HAL Id: pastel-00001753
https://pastel.archives-ouvertes.fr/pastel-00001753
Submitted on 19 Jun 2006
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Estimation de canal très sélectif en temps et en
fréquence pour les systèmes OFDM
Emmanuel Jaffrot
To cite this version:
Emmanuel Jaffrot. Estimation de canal très sélectif en temps et en fréquence pour les systèmes OFDM.
domain_other. Télécom ParisTech, 2000. English. �pastel-00001753�
fréquence pour les systèmes OFDM
Emmanuel Jaffrot
Liste des notations 8
Introduction générale 12
1 Systèmeet modèles 15
Introduction. . . 15
1.1 Principe et modèles dessystèmes OFDM. . . 16
1.1.1 Historique -principe . . . 16
1.1.2 Modélisationdessystèmes OFDM . . . 17
Modèleanalogique . . . 18
Passage au modèle numérique . . . 22
Interprétation temps-fréquence . . . 23
1.2 Modélisation delachaîne étudiée . . . 24
1.2.1 Caractéristiques dusignal transmis . . . 24
1.2.2 Modélisationdu signalreçu . . . 26
1.2.3 Caractéristiques ducanal de propagation. . . 28
1.2.4 Représentation ducanal de propagation . . . 31
1.3 Simplication de lareprésentation ducanal . . . 32
1.4 Conclusion. . . 34
2 Estimation de canal semi-aveugle au sens du Maximum a Posteriori 35 2.1 Introduction . . . 35
2.2 Étatde l'art . . . 36
2.2.3 Estimateurs desfacteursde gainducanal . . . 38
Estimation decanal ausens ducritère desmoindres carrés(MC) . . . 38
Estimation decanal par lecritère del'erreur quadratique moyenne minimale (EQMM) . . . 41
Estimation decanal avec retour de décision . . . 45
Estimation parltrage dansundomaine de transformation . . . 46
2.2.4 Conclusions . . . 48
2.3 Estimationde canal itérative baséesurle critèredu Maximuma Posteriori . . . 48
2.3.1 Formulationduproblème au sensdu Maximuma Posteriori . . . 48
2.3.2 L'algorithme Expectation - Maximization . . . 49
2.3.3 Expressionanalytique del'estimateur . . . 51
2.3.4 Cas particuliers . . . 52
2.4 Résultats . . . 53
2.4.1 Algorithmes de comparaison . . . 53
Estimation decanal MC . . . 53
Estimation decanal par laFFTbidimensionelle EC-FFT-2D . . . 57
Combinaisondesestimation surchaquebranche de diversité . . . 60
2.4.2 Contextedes simulations. . . 61
Signal émis . . . 61
Canal de propagation . . . 62
Paramètres del'estimateur . . . 62
2.4.3 Résultats desimulation . . . 62
2.5 Conclusion. . . 68
3 Estimation semi-aveugle avec prise en compte du codage : Turbo estimation de canal 69 Introduction. . . 69
3.1 Turbo estimationde canal . . . 69
3.1.1 Contexte . . . 69
3.1.2 Principe de l'algorithmede Bahl . . . 70
3.1.3 Écriture modiéede l'algorithmede Bahl . . . 71
3.3 Conclusion. . . 81
4 Estimation de canal au sens du Maximum a Posteriori à partir de symboles connus 82 Introduction 82 4.1 Estimationde canal baséesurl'innovation :Prédiction Linéaire . . . 83
4.2 Estimationde canal exploitant labase orthonormale étendue . . . 84
4.3 Construction simpliéede labaseorthonormale étendue . . . 86
4.4 Optimisationde lapositiondessymboles pilotes. . . 87
4.4.1 ModulationMDP-2. . . 87
4.4.2 ModulationMDP-4. . . 88
4.5 Résultats desimulation . . . 91
4.6 Conclusions . . . 95
5 Estimation semi-aveugle avec conditions initiales optimisées 96 5.1 Introduction . . . 96 5.2 Résultats desimulation . . . 96 5.2.1 Initialisation . . . 96 5.2.2 Partie Itérative . . . 97 5.2.3 Simulations . . . 97 Non codé . . . 97 Codé . . . 101 Conclusion générale 105 A Propriétésde l'algorithme EM 106 A.1 Théorème 1:Croissance desprobabilités a posteriori . . . 106
A.2 Théorème 2:Point critiquede laprobabilité a posteriori . . . 107
B Expressionanalytique de l'estimateur 108 C Cas particuliers 111 C.1 Modulation MDP-2. . . 111
D Harmonisationdu canal en temps et en fréquence 116
D.1 Étalement desretards . . . 116
D.2 Étalement Doppler . . . 118 D.3 Expressionde B d et T m en fonctiondu produitB d T m . . . 119
E Expressionde la variance de l'innovation 121
F Identité de l'estimée MAP et de la prédiction linéaire EQMM 123
G Probabilité d'erreur brute sur les symboles 124
G.1 Modulation MDP2 . . . 124
G.2 Modulation MDP4 . . . 124
H Expressionde l'estimée MAP à partir de la base étendue 126
I Constructionsimpliée de la base étendue 128
Liste des gures 130
Remerciements
Je tiens à remercier tout d'abord Monsieur Maurice Bellanger, Professeur au Centre National
desArts etMétiers, pour m'avoirfait l'honneurde présiderle juryde cettethèse.
