Avec le développement rapide des systèmes de communication numérique, les exigences en termes de quantité et de qualité des services multimédia transmis ne cessent d’augmenter. Ainsi, de plus en plus d’utilisateurs exigeant du multi-service (images, vidéos, Internet, etc.) doivent se partager les ressources radio, qui sont par nature limitées. D’autre part, la miniaturisation et l’exigence en autonomie énergé- tique des équipements de communication obligent les opérateurs de télécommunications à innover dans la conception des stratégies de communication. L’objectif des systèmes de communication actuels est alors de fournir une qualité de service satisfaisante avec une consommation électrique minimale, tout en faisant face à certaines contraintes pouvant dégrader la qualité de transmission. Les sources de dégra- dation peuvent être liées à la nature des données à transmettre (par exemple les contenus multimédia scalables sont très vulnérable aux erreurs de transmission), aux phénomènes liés du canal radio (multi- trajets, évanouissements, etc.), aux bruits non-linéaires générés par les composants électroniques de la chaîne de communication, en particulier l’amplificateur de puissance.
Pour pallier à ces différentes contraintes, plusieurs stratégies de transmissions existent dans la littéra- ture. Elles consistent généralement à trouver une configuration optimale pour les différents paramètres constitutifs des blocs de la chaîne de communication afin d’atteindre des objectifs fixés (augmentation de la capacité du réseaux, réduction des dégradations liées au canal radio, amélioration du rendement énergétique, etc.).
1.11. État de l’art sur les stratégies de transmission dans les systèmes MIMO-OFDM
On peut distinguer dans la littérature trois facteurs récurrents dans les problèmes d’optimisation des stratégies de communication [5]. Le premier facteur est associé à une fonction dite fonction objectif. La résolution du problème d’optimisation consiste alors à trouver une solution optimale qui maximise ou minimise, selon le contexte, la fonction objectif. Dans le cadre des stratégies d’amélioration de la qualité de transmission, la fonction objectif du problème d’optimisation consiste le plus souvent à réduire les dégradations générées lors de la transmission du signal entre l’émetteur et le récepteur. On définit alors la notion de Qualité de Service (QoS), permettant d’estimer le gain de réduction des dégradations. Le deuxième facteur du problème d’optimisation est associé à un critère permettant de mesurer la QoS. Pour ce qui est de la qualité de transmission, le critère le plus répandu est le TEB. On trouve également le critère d’erreur quadratique moyenne ou Peak Signal-to-Noise Ratio (PSNR).
Une fois que la fonction objectif et le critère ont été identifiés, le dernier facteur est associé à la définition des contraintes que le système doit respecter. On retrouve généralement les contraintes liées à la complexité des calculs, au débit visé, à la puissance d’émission, à la consommation énergétique, etc. Ainsi, les contraintes dépendent étroitement du contexte considéré et des paramètres ou blocs de la chaîne de communication mis en jeu dans le problème d’optimisation. Pour ce qui est de nos travaux, nous imposerons comme contrainte la réduction de la puissance consommée ou l’amélioration du ren- dement énergétique.
Les stratégies d’amélioration de la qualité de transmission proposées dans la littérature peuvent être classifiées en deux grandes familles: la première est constituée des stratégies de protection inégale contre les erreurs de transmissions ou stratégies UEP (Unequal Error Protection) et la deuxième est constituée des stratégies d’allocation inégale de puissance ou stratégies UPA (Unequal Power Allocation).
Ces deux stratégies ont démontré des performances pertinentes, il existe d’autres stratégies qui pro- posent d’utiliser conjointement les stratégies UPA et UEP, généralement au prix d’une complexité plus élevée [5].
