Fraunhoffer d’une antenne parabolique
Enoncé (1)
305
Enoncé (2)
306
Problème 3: Diffraction de Fraunhoffer d’une antenne parabolique
Corrigé (1)
307
Problème 3: Diffraction de Fraunhoffer d’une antenne parabolique
Corrigé (2)
308
Corrigé (3)
309
Corrigé (4)

Utilisation des paramètres S
• Quel est l’intérêt des paramètres S ?

• Propriétés particulières sur les paramètres S
Intérêt des paramètres S ?
• définition des ondes généralisées:

 (iV+i ZZciciIIii ))/2R
ai a=i (V /2 Rci ci avec Rci = Re{Zci}
bib=i (V(Vi i-Z*
Z ci*ciI iI)i /)/2R
2 Rcici
I1 I2
où:
ai est l’onde incidente à l’accès “i”
bi est l’onde réfléchie à l’accès “i” V1 V2
Zci est l’impédance de référence au port “i”
Les impédances de références sont choisies arbitrairement mais

pourraient être prises égales aux impédances caractéristiques des
lignes de transmission incidentes aux accès.
• L’onde réfléchie s’annule à l’ “adaptation conjuguée”, c-à-dire
lorsque l’impédance que présente le quadripole à l’accès i est égale
au conjugué de l’impédance de référence Zci :
Vi = Z*ci Ii 312
Les paramètres S décrivent complètement un quadripole
•
b1  S11 a1  S12 a2
I1 S21 I2
a1 b2
b2  S 21 a1  S 22 a2
ou
VS
1 11
SV222
bS a b1 a2
S12
• Les paramètres S sont obtenus comme graphe de transfert associé
I1 I2
S11  b1 / a1 a2  0 S12  b1 / a2 a1 0
S 21  b2 / a1 S 22  b2 / a2 ZL1 V1 V2 ZL2
a2  0 a1 0
ai  (Vi  Z ci I i ) / 2 Rci  ai  0  Vi   Z ci I i
Sij est obtenu en connectant à l’accès j une charge ZLj = Zcj
c’est-à-dire une charge « adaptée » à l’impédance de référence
313
• Si l’impédance caractéristique de référence est réelle
• Si Rci > 0, et qu’une source d’impédance Zg = Zci est
2
a
placée à l’accès i, la puissance disponible à l’accès “i”i est
(Pdisp correspond à Zin = Zg * = Zci* , donc bi = 0)
• La puissance fournie à l’accès i est
2 2
Pfi  Re(Vi I i* )  ai  bi
• La matrice de répartition est reliée aux coefficients de

réflexion de façon immédiate si on suppose les impédances
de référence réelles (ex. lignes d’accès à faibles pertes):
Zci = Zci* = Rci
ai  (Vi  Rci I i ) / 2 Rci (Vi  Rci I i ) ( Z i  Rci )
Sii  bi / ai a j i 0    i
bi  (Vi  Rci I i ) / 2 Rci (Vi  Rci I i ) ( Z i  Rci )
S11/22 est le facteur de réflexion (au sens ligne) obtenu à l’entrée/sortie du

quadripôle lorsque sa sortie/entrée est chargée par une impédance Z cj
(condition pour que aj soit nul) 314
ai  (Vi  Rci I i ) / 2 Rci (Vi  Rci I i ) ( Z i  Rci )

Sii  bi / ai a j i  0    i
bi  (Vi  Rci I i ) / 2 Rci (Vi  Rci I i ) ( Z i  Rci )
Analogie avec ligne de transmission de longueur L:

V ( z )  V e  z  V e z  V ( z )  V ( z ) V1  V (0) V2  V ( L)
I ( z )  Yo V e  z  V e z   Yo V ( z )  V ( z ) I1  I (0) I 2   I ( L)

V ( z )
( z )   L e 2 z facteur de réflexion à l’abscisse z
V ( z )
L
a1V/2 Rc 2
a Ve
 /2 R
c
si Yo=Yc
L

1
b V/2 Rc 2
b Ve /2 R
 c
S
11b
1/a
1a
0 2 V  0 S11  0 S
12b
1/a
2a
0 1 V  0 S12  e  L
S
21b
2/a
1a
0 2
ligne adaptée S 21  e  L S
22b
2/a
2a10 ligne adaptée S 22  0
315
Paramètres S pour une ligne de transmission adaptée:

e- g L
a1 b2
 S11 S12   0 e  L 
     L 
 S 21 S 22   e 0 
b1 a2
e- g L
Intérêt des paramètres S pour un quadripole:
le comparer avec le comportement d’une ligne de transmission (adaptée)
Par analogie avec une ligne de transmission, la définition de paramètres S

permet donc sous certaines conditions (Zci réelle), de caractériser un quadripole
en terme de transmission et de réflexion du signal hyperfréquences:
• S11 et S22 traduisent la réflexion du signal incident à chacun des accès

