73IV D Principe de la méthodologie de classification proposée
IV. 2 ' Banc de mesures, configuration employée et protocole suivi 2.a ' Banc de mesures
(2 × ) ( × × =A (e D e ) ut sin πFt S(t) RTt 1 D t D 1 D 3.5 où A = 1 V, D = 5 ns, RT = 0.4 ns, F = 923 MHz et u est la fonction échelon unitaire. Ces valeurs ont été définies à partir des résultats présentés dans [3.1].
D la double exponentielle dont l’expression mathématique (cf. équation 3.1) est la même que celle du sinusDexpo sans la multiplication par "sin(2πFt)".
Le banc de mesures et le protocole de collecte des fichiers de mesures font l’objet de la section IV.2.
IV.2 ' Banc de mesures, configuration employée et protocole suivi
IV.2.a ' Banc de mesures
Un banc complet de mesures a été développé en laboratoire. Il permet de simuler la présence de signaux transitoires durant une communication GSMDR et de réaliser l’ensemble des mesures nécessaires. Ce banc est composé :
D d’un mobile GSMDR et un simulateur de réseau (Rohde & Schwarz CMU 200) avec lequel sera établie puis évaluée la communication,
D d’un générateur de signaux arbitraires (AWG : Arbitrary Waveform Generator) qui permet la génération des signaux transitoires,
D d’un analyseur de spectre pour le calibrage des puissances des signaux de communication et d’interférence,
D d’un oscilloscope numérique pour la collecte des fichiers de mesures dans le domaine temporel. Deux coupleurs (diviseurs de puissance) permettent d’assembler ces différents éléments comme le montre la figure 3.24.
75
IV.2.b ' Configuration des équipements
Le canal utilisé pour la communication avec le CMU correspond au dernier canal GSMDR (924.8 MHz sur le lien descendant). La puissance du signal de communication est réglée en fonction du rapport signalDàDbruit que l’on souhaite obtenir. Dans le cadre de nos travaux, le SNR est défini comme le rapport entre la puissance du signal GSMDR et celle du bruit EM induit par les signaux transitoires sur le canal GSMDR à chaque apparition.
Le générateur de signaux arbitraires génère des signaux transitoires échantillonnés à 2.5 GHz en mode séquence, c’estDàDdire qu’il "répète" indéfiniment un même signal transitoire avec un intervalle de temps constant (et paramétrable) entre chaque occurrence. La figure 3.25 fournit une illustration de l’une de ces séquences.
Figure 3.25.Exemple de séquence de transitoires générée par l’AWG
L’oscilloscope collecte chaque fichier de mesures sur 2.5 millions de points avec une fréquence d’échantillonnage (ffech) de 2.5 GHz, ce qui correspond à une durée d’enregistrement de 1 ms. Cette configuration de mesure permet, d’une part de suivre l’évolution des signaux sur une durée relativement longue et surtout comparable à la durée d’un burst GSMDR (577 µs). D’autre part, il est possible de mesurer des signaux transitoires dont la durée est extrêmement brève (de l’ordre d’une vingtaine de ns) avec un nombre de points satisfaisant en raison de la finesse de l’échantillonnage employé.
IV.2.c ' Protocole de collecte des fichiers temporels
Une fois les équipements configurés comme décrit dans le paragraphe IV.2.b, nous pouvons procéder à la collecte des fichiers temporels. CelleDci se déroule en 4 étapes :
1D Etablissement d’une communication entre le mobile GSMDR et le simulateur de réseau. C’est à ce momentDlà qu’est appliquée la puissance du signal de communication émis par le CMU 200.
2D Génération du bruit EM transitoire à l’aide du générateur de signaux arbitraires.
3D Mesure du BER par le CMU 200 et, en fonction de la valeur obtenue, détermination de la classe à laquelle appartient le fichier de mesures. La classe ainsi identifiée sera intégrée dans le nom du fichier lors de son enregistrement.
4D Enregistrement du fichier de mesures à l’oscilloscope pour une durée de 1 ms.
Deux classes sont définies pour qualifier la qualité de la communication GSMDR en présence de bruit EM transitoire et ainsi labelliser les fichiers de mesures :
D la classe "bon" qui correspond à un BER ≤ 1.13% (bonne qualité de communication). D la classe "mauv" qui correspond à un BER > 1.13% (mauvaise qualité de communication). Il s’agit ici du BER calculé avant toute correction d’erreur et il est défini comme [3.9] :
% 100 × = transmis bits de total ombre erronés bits de ombre BER 3.6
Ce BER est déterminé par le CMU 200 qui envoie une séquence de bits connue au mobile GSMDR. Le mobile est configuré en mode de fonctionnement "loop back", ce qui signifie qu’il renvoie au
76
simulateur les informations qu’il a reçues de ce dernier. Il lui renvoie donc la séquence qu’il a reçue et le CMU détermine le nombre de bits erronés par comparaison des deux séquences.
La valeur limite de 1.13% utilisée pour définir les deux classes est la valeur de référence appliquée par les opérateurs ferroviaires pour juger de la qualité suffisante ou non d’une communication GSMDR [3.10].
77
Conclusion
Ce chapitre s’est attaché à mettre en œuvre l’ensemble des outils théoriques et expérimentaux nécessaires à ce travail de Doctorat.
Les outils théoriques (transformées TF et une technique de classification) ont été mis en œuvre au travers de deux applications dédiées à la CEM. Les résultats obtenus ont montré que ces éléments théoriques, jusqueDlà peu ou pas employés en CEM, pouvaient être mis à profit dans ce domaine de recherche.
L’idée d’associer ces deux techniques a conduit à la construction d’une méthode de classification de bruits EM transitoires en fonction de leur effet sur une transmission GSMDR. Le principe de cette méthode ainsi que les outils expérimentaux qu’elle nécessite (banc de mesures, configuration des équipements, protocole de collecte des fichiers temporels) ont été décrits dans la dernière section de ce chapitre 3.
Cette méthode de classification repose sur l’extraction de paramètres représentatifs de l’effet produit par les signaux transitoires sur la qualité d’une communication GSMDR. L’extraction est réalisée à partir des coefficients issus d’une transformation de Gabor dont le calcul a été optimisé de manière à ne traiter que la bande de fréquences du lien descendant GSMDR. Ces paramètres sont ensuite représentés sur un diagramme de dispersion et la classification est réalisée grâce à la règle des k plus proches voisins. Le chapitre 4 est dédié à la description de cette méthode de classification, depuis la définition du descripteur jusqu’à la possible application à bord des trains. Nous y détaillons l’ensemble des calculs sur un exemple de scénario de bruit EM et présentons les résultats associés. L’interface de calcul et visualisation, spécialement développée pour notre méthode, y est également décrite.