1.11.1 Les stratégies de protection inégale contre les erreurs (UEP)
Les systèmes MIMO-OFDM présentent une architecture favorable à la mise en place des stratégies de protection inégale contre les erreurs ou stratégies Unequal Error Protection (UEP). Ces stratégies ont pour objectif d’exploiter la hiérarchisation des données issues du codeur de source afin d’améliorer les performances des systèmes de transmission MIMO-OFDM [5]. Le principe est de protéger plus efficacement les données les plus sensibles aux erreurs de transmission à l’aide de CCEs. En effet, les données compressées issues du codeur source peuvent être classées en différentes couches de qualité suivant le critère de sensibilité aux erreurs de transmission. Ainsi, les couches les plus importantes se voient attribuer un CCE de rendement faible pour plus de protection (plus de redondance) alors que les données moins importantes se voient attribuer un CCE de rendement important (moins de redondance). L’attribution de CCE dans une stratégie UEP doit également se faire tout en maximisant le débit utile. Il convient donc à la stratégie UEP de déterminer les débits à allouer aux différentes couches et au codage canal permettant d’avoir des performances optimales.
Par exemple, les codeurs JPEG2000 et JPWL dédiés à la transmission d’images sont caractérisés par une forte hiérarchisation des données. Ainsi, l’image ou la vidéo source est hiérarchisée de façon à sé- parer les parties les plus sensibles (en-têtes et Tuile-partie) du reste des données (coefficients fréquentiels de l’image). Ces données sensibles contiennent les informations spécifiques de l’image et les paramètres de codage. Cette hiérarchisation est exploitée dans plusieurs travaux pour mettre en oeuvre des stratégies UEP par le biais de CCE de Reed Solomon (RS) [74][75][76]. Les résultats montrent une amélioration de la qualité des images reçues, comparativement à une stratégie de protection uniforme. Cependant, ces travaux ne permettent pas une allocation optimale du débit utile. Pour allouer efficacement le débit utile, les auteurs dans [77] [78] [79] ont proposé des stratégies UEP conjointes entre le codeur source et le codeur canal. L’objectif de ces stratégies est d’ajuster les débits à allouer au codeur de source et au codeur de canal afin d’améliorer la qualité des contenus reçus tout en optimisant la courbe débit-
distorsion du système de transmission. Dans ces nouvelles stratégies, l’optimisation est réalisée de telle sorte que la réduction de la distorsion soit maximisée sous la contrainte que le débit alloué soit inférieur au débit disponible. Dans [80], les auteurs proposent également une stratégie UEP conjointe pour la transmission d’images JPEG 2000 intégrant les codes STTC1variables. Dans ce schéma, les différentes couches de l’image codée sont protégées en utilisant les codes RS. Un entrelacement est appliqué au sein de chaque couche de qualité pour limiter l’impact des erreurs par paquets. Ensuite, les couches de qualité sont à nouveau protégées par un code STTC. Un bloc conjoint d’optimisation du débit permet de déterminer le nombre de couches de qualité ainsi que le rendement des différents codes RS à appliquer sur chaque couche.
Dans [81], les auteurs ont proposé une étude d’évaluation des différentes stratégies UEP conjointes pour un système MIMO-OFDM en boucle ouverte dédié à la transmission d’images JPEG 2000 Wireless (JPWL). Cette étude montre que les meilleures performances de la courbe débit-distorsion sont obtenus en combinant les codes STBC d’Alamouti à faible gain de codage avec les codes RS à faible rendement ou en utilisant les codes STBC présentant un fort gain de codage avec les codes RS à fort rendement. Les auteurs montrent aussi qu’aucune stratégie ne permet d’atteindre des performances optimales pour tous les états du canal radio, ce qui implique de mettre en place des stratégies UEP adaptatives afin de garantir la meilleure qualité de service face aux fluctuations du canal radio.
Les stratégies UEP, étudiées dans la littérature, montrent qu’il est donc indispensable de prendre conjointement en compte la hiérarchisation des données issues du codeur de source et les distorsions liées au canal radio. Cependant, les fluctuations du canal nécessitent d’intégrer l’adaptabilité dans les stratégies proposées.