• S21 et S12 traduisent la propagation du signal à travers le quadripole
316
(déphasage et atténuation)
Propriétés particulières sur les paramètres S
La puissance fournie à l’accès i est
2 2
Pfi  Re(Vi I i* )  ai  bi
Sous forme matricielle: Ptot   Pfi  a a  b b

T* T*
i
T* T* T*
 a a  a S Sa
T* T*
 a (1  S S ) a
T*
Quadripôle passif et sans pertes: Ptot = 0 S S 1
T*
Quadripôle passif: Ptot > 0 1 S S est définie positive
T
Quadripôle réciproque: S S
Lien entre matrices S et Z: S  F ( Z  G * )( Z  G ) 1 F 1

G  diag( Z ci ) F  diag(2 Rci ) 1
317
Règle de Mason (1)
• calcul des fonctions de transfert à partir de la théorie des graphes

v
x
y N u  (1  r  w)  v  r  z  (1)
u w r  =
x D 1 r  w
y
z
avec D = 1 -  T’ +  T’’ -  T’’’ + …
T’ transmittance de boucle
T’’ produit 2 à 2 des transmittances de boucles qui ne se touchent pas
T’’’ produit 3 à 3 des …
N =  Tab Dp
Tab chacun des trajets liant y à x

Dp calculé comme D, mais pour graphe dont Tab est supprimé 318
Règle de Mason (2)
I1 I2
impédance de charge ZL = Zc
Z L  Z c   V2 / I 2   Z c V2  Z c I 2 a2
V1 V2 L    
Z L  Z c   V2 / I 2   Z c V2  Z c I 2 b2
S21
a1 b2 a2 = GL b2
S11 S22 L ?? Facteur de réflexion en entrée du quadripôle ??
b1 a2 Z in  Z c  V1 / I1   Z c V1  Z c I1 b1
in    
S12 Z in  Z c  V1 / I1   Z c V1  Z c I1 a1
b N
S(
1
S
)S
S

1
in11L
2221
L
12
a
1 D 1
S
L22
319
Règle de Mason pour une ligne de transmission
I1 I2 Hypothèses
ligne d’impédance caractéristique Zc

V1 V2 impédances de références Zci choisies = Zc
impédance de charge ZL  Zc
Z L  Z c   V2 / I 2   Z c V2  Z c I 2 a2
e
S
-gL L    
aa11 21
bb22 Z L  Z c   V2 / I 2   Z c V2  Z c I 2 b2
S11 S22 L a2 = GL b2
bb11 aa22
eS-12g L
b1 N e  L L e  L  2 L
in    e L
a1 D 1 0
320
Critère de stabilité (1)
321
Critère de stabilité (2)
322
Condition d’adaptation

Facteur de stabilité de Rollet (1)
324

326
Antenne d’émission
Énoncé
327
Corrigé (1)
328
Corrigé (2)
329
Résistance du dipôle
Énoncé
330
Corrigé (1)
331
Corrigé (2)

Amplificateur d’antenne à 2.45 GHz
Énoncé (1)
333
Énoncé (2)
334
Corrigé (1)

Problème 6: Amplificateur d’antenne à 2.45 GHz
Corrigé (2)

Corrigé (3)

Alignement d’antennes (Antenne Yagi)
Énoncé
338
Corrigé (1)

Corrigé (2)
340
Liaison avec un satellite météo
Énoncé (1)

Énoncé (2)
342
Corrigé
343
Étude d’un récepteur
Énoncé (1)

Énoncé (2)
345
Corrigé (1)

Étude d’un radar
Énoncé (1)

Étude d’un radar
Énoncé (2)

Étude d’un radar
Corrigé

Étude d’une liaison hertzienne à 10 GHz
Énoncé (1)

Énoncé (2)
351
Corrigé
352
Énoncé (1)
353
Énoncé (2)
354
Énoncé (3)
355
Énoncé (4)
356
Corrigé (1)
357
Corrigé (2)
358
Corrigé (3)
359
Corrigé (4)
360
Corrigé (5)
361
Corrigé (6)
362
Corrigé (7)
363
Doublets alignés
Énoncé
364
Doublets alignés
Corrigé
365
Micro-robot mobile
Énoncé (1)
366
Micro-robot mobile
Énoncé (2)
367
Micro-robot mobile
Corrigé (1)
368
Micro-robot mobile
Corrigé (2)
369
Micro-robot mobile
Corrigé (3)
370
Micro-robot mobile
Corrigé (4)
371
Micro-robot mobile
Corrigé (5)
372
Salle de mesure – salle anicoïde
373
Mesures en hyperfréquences avec l’analyseur de réseau
 L’analyseur de
réseaux est l’outil
principal de mesure
aux hautes
fréquences.
 Il permet de
mesurer les ondes
transmises et
réfléchies sur un
dispositif sous test.
 On a ainsi
directement accès Réponse fréquentielle
aux paramètres S. 374
Deux catégories d’analyseurs de réseaux
Il existe deux catégories d’analyseurs de réseaux

: les scalaires et les vectoriels.
Les scalaires ne donnent accès qu’au module des paramètres S.