Merci à Monsieur Philippe Loubaton, Professeur à l'Université de Marne la Vallée, pour sa
lectureattentive dece document etsontemps précieux consacréà desdiscussionsconstructives.
Merci àMadameInbarFijalkow,Professeur aulaboratoireETISde l'ENSEA etde l'Université
de CergyPontoise, pour saténacité, pour toutes lesdiscussions passéesetà venir.
MerciàMonsieurArmandLévy,ResponsabledudépartementIIMdeFranceTélécomRecherche
etDéveloppement oùs'estdérouléecette thèse,pour m'avoirdonné lachancederéaliserce travail.
MerciàMonsieurMohamedSialapoursoninspiration,sonamitiéettoutescesheuresdetravail
en commun.
Merci à Monsieur Robert Vallet, Maître de Conférences à l'Ecole Nationale Supérieure des
Télécommunications deParis,pour saparticipationà ce juryde thèse.
Merci également àMonsieurPierre Duhamel,pour l'ensemble desesconseils avisésetsa
dispo-nibilité.
Merci à l'ensemble de l'équipe IIM, Daniel, Mohamed, Roland, Raphael, Noura, Thierry,
Pa-trick,Yi,Sabrina,Sylvie,Antoine,Hatem.Ainsiqu'àGurvan,Céline,Christophe,Céline,Christine,
Benoit, Stéphane...
Merci àChut!, Rabi, Djoule,Choa, Luka, Vincent,Karine, Chrystèle,Björk, Johanna, Fanou,
Charlotte, Eli, Amélie,Growin' Hair,Anne, Pauline, Bertrand, P.J. Harvey,Robert, Marie-Agnès,
Djeeps, Vera Cruise, Antoine, Stéphanie, Radiohead, Paolo, PeeWee, Roland, Zal, Sabrina, Ivan,
Elsa, Mer2 et2mer, Lulu, Stéphane, Mélanie, Nath, Alex, Gabi, Santiago, Curly,Cess ... pour ce
qu'on apartagé, ce qu'onpartage, ce qu'onpartagera ...
Merci à mafamille,mes parents, àSimon etEtienne.
Résumé
L'orientation des telecommunications vers les hauts-debits fait de la technique de modulation
OFDM l'un des centres d'intérêts privilégies de la recherche actuelle. Cette technique basée sur
le principe d'orthogonalité des "ltres" réalisant la modulation ne nécessite pas d'égalisation a
proprement parler, mais requiert une estimation de la réponse fréquentielle du canal pour chaque
symboletransmis.Lescontextesde propagationrencontresaujourd'huiencommunicationsmobiles
a hautsdebits peuvents'avérer extrêmement diciles aestimer précisément.
Nousproposonsdanscetmémoiredethèse deuxméthodesd'estimation decanaltrèssélectifen
tempsetenfréquencebasessurlecritèreduMaximumaPosterioritraitantlesignalreçuparblocs.
Cesalgorithmesreposentsurunmodèledecanalobtenusuivant ladecompositionorthogonaledela
matrice d'autocorrélation du canal selon lethéorème de decomposition orthogonale de
Karhunen-Loève.Nousprésenterons égalementlesperformancesdecesnouvellestechniquescomparéesacelles
de méthodes classiques d'estimation de canal ainsi que la robustesse de ces techniques a l'erreur
d'estimation desstatistiques du canal.
Abstract
High bit rates services focusing in the telecommunications domain is leading to an increasing
interestforOFDMmodulationinactualresearch.Thistechniqueisbasedonorthogonalmodulating
ltersanddoesn'tneedtheuseofanequalizer,butitrequirestheestimationofthechannelfrequency
response for each transmitted symbol. Today's propagation contexts met in high bit rate mobile
communications maybereally toughto precisely estimate.