1.11.2 Les stratégies d’allocation inégale de puissance (UPA)
La limitation des ressources spectrales et de la puissance d’émission dans les systèmes MIMO-OFDM pose une contrainte majeure à la transmission des contenus multimédias à très haut débit. En plus, la miniaturisation des équipements de communication pose le problème d’autonomie des batteries, princi- pale source d’alimentation des amplificateurs de puissance. Par conséquent, la gestion de la puissance d’émission disponible constitue un problème essentiel dans les systèmes destinés aux nouvelles généra- tions. En effet, ces systèmes doivent garantir la qualité de service tout en gérant au mieux la puissance totale disponible. Plusieurs travaux de recherche se sont focalisés sur l’optimisation de la puissance d’émission en fonction des autres paramètres de la chaîne de communication, comme la nature des don- nées à transmettre, la consommation électrique, le débit, les distorsions du canal radio, etc. Tout comme les stratégies UEP présentées précédemment, les stratégies d’allocation inégale de puissance, encore appelées stratégies UPA sont largement exploitées dans de nombreux standards de communication afin d’améliorer la qualité de service. Dans un contexte MIMO-OFDM, les auteurs exploitent généralement la hiérarchisation des données issues du codeur de source afin de mettre en place les stratégies UPA. L’idée de base est d’allouer davantage la puissance aux couches les plus sensibles aux erreurs de trans- mission, tout en respectant la puissance totale d’émission disponible. Dans [82] et [83], les auteurs proposent une stratégie UPA pour la transmission d’images JPEG 2000 sur un canal MIMO fortement bruité. Dans cette stratégie, l’image source est subdivisée en plusieurs couches de qualité et la puis- sance totale est ensuite partagée entre les différentes couches en fonction de leur contribution sur la qualité de l’image reçue et l’état du canal radio. Les résultats montrent un gain de la qualité des images reçues d’environ 4 dB sur un canal BBAG et un canal de Rayleigh, comparativement à une stratégie d’allocation égale de puissance (EPA2).
On peut également citer les stratégies UPA d’adaptation de lien dédiées à la transmission des con- tenus multimédias, proposées dans [84] et [85] où les auteurs proposent des algorithmes de précodage prenant en compte conjointement la hiérarchisation des données, le rendement du CCE, la modulation
1Space-Time Treillis Code 2Equal Power Allocation
1.11. État de l’art sur les stratégies de transmission dans les systèmes MIMO-OFDM
numérique et la qualité du canal radio dans un système MIMO-OFDM en boucle fermée. Dans ce schéma, la connaissance de la CSI permet de décomposer le canal MIMO en plusieurs sous-canaux SISO décorrelés. Ensuite, la stratégie UPA alloue successivement la puissance sur les différents sous- canaux afin de maximiser la qualité des images reçues. Contrairement aux stratégies EPA, le processus d’allocation de puissance permet de prendre en compte les fluctuations du canal radio. Par exemple, lorsque la valeur du RSB des sous-canaux est très faible, la puissance totale est allouée à la couche de qualité la plus sensible afin de minimiser les erreurs de transmission. Dans [86], les mêmes auteurs intè- grent l’adaptabilité dans la stratégie UPA proposée dans [84]. Cette solution d’adaptation de lien permet de régler dynamiquement les paramètres de la chaîne de communication en fonction des variations du canal radio sous contrainte de la puissance totale disponible.
Dans [87], une stratégie UPA permettant de minimiser l’énergie d’un système MIMO-OFDM dédié à la transmission d’images en environnement indoor a été proposée. Dans cette stratégie, le système exploite la variabilité des données présentes dans l’image et la réponse impulsionnelle du canal pour proposer un algorithme dynamique permettant de déterminer la configuration de puissance optimale en fonction des contraintes sur le TEB en réception.