Les vectoriels donnent le module et la phase des paramètres
(mais ils sont nettement plus cher !!)
375
Principe de fonctionnement de l’analyseur de réseaux (1)
Soient deux ondes représentées en valeurs instantanées par :

a = A cos (wt+ja)
b = B cos (wt+jb)
Si la fréquence est trop élevée (à partir des 100 MHz), on
ne peut mesurer directement les déphasages relatifs
Transposition en fréquences plus basses (qq KHz)

a’ = A’ cos (Wt+j’a)
b’= B’ cos (Wt+j’b)
376
Il faut respecter :
A'et A a 'b '  a  b

B' B
Les analyseurs de réseaux permettent
d’effectuer des mesures sur des plages
de fréquences importantes
Nécessité d’un étalonnage des

amplitudes et phases en fonction
de la fréquence de mesure.
377
Principe de fonctionnement de l’analyseur de réseaux
Mesure de S11
Schéma de principe de la mesure :

a1 b2
Générateur coupleur directif Q

fréquence variable b1
charge adaptée
K.a1 K.b1
s11 visualisation
réf test
tête d’échantillonage -1 +1
378
Mesure de S21
Schéma de principe de la mesure :

a1 b2 b’2
Q test
Générateur té diviseur b1
fréquence variable
réf
a1 a’1
b2 ' b2
Il faut respecter :  égalisation des déphasages
a1 ' a1 dus aux parcours
Mesure globale
signal incident signal transmis

Générateur
fréquence variable Q
signal réfléchi
R A B
A B
S11  SEPARATION DES SIGNAUX S 21 
R R
DETECTION
TRAITEMENT
VISUALISATION

Correction des erreurs (1)
Exemple d’une mesure entrée-sortie : sources d’erreurs
Réponse fréquentielle du détecteur :

- en réflexion,
- en transmission
A diaphonie
B
directivité
Générateur
fréquence variable Q
désadaptation désadaptation
de la source de la charge

Correction des erreurs (2)
Nous avons donc 6 erreurs dans le sens direct, et de fait
6 erreurs dans le sens inverse
nécessité d’un
étalonnage de
l’analyseur pour corriger
ces erreurs
Il existe d’autres sources d’erreurs

moins contrôlables : par exemple
bruit interne des composants et
température ambiante (variables
dans le temps)
382
Exemple d’étalonnage
L’étalonnage « un port » Pour la mesure seule du S11, on

peut réduire le nombre d’erreurs à 3
Réponse
fréquentielle du
détecteur en
réflexion
Utilisation de charges de
référence pour calibrer
directivité
Générateur Q l’analyseur sur la bande
fréquence variable de fréquences voulue
désadaptation (kit de calibration)
de la source
383
Mesure avec un circuit ouvert
Générateur CO
fréquence variable
384
Mesure avec un court circuit
Générateur CC
fréquence variable
385
Mesure avec une charge adaptée
Générateur Zc
fréquence variable
386
Mesure S11
S11réel
Générateur Q S11M  Ed  Er
fréquence variable 1 Es S11réel
coupleur réponse
source
Avec les 3 charges de référence, l’analyseur résout une

système de 3 équations à 3 inconnues
Pour un étalonnage « full 2-ports » il y a 12 inconnues, il

faudra donc douze mesures de référence (calibration SOLT)
387
Rélation entre S11 et l’impédance d’entrée
Quand on veut connaître l’impédance d’entrée d’un

dispositif en fonction de la fréquence, le S11 est suffisant
b1 v1  i1 i1  zo  1 zo  1
S11    
a1 v1  i1 i1  zo  1 1 zo  11
388
Mesure de l’impédance caractéristique
Pour connaître l’impédance caractéristique d’un câble :