In this document, we propose two channel estimation methods for highly frequency and time
selective channels, based on the Maximum a Posteriori criteria, processing blockby block the
re-ceived signal. Thesealgorithmsusea channel modelbasedon theorthogonaldecompositionof the
autocorrelation matrix of the channel obtained by means of the Karhunen-Loève orthogonal
ex-pansion theorem.Wealso present these newtechniques performance compared toclassical channel
a mn
Symbole de données MDP de l'alphabet à la position ( m;n) du bloc
temps-fréquence
a Æ( k)
SymbolededonnéesMDP del'alphabetàl'index Æ( k)dubloc
temps-fréquence
a n
Vecteur dessymboles dedonnées dun eme
symboleOFDM
A Æ( k)
Symbolede donnéesnormalisé àl'index Æ(k) dubloc temps-fréquence
A Vecteur dessymboles dedonnées normalisésdu bloc temps-fréquence
B d
Largeur de labande Dopplerdu canal
B l k
Vecteur propre numéro k de lamatrice F l
c mn
Facteurde gaindu canalà laposition(m;n) dubloc temps-fréquence
c l mn
Facteurdegainducanalvuparlal eme
branchedediversitéàlaposition
(m;n) dubloctemps-fréquence
c l Æ( k)
Facteur de gain du canal vu par la l eme
branche de diversité à l'index
Æ(k) du bloc temps-fréquence
c n
Vecteur des facteurs de gain du canal correspondant au n eme symbole reçu C l Æ( k)
Facteurde gainnormalisédu canalvupar lal eme
branche de diversité à
l'index Æ(k) du bloctemps-fréquence
C l
Vecteur des facteursde gainnormalisés du canal vupar la l eme
branche
de diversitédu bloc temps-fréquence
E mn
F Espacement fréquentiel entre deux symboles adjacents du bloc
temps-fréquence
F l
Matrice d'autocorrélation ducanalvu parlal eme
branche de diversité
G l k
VariableGaussiennecentrée devariance l k
- représentationdu canalde
propagation
J 0
(:) Fonction deBessel de première espèceetd'ordre 0
K Nombrede porteuses dusystèmeOFDM
L Nombrede branchesde diversité en réceptiondu système
~
n(t) Bruit decanal additif complexe blancGaussien
~ n
mn
Échantillondubruitdecanalàlaposition( m;n)dubloctemps-fréquence
~ n n
Vecteurdeséchantillondubruitdecanalcorrespondantaun eme symbole reçu N 0
Variance du bruitde canal
N D
Nombre de symboles de donnéesdu bloc temps-fréquence
N P
Nombre de symboles pilotes dubloc temps-fréquence
N l mn
Échantillon du bruit reçu à la l eme
branche de diversité à la position
(m;n) dubloctemps-fréquence
N l Æ( k)
Échantillondubruitreçuàlal eme
branche dediversitéàl'index Æ(k) du
bloctemps fréquence
p(t) Fonction prototype du modulateur OFDM (interprétation
temps-fréquence)
r(t) Signal OFDMcontinu reçu
R l mn
Échantillon du signal reçu sur la l eme
branche de diversité à laposition
(m;n) dubloctemps-fréquence
R l Æ( k)
Échantillondusignalreçusurlal eme
branchede diversité àl'indexÆ( k)
du bloc temps-fréquence
R l
Vecteur des échantillons d'un bloc temps-fréquence reçus sur la l eme branche de diversité s(t) Signal OFDM s l (t) SymboleOFDM
S D
Ensemble bidimensionnel des positions dessymboles de données dansle
bloctemps-fréquence
S P
Ensemblebidimensionnel despositions dessymboles pilotesdanslebloc
temps-fréquence
T Longueur d'unsymbole OFDM - espacement temporel entre deux
sym-boles adjacentsdu bloctemps-fréquence
T m
Étalement desretardsdu canalà trajets multiples
T pc
Longueur du préxecyclique
T s
Longueur d'unsymboleMDP del'alphabet
W Largeur de bande dusystèmeOFDM
y mn
Échantillondu signalreçuà laposition(m;n) dubloc temps-fréquence
T Longueur d'unsymbole OFDM - espacement temporel entre deux
sym-boles adjacentsdu bloctemps-fréquence
T m
Étalement desretardsdu canalà trajets multiples
T pc
Longueur du préxecyclique
T s
Longueur d'unsymboleMDP del'alphabet
W Largeur de bande dusystèmeOFDM
y mn
Échantillondu signalreçuà laposition(m;n) dubloc temps-fréquence
y n
Vecteur deséchantillons dun eme
symboleOFDMreçus
( ;t) Réponseimpulsionelle continue du canalde propagation
n
() Réponse impulsionelle du canal de propagation correspondant au n eme
symbolereçu
n
Vecteur deséchantillons de laréponseimpulsionelle du canal
correspon-dant au n eme
symbolereçu
l k
Valeur propre numéro k de lamatrice decorrélation F l
Æ(k) Fonctiond'indexationde fkg k=N 1 k=0
versl'ensemblebidimensionnel S D [ S P Æ P ( k) Fonction d'indexationde f kg k=N P 1 k=0
versl'ensemble bidimensionnel S P Æ D (k) Fonction d'indexationde f kg k=N D 1 k=0
versl'ensemblebidimensionnel S D
Æ k;k
0
k
(t) Formed'onde dumodulateur OFDMcontinu
mn
(t) Formed'ondedumodulateur OFDMàlaposition( m;n)dubloc
temps-fréquence
( f;t) Fonction d'autocorrélation temps-fréquenceducanal
m
(t) Formed'onde dudémodulateur OFDMcontinu
L'internet,latélédiusion ainsiquelaradiodiusiononété,aucoursdesdixdernièresannées,à
l'originedelarésurgence dessystèmesmultiporteusesOFDM.Cettetechnique,apparueàlandes
années 60 [10 ] a peu été exploitéeavant les années 90.Ses qualitésintrinsèques l'ont amené à être
utiliséedanslesnormesde diusionnumériquede programmesradio(Digital AudioBroadcasting :
DAB) [24] ettélévisés(Digital Video Broadcasting :DVB) [25], pour latransmission de donnéesà
hautsdébits surlignesbilaires(Asynchronous DigitalSubscriber Line :ADSL)ainsiquepour des
systèmes hauts-débitsde typeHIPERLAN (HIghPERformancesLocalArea Network).