1.11.3 Optimisation de la qualité de transmission dans les systèmes MIMO-OFDM en présence de la non-linéarité
Comme nous l’avons montré, l’inconvénient majeur de la modulation OFDM est la génération des sig- naux à fort PAPR, qui engendre des distorsions nonlinéaires de signaux à la sortie de l’amplificateur de puissance. Dans les stratégies UPA classiques, les auteurs préconisent l’utilisation des amplificateurs de puissance exclusivement en zone linéaire. Cette appproche peut cependant affecter l’efficacité énergé- tique des systèmes MIMO-OFDM ou réduire la puissance totale d’émission disponible. Plusieurs études sur les performances des systèmes MIMO-OFDM en présence de la nonlinéarité de l’amplificateur de puissance ont été proposées dans la littérature [6][88][89]. Les travaux proposés dans [90] permettent de caractériser analytiquement les distorsions nonlinéaires de l’amplificateur dans un système OFDM et montrent que le choix du recul en puissance à l’entrée de l’amplificateur de puissance doit se faire de manière dynamique. Dans cette étude, l’amplificateur est modélisé par un modèle polynomial sans effet mémoire et la distorsion engendrée par sa nonlinéarité est traitée comme un bruit additionnel. Le bruit est introduit par le modèle de Bussgang [91] et sa variance est exprimée en fonction du recul en puissance ou de l’IBO à l’entrée de l’amplificateur. Dans [92], les auteurs proposent d’étudier la capacité des systèmes MIMO-OFDM en présence de la non-linéarité de l’amplificateur de puissance modélisé sous forme polynomiale sans effet mémoire. Les résultats sur un canal de Rayleigh montrent qu’en déterminant les expressions analytiques traduisant les distorsions non-linéaires à l’émission, des algorithmes de compensation d’erreur peuvent être appliqués à la réception afin d’améliorer la capacité des systèmes MIMO-OFDM. Cependant, ces travaux ne prennent pas en compte les effets mémoires de l’amplificateur.
Au vu de ces études, quelques auteurs se sont intéressés à l’études des systèmes MIMO-OFDM pré- codés en présence de la nonlinéarité de puissance. Dans [6], les auteurs proposent une formule générale permettant de caractériser la disrtosion du signal utile dans un système MIMO-OFDM précodé où les effets mémoires de l’amplificateur de puissance sont pris en compte. Dans ces travaux, une stratégie EPA est utilisée et l’amplificateur sur chaque branche du système MIMO est modélisé en utilisant le modèle de Wiener-Hammerstein. Dans [93], les auteurs proposent d’analyser l’impact de la nonlinéarité sur les performances d’un système MIMO précodé, dédié aux transmissions par satellite. Dans cette article, une stratégie de précodage connue sous le nom de zero-forcing (ZF) qui consiste à inverser la matrice du canal MIMO est utilisée à l’émission. Les résultats montrent qu’en présence de ce précodeur, le signal transmis est plus vulnérable en présence de la non-linéarité, en comparaison aux systèmes tra- ditionnels qui n’utilisent pas de précodage. Par conséquent, l’application du précodage impose un recul en puissance beaucoup plus important pour la même qualité de service.
Dans [7], les auteurs proposent une étude sur la recherche du débit maximal des systèmes MIMO- OFDM en boucle fermée en présence de la non-linéarité de l’amplificateur. Dans cette étude, l’algorithme Singular Value Decomposition (SVD) [94] est utilisé pour la décomposition du canal MIMO et le pré- codeur Water-Filling (WF) [95] pour l’allocation de puissance. Les paramètres du précodeur WF clas- sique dépendent uniquement de l’état du canal MIMO. Les auteurs ont d’abord montré que l’utilisation de la puissance totale disponible à l’émission ne permet pas de maximiser la capacité du système à cause de la non-linéarité. Ensuite, en modélisant la non-linéarité de l’amplificateur de puissance sous forme de bruit additionnel de Bussgang comme dans [90], ils ont utilisé la recherche par Dichotomie pour déterminer les paramètres optimaux du précodeur WF permettant d’avoir un compromis optimal entre le rendement et la capacité du système. Les résultats montrent que cette version optimisée du précodeur WF permet d’améliorer considérablement les performances du système, en comparaison à la méthode classique où la valeur de l’IBO à l’entrée de l’amplificateur est toujours fixe.