z r  jz  tan  l
zo  z c c
z c  jz r  tan  l
Avec un court-circuit : zo cc  jz c  tan  l
zc
Avec un circuit ouvert : zo co 
j tan  l
zc  zoco .zocc
Port 1 Port 2
Test Set
câble à caractériser
Zr
389
Conclusion
• Les systèmes à antennes intelligentes s’adaptent
constamment à l’environnement radio au fur et à
mesure de ses changements.
• Ils reposent sur des algorithmes de traitement du
signal sophistiqués permettant de distinguer en
permanence les signaux utiles des signaux issus des
trajets multiples et des brouilleurs et de calculer leurs
directions d’arrivée.
• Grâce à la capacité de poursuite précise et de rejet
d’interférence, plusieurs utilisateurs peuvent se
partager le même canal à l’intérieur de la même
cellule.
390
BIBLIOGRAPHIE
[1] Tom MATHES, IVICA Stevanovic, Juan R. MOSIG, Algorithms for Direction of
arrival Estimation in a Smart antenna, Semester project summer 2002-2003, EPFL-
Faculté STI-LEMA, July 2003.
[2] Constantine A. BALANIS, antenna theory, analysis and design, Second Edition
John Willey & Sons Inc, New York, 2003.
391

Transmission de Donnees Et Reseaux Numeriques - Octobre 2009

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Transmission de Donnees Et Reseaux Numeriques - Octobre 2009

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Transmission de données et

-en fonction des besoins de l’opérateur de

est plus communément appelée « antenne adaptative » ou

Canal à trajets multiples

• Le signal reçu peut être fortement distordu

Délai par rapport au chemin le plus court ai<1 28

Trajet Délai atténuation

Longueur maximale du canal = 4T

Formule générale : Sortie = 0.5*Case1+0.6*Case3+0.8*Case431

• Il faudra ensuite programmer un module

• Le débit binaire D d’une voie de données est le nombre maximum de bits

• La rapidité de modulation R (exprimée en bauds) mesure le nombre

• Généralement, 1/est un multiple de 1/T et le nombre de niveaux N est

octobre 2006 - Pr. E. TONYE 36

octobre 2006 - Pr. E. TONYE 37

– Chaque état du signal correspond à la

– Chaque état du signal correspond à la transmission

Un baud n'est donc pas forcément égal à 1

• Pourquoi ne pas réserver plusieurs

Pendant les propagations, l’amplitude est fortement altérée par

Vitesse de modulation = 0.5 * débit

Ceci est dû au bruit.

Ce type de modulation est très

Débit binaire = 4 * vitesse de modulation

Débit binaire = 6 * vitesse de modulation Débit binaire = 7 * vitesse de modulation

Canal sans trajet non

Exécution du fichier .java de calcul

Affichage des résultats graphiques Sauvegarde

• Pour résoudre le problème de distorsion

• Linéarité des signaux implique que les 2ème et 3ème signaux

ci-dessus : Signaux générés pour annuler les effets des signaux

• Suppression séquence d’apprentissage =

• Le problème de l’égalisation aveugle consiste à

1. Par un filtrage linéaire : on cherche à évaluer g

rn Organe d’égalisation yn Algorithme du Sn-v

Dans les trois cas de figure les critères de

1- Alphabet comportant peu Famille 3 : Egalisation

Polaire 2-D 3-D

• Cartésienne 2D : U(x,y) ou |E(x,y)|

Connaissant les expressions des champs électrique

• Mesure très utile pour décrire les performance d’une antenne

U : intensité de rayonnement direction

1. On identifie Emax et l’angle θ0 correspondant.

Polarisation HH : onde émise et captées polarisée

octobre 2006 - Pr. E. TONYE 90

octobre 2006 - Pr. E. TONYE 91

• moins affecter par des reflections

horizontales (eau, terre)

• Moins affecter par des reflections verticales

– BW (%) = (fS - fb) / fC

Plus la surface de capture est importante, plus le gain est grand

• Dans cette direction privilégiée, on a donc la densité de puissance suivante :

octobre 2006 - Pr. E. TONYE 97

Exemple de diagramme en Exemple de diagramme polaire

octobre 2006 - Pr. E. TONYE 103

Balanis, p. 133 - 202

octobre 2006 - Pr. E. TONYE 104

octobre 2006 - Pr. E. TONYE 105

octobre 2006 - Pr. E. TONYE 106

• Le principal bénéfice d’un tel système est l’augmentation

– En effet, la possibilité d'orienter le faisceau d’une antenne,

– ajouté à la possibilité d’obtenir un où plusieurs faisceaux ayant

Formule générale : Sortie = 0.5Case1+0.6Case3+0.8*Case431

PMUSIC(θ, ø) = [a(θ, ø)a(θ, ø)] / [a(θ, ø)EE*a(θ, ø)]

Calculs et tracés des spectres P = (aa/aEE*a), de log(P) et de dérivée(log(P))