Aujourd'hui, la préoccupation grandissante des télécommunications pour les hauts débits fait
de la technique OFDMl'un des centres d'intérêt privilégies de la recherche actuelle. Tous les
pro-blèmes inhérents à la méthode OFDM dans les contextes de transmission mobiles et hauts débits
sontétudiés:synchronisationtemporelle,synchronisationfréquentielle,égalisationetestimationde
canal.
Les systèmes OFDM sont fondés sur le principe d'orthogonalité des ltres réalisant la
modu-lation. Ces méthodesfonctionnent intrinsèquement par bloc,la modulation d'un bloc de symboles
étant réalisée le plus souvent par une Transformée de Fourier Discrète Inverse (TFDI).
L'intro-duction d'un intervalle de garde de durée supérieure à l'étalement des retards du canal, comme
le montre lagure suivante, permet d'éliminer l'Interférence Entre Symbole (IES) générée lors du
passage dans lecanal. L'égalisation en est donc simpliée, mais nécessitetoujours une estimation
de laréponsefréquentielle ducanal pour chaque symboleOFDM.
Cependant, aucune technique dans la littérature ne s'est réellement intéressé à l'estimation de
canal très sélectif en temps et en fréquence. Beaucoup de méthodes considèrent la sélectivité en
temps ou la sélectivitéen fréquence, mais pasles deux àla fois.L'estimationde canal très sélectif
Modèlediscret classiquedessystèmes OFDM
ce mémoire, où nous présenterons outre ses modèles classiques, le modèle de représentation en
treillis temps-fréquence du signal OFDM, ainsi qu'une modélisation originale ducanal basé sur la
décompositionde Karhunen-Loève [2 ].
Le deuxièmechapitreprésenteunnouvelestimateuritératifdecanaltrèssélectif entempseten
fréquence, utilisant l'algorithme EM. Cetestimateur traite lesignalreçu par bloc temps fréquence
comprenant toutoupartie desporteusesde plusieurssymboles OFDM.Danscette partie,les
sym-boles seront supposés non codés. C'est pourquoi le troisième chapitre seconsacrera au traitement
deblocstemps-fréquencecomposés desymbolescodés.Cetteméthode d'estimationdécoulant dela
premièreréaliseraundécodagedessymbolesconjointementàl'estimationdecanal.Nousappellerons
cette technique turbo-estimation de canal.
Lequatrièmechapitreprésenteunetechniqueautonomed'estimationdecanalbaséeuniquement
surl'utilisation dessymboles pilotes.Cetteautreméthode d'estimation decanalpeut existerd'elle
même et peut également être utilisée comme phase d'initialisation de l'algorithme itératif. Cette
dernière combinaisonsera étudiée danslecinquièmeetdernier chapitre.
La gurequi suit présente l'ordre de lectureconseillédu mémoire,suivant l'intérêt dulecteur.
Cette étudea éténancée par FranceTélécom Recherche etDéveloppement et adonnée lieuà
Système et modèles
Introduction
Dans ce premier chapitre, nous nous attacherons à présenter les principales modélisations des
systèmes utilisant la technique OFDM en tant que modulation, ainsi qu'une représentation
origi-nale du canal de propagation. Nous xerons également les principales notations utilisées dans ce
document.
Historiquement, les premières techniques multiporteuses ont vu lejour à l'ère des
communica-tions analogiques. Ces méthodes ont donc tout d'abord fait l'objet de représentations continues,
caractérisées par des fonctions orthogonales continues. Le modulateur et le démodulateur étaient
alors des bancsde ltres théoriquement orthogonaux, maisla réalisation de ltre analogiques
par-faitement orthogonaux estrigoureusement impossible ets'en approcher estdonc très coûteux.
Cette représentation a donc progressivement été remplacée par une modélisation discrète des
élémentsde cessystèmes.Aujourd'hui, lestransformées orthogonales lespluscouramment utilisées
dans les systèmes OFDMsont laTransformée de Fourier discrète Inverse et sa transforméeduale,
laTransformée de Fourier Discrète,préférées pour leur faible complexité et leurfacilité de miseen
oeuvre.
Nous nous intéresserons plus particulièrement à une modélisation plus globale du principe de
transmission OFDM en considérant l'existence d'un treillis bidimensionnel dans le plan
temps-fréquencesur lequelsont émisles symboles d'information.
1.1 Principe et modèles des systèmes OFDM
Une dessolutions utiliséespourtransmettreun signalàtraversun canalsélectifen temps eten
fréquence,sansinterférence entresymboles,estdechoisirlalargeur debande dusignalplusgrande
quelalargeurde labande Doppleretplusfaible quelalargeur de labande de cohérence ducanal.
Ces hypothèsescorrespondent à ladénition d'unsignalbande étroite à faible débit.Pour réaliser
unetransmissionàhautdébit,ilestalorsnécessairedetransmettreungrandnombredecessignaux
bande étroite surdesporteusessituées en fréquenceaussiprochesquepossible lesunesdes autres.
Tel estleprincipe de basedessystèmes detransmissions multiporteuses dont fait partie l'OFDM.
1.1.1 Historique - principe
Les origines des modulations multiporteuses actuelles remontent aux systèmes de transmission
parallèle de la n des années 50 et 60. La technique de modulation synchronisée des porteuses
bande-étroite et leur transmission sur des spectres se recouvrant a été utilisée dans des systèmes
militaires hautes fréquences tels que les systèmes Kineplex, ANDEFT et KATHRYN. Puisque la
synchronisationétaitassuréeentrelesporteuses,l'orthogonalitéentrelesdiérentscanauxparallèles
pouvaitêtreutiliséepourrestituerl'informationcontenuedanslesignal,malgrélerecouvrementdes
spectres.CesancêtresdessystèmesOFDMutilisaientdesensemblesdesignauxorthogonauxlimités
dansletemps, despectre largement étalé enfréquence (despectrede type sinx/xpar exemple).
En 1966,Changproposalatechniquecorrespondantepourles systèmedetransmissionàbande
limitée [10]. La méthode qu'il propose à l'époque consiste à synthétiser des fonctions temporelles
orthogonales à bande limitée en utilisant des ltres de Nyquist avec un roll-o doux. Les canaux
de transmissionétroits crééspeuvent êtreconsidérés commedescanaux plats,de tellefaçon quele
systèmeglobaldevient moinssensibleaubruit.Deplus,lalimitation delalargeur debande génère
moinsd'interférenceentre symboles etentre canaux.
Weinstein et Ebert établissent [72 ] que le signal multi-fréquences est en fait latransformée de
Fourierdelaséquencededonnéesoriginale.Latechniquenumériquepermetd'éliminerlebanc
d'os-cillateurs à l'émetteur et de démodulateurs cohérents au récepteur habituellement nécessaires aux
systèmes à multi-porteuses analogiques. Ils sont remplacés par descalculateurs réalisant la T
rans-formée de Fourier Rapide Inverse (TFRI)à l'émetteur etleTransformée de Fourier Rapide (TFR)
aurécepteur[72].Cessystèmesutilisentencorel'impulsionrectangulaire,générantunedensité spec-2
causéesparcettelargeurdebandeinniesontminimiséesparl'introductiond'unintervalledegarde.
En 1981, Hirosaki présente lapremière versionà bande limitée d'unsystème numérique
multi-porteuses.Il étend letravail de Weinstein etEbert [72] au ltrage en bande de base etdéveloppe
la théorie numérique des modulations d'amplitude en quadrature multiplexées orthogonalement
(O-QAM). Ainsinomme-t-onaujourd'hui latechnique proposéepar Chang en 1966.
En 1985, Cimini propose et analyse l'application de l'OFDM à la transmission sur un canal
radiomobile. Il insiste notamment sur ladiversité fréquentielle intrinsèquedes modulations
multi-porteusespermettant dedécoréler l'inuencedu canalàévanouissement surlessymbolestransmis.
Jusqu'àaujourd'hui,l'intérêt pour lesmodulationsmultiporteusesappliquéesauxsystèmes
mo-bilesestresté grandissant. DanslecadreduprojetDAB(DigitalAudio Broadcasting)Eureka 147,
AlardetLassaleontproposéunsystèmedediusionnumériquedontlapartiemodulationestbasée
surlatechnique OFDM.L'argument majeurde l'OFDMest qu'iltransforme un canallarge bande
très sélectif en temps et en fréquenceen une multitude de canaux à bande étroitenon sélectifsen
fréquence.Encombinantunentrelacement entrelessous-porteusesetuncodageadaptéàlanature
del'évanouissement ducanal,onobtient,aurécepteur,lescaractéristiquesd'uncanalGaussien.Ce
type desystème estappeléCOFDM.
D'autrestravauxsurlesujetontétél'objetdel'applicationdel'OFDMauxcanauxradiomobiles
à modulationde fréquence(MF) et de discussions surde nouvellesformes d'ondes mieuxadaptées
aux canaux sélectifs. Les dernierstravaux sur l'algorithmique s'intéressent plus particulièrement à
laréductionde complexité etaugaind'ecacité spectraledanslecasde spectresne serecouvrant
pas.L'OFDMestaujourd'huiconnusouslenomde multiporteusesdiscrètes(Discrete Multi-Tone :
DMT)danslanormemondialeADSL.Ilestégalementutilisédanslanormedusystèmede
télédiu-sionnumérique DVB-T. L'OFDMavaitmême étéenvisagépour lanorme dusystèmeinternational
UniversalMobile Telecommunication System(UMTS).
Depuisquelquesannées, ungrandnombred'étudesconcernant lacombinaisonde l'OFDMavec
l'AMRCapparaissent, an d'unier les avantages desdeux systèmes etainsi d'ouvrir de nouvelles
voies dansles applicationsradio cellulaires.
1.1.2 Modélisation des systèmes OFDM
L'OFDM peut êtremodélisé de plusieurs manières. Cette méthode a une longue histoire,et la
technolo-laquelle nous ferons surgir la modélisation discrète en bande de base, ainsi qu'une modélisation
bidimensionnelle dansleplantemps-fréquence.
Modèleanalogique
Le modèle dusystème OFDMcontinuen bande de baseestreprésentésurlagureI.1.
Fig. I.1:Modèle dusystèmeOFDMcontinu en bande debase
Émetteur
Considérons unsystèmeOFDMcomportant K sous-porteusesdansune bandede largeurW et
transmettantdessymbolesdeduréeT ,comprenant unpréxecycliquededuréeT pc
.Cetémetteur
utilise les formesd'ondesuivantes :
m (t)= 8 > < > : 1 p T Tpc e j2 W K m( t T pc ) pour t2[0;T] 0 ailleurs ; (1.1) où T = K/W +T pc
.Ces formesd'ondevérient évidemment la relationd'orthogonalité
Z +1 1 m (t) m 0 ( t)dt=Æ m;m 0 ;( :) (1.2)
représentant l'opérateur de conjugaisoncomplexe etÆ m;m
0 le symbolede Kronecker déni par
Æ m;m 0 = 8 < : 1 pour m=m 0 0 pour m6=m 0 : (1.3) Notons que m (t)= m
(t+K/W) lorsque tdécrit lepréxe cyclique [ 0;T pc
]. Puisque m
( t) est
m
(t)modulent les symboles d'information à émettreet lesignal transmisen bande de base pour
len eme
symboleOFDMest
s n (t)= K 1 X m=0 a m;n k ( t nT); (1.4) oùlesa 0;n ;a 1;n ;;a K 1;n
sontlessymbolesd'informationdeduréeT s
= T/Ktransmissurl'intervalle
[0;T] . Ce sont des nombres complexes provenant d'un ensemble de points d'une constellation.
Lorsqu'une séquence innie de symboles OFDMest transmise, lesignal ensortie de l'émetteur est
une juxtaposition de symboles OFDM:
s(t)= +1 X n= 1 s n ( t)= +1 X n= 1 K 1 X m=0 a m;n m (t nT): (1.5) Canal physique
Nous supposonsque lesupportde laréponseimpulsionelle du canalphysique (;t) - variable
entemps etenfréquence-estrestreintà l'intervalle 2[ 0;T pc
];c'estàdireaupréxe cyclique.Le
signalreçu devient
r( t)=( ?s)(t)= Z T pc 0 (;t)s(t )d+n~(t); (1.6)
où ~n( t)représente lebruitde canal additif complexe blancGaussien.
Récepteur
LerécepteurOFDMconsisteenunbancdeltres,adaptéàladernièrepartie[T pc ;T]desformes d'ondede l'émetteur m (t), c'està dire m (t)= 8 < : m (T t) sit2[0;T T pc ] 0 sinon. (1.7)
Ceci signie en clair que le préxe cyclique est retiré à la réception. Puisque le préxe cyclique
contient, par dénition, toute l'interférence entre symboles provenant du symbole précédent, le
signaléchantillonné ensortiedubancdeltresdurécepteurne contientpasd'IES.Enutilisant1.5,
y mn = ( r? m )( t)j t=nT = Z +1 1 r(t) m ( T t)dt (1.8) = Z T Tpc Z T pc 0 (;t) " K 1 X m 0 =0 a m 0 n 0 m (t ) # d ! m (t)dt+ Z T Tpc ~ n(T t) m ( t)dt: (1.9)
Considérons que le canal ne varie pas sur la durée d'un symbole OFDM et notons n
( ) le
facteur d'atténuation ducanalsur len eme
symbole.Nous obtenons:
y mn = K 1 X m 0 =0 a m 0 n Z T T pc Z Tpc 0 n () m 0 (t )d m (t)dt + Z T Tpc ~ n(T t) m ( t)dt: (1.10)
Lesintervallesd'intégrationsont T pc
<t<T et0< <T pc
ceciimpliqueque0<t <T et
l'intégraleintérieure R T pc 0 n () m 0 (t )d devient : Z Tpc 0 n () m 0 (t )d = Z Tpc 0 n () e j2m 0 ( t T pc )W/K p T T pc d = e j2m 0 (t T pc )W/K p T T pc Z Tpc 0 n ()e j2m 0 W/K : (1.11)
La dernière partie de cette expression est la réponse fréquentielle échantillonnée du canal à la
fréquencef = m 0
W/K,c'està diresurla m 0eme fréquenceporteuse: c m 0 n = Z Tpc 0 n ( )e j2m 0 W/K d, (1.12) c m 0 n
est donc l'échantillon à la fréquence m 0
W/K de la transformée de Fourier de n
( ). En
y mn = K 1 X m 0 =0 a m 0 n Z T Tpc e j2m 0 ( t Tpc)W/K p T T pc c m 0 n m ( t)dt + Z T T pc ~ n(T t) m ( t)dt (1.13) = K 1 X m 0 =0 a m 0 n c m 0 n Z T T pc m 0 (t) m ( t)dt+n~ mn , (1.14) où n~ mn = R T Tpc ~ n(T t) m
( t)dt.Puisque lesltres d'émission m (t)sont orthogonaux, Z T Tpc m 0 (t) m ( t)dt= Z T Tpc e j2m 0 ( t Tpc)W/K p T T pc e j2m( t Tpc)W/K p T T pc dt=Æ m;m 0 ; (1.15)
Æ représentant lafonction de Kronecker.Nous pouvonsà nouveau simplier 1.14pourobtenir
y mn =c mn a mn +n~ mn , (1.16) où n~ mn
est un bruit blanc Gaussien additif. Nous voyons alors que le système OFDM peut se
représenter souslaforme de K canaux Gaussiensparallèles (cfg.I.2).
Fig. I.2:Le système OFDMcontinus'interprète commedescanaux Gaussiensparallèles
La gureI.3représente schématiquementlaréponsefréquentiellede chacunedessous-porteuses
d'un symboleOFDM.
Fig.I.3:Schémasymboliquedessous-porteusesdusystèmeOFDMàK porteusesetdelargeur de
bande W
dusystèmeOFDMdécroîtdoncenf 2
.Danscertainscas,cen'estpassusantetdesméthodes[72 ,
?, 32,27]ontété proposées pour fairedécroître lespectredu systèmeplusrapidement.Dans toute
notre étude,nousconsidérerons quelamiseen forme estrectangulaire dansledomaine temporel.
Passage au modèlenumérique
MettreenoeuvreunsystèmeOFDMcontinutelquenousl'avonsdécritprécédemmentnécessite
l'utilisationdeK ltresanalogiquesenparallèleparfaitementorthogonaux.Detelsltressont
prati-quementimpossiblesàréaliseretleurimplantationesttrèscoûteuse.C'estpourquoicetteopération
estaujourd'huiréaliséenumériquement.Lemessagenumériqueainsicréésubituneconversion
numé-rique-analogiqueavant d'êtreémis.DanslemodèleOFDMdiscret,lesbancsdeltresdel'émetteur
et du récepteur sont en règle générale remplacés par une transformée de Fourier discrète inverse
(TFDI) et par une transformée de Fourier discrète (TFD), respectivement. Le canal réalise une
convolution linéaire discrète dansledomaine temporel.Le préxe cycliqueopèreexactement de la
même façon dans ce système que dans le modèle continu et les calculs peuvent être menés de la
même façon.
Du point de vue du récepteur, l'utilisation d'un préxe cyclique plus long que la réponse
Fig.I.4:Modèle discretdu systèmeOFDM. dantau n eme symboleOFDM: y n =TFD(TFDI(a n )~ n +~n n ) =TFD(TFDI(a n )~ n )+n n (1.17) où y n
contient les K échantillons reçus, a n
les K symboles appartenant à transmis, n
la
réponse impulsionelle du canal échantillonnée et ~n n
le bruit de canal. Puisque le bruit de canal
est considéré blanc et Gaussien, le termen n
=TFD(~n n
) représente un bruit Gaussien décorrélé.
Deplus, laTFD de deux signauxsubissant une convolution cyclique estégale au produit de leurs
transforméesdeFourier.Ennotant'Æ'lamultiplicationélémentparélément,l'expressionprécédente
peutdonc s'écrire :
y n =a n ÆTFD( n )+n n y n =a n Æc n +n n (1.18) où c n = TFD( n
) est la réponse fréquentielle du canal. Nous obtenons donc le même type de
canauxGaussiensparallèlesquedanslemodèlecontinu.Laseule diérenceprovientdu faitqueles
atténuations ducanalc n
sont donnéesparlaTFDdetailleK ducanaldiscret temporel,aulieude
laréponsefréquentielle échantillonnée vue dans(1.16).
Interprétation temps-fréquence
Les modèles décrits précédemment sont deux modèles classiques de l'OFDM avec préxe
cy-clique.Un modèleplus général estde voirl'OFDMcommeun systèmede transmissionde données
sur un treillis bidimensionnel dans le plan temps-fréquence. Considérons tout d'abord un signal
OFDMs(t) . s(t)= n=+1;m=K 1 X a mn mn (t); (1.19)
où la fonction mn
(t) est la translatée d'une fonction prototype p(t) de n 0 en temps etde m 0 enfréquence,soit: mn (t)=p(t n 0 )e j2m0t
:Cetteconstatationmontrel'existenced'untreillis
bidimensionnel dansle plantemps-fréquence(g.I.5) [27],[32 ].
Fig. I.5:Représentation temps-fréquenced'unsystèmeOFDM.
La fonction prototype peutêtre lafenêtre rectangulaire
p(t)= 8 < : 1 0 0t 0 0 ailleurs : (1.20)
danslecasd'unsystèmeOFDMnonltré oubiendesltresen racine deNyquistdanslecasd'un
systèmeOFDMltré.L'espacementfréquentielentredeuxsymbolesestalorsde 0 = 1/( 0 T cp ) , où T cp
estla longueur dupréxe cyclique. Chaque symbole de donnéetransmissubit un
évanouis-sement plat, ce qui simplie l'égalisation et l'estimation de canal. Les atténuations du canal en
chaquepoint dece treillis sont évidemment corrélées.
1.2 Modélisation de la chaîne étudiée
La chaîne présentée ci-dessous est la chaîne complète considérée dans ce mémoire. Pourtant,
danscertaines parties,certainsblocscommelecodeuretl'entrelaceurneserontpasprisen compte.
1.2.1 Caractéristiques du signal transmis
temps-Fig. I.6: Chaîne dusystèmeétudié.
ment dunombredeporteusesdusystèmeOFDMetpeutprendreencompte toutou partied'unou
plusieurs symboles OFDM.Sa formeet sataillesont donc libres, de manière às'adapter au mieux
au système.
Chacun de ces blocs, de dimensions n s
n p
, n s
étant le nombre de symboles OFDM et n p
le
nombre de porteuses appartenant au bloc,est composéde N =n s n p symboles fa mn g d'énergie fE mn
g et de position bidimensionelle (mF;nT) où F et T sont respectivement l'espacement en
fréquenceet entemps entre deuxsymboles adjacents. Il contient N D
symboles de donnéesindexés
dans l'ensemble S D
et N P
symboles pilotes indexés dans l'ensemble S P
. On considérera dans la
suite de ce mémoire que les symboles appartiennent à un alphabet d'une modulation de phase
(MDP). En eet, nous verrons que l'hypothèse de symboles à enveloppe constante est nécessaire
pourles nouvelles méthodes d'estimation de canalprésentéesdans cemémoire.
Fig. I.7:Exemple de bloctemps-fréquence
plus de précision, mais risque d'introduire des interférences au niveau de la porteuse elle même
et par conséquent de réduire la capacité du système OFDM dans un contexte de réutilisation de
fréquence.L'estimationdecanalselonles techniquesprésentéesdanscemémoire permet deréaliser
une estimationde canal optimalequelle quesoit lavaleur delapuissance dessymbolespilotes.
1.2.2 Modélisation du signal reçu
Commenousl'avonsdéni,lerécepteurtraitelesignalreçuparbloctemps-fréquence.Cesignal
est reçu sur un réseau de L capteurs décorrélés spatialement, créant L branches de diversité. Sur
chacune des branches de diversité, le signal reçu est en premier lieu démodulé par la transformée
de Fourier discrète. On suppose que le signal en sortie de la l eme
branche de diversité associé au
symbolea mn s'écrit : R l mn =c l mn a mn +N l mn (1.21) oùc l mn
est lefacteurde gainducanaldiscret delal eme
branche vupar lesymbolea mn
et N l mn
est
un bruit blancGaussien additif complexe de variance N 0
. Lesfacteurs de gainssont indépendants
d'unebranchedediversitéàl'autre,maiscorrélés entreeuxentempsetenfréquencesurunemême
Æ(k)=[m(k);n( k)]entrel'ensemblemonodimensionnelf kg N 1 k=0 etl'ensemblebidimensionnel S=S D [S P ; Æ D
( k) = [m( k);n( k)] entre l'ensemble monodimensionnel fkg N D 1 k=0 et l'ensemble bidimen-sionnelS D ; Æ P
(k) = [m(k);n( k)] entre l'ensemble monodimensionnel f kg N P 1 k=0 et l'ensemble bidimen-sionnelS P .
Fig.I.8:Représentation schématique desensemblesd'indexation
Soit (:) T
l'opérateur de transposition, écrivons levecteur signal en sortiedu ltre adaptéde
lal eme branche de diversité: R l = h R l Æ( 0) ;:::;R l Æ( N 1) i T : (1.22)
couple d'indices ( m;n),nousdénissons levecteur normalisédu bloctransmis : A= A Æ(0) ;:::;A Æ(N 1) T (1.23) avecA Æ( k) = a Æ( k) Æ a Æ( k)
.Surcettebase,ilestpossiblederéécrirelescomposantesduvecteurreçu
surlal eme branche dediversité : R l Æ( k) =C l Æ( k) A Æ(k) +N l Æ( k) (1.24) où C l Æ( k) est lad eme composante du vecteur C l = h a Æ( 0) c l Æ(0) ;:::; a Æ( N 1) c l Æ( N 1) i T (1.25)
desfacteursde gainnormalisés du canaldiscret multiplicatif équivalent surlal eme
branche.
1.2.3 Caractéristiques du canal de propagation
Comme l'indique le titre de ce mémoire, les canaux auxquels nous nous intéressons sont des
canaux sélectifs en temps et sélectifs en fréquence. Nous noussommes attaché ici à travailler avec
descanauxmultitrajetsàévanouissement.Lecanalmultitrajetestunenvironnementdepropagation
dans lequel le signal parvient au récepteur depuis plusieurs trajets dus à des eets de réexion et
de dispersion. Ces facteurs peuvent aisément mener à des uctuations rapides de la phase et de
l'amplitude du signal. Chaque trajet est caractérisé par sa puissance moyenne, par le retard de
propagation qu'il subit etpar son spectre de puissanceDoppler dépendant de l'environnement, de
lavitesse du mobile ainsique de laporteuseà laquelle est émislesignal. Le canal de propagation
estgénéralement représentéde lafaçon suivante :
g( ;t)= X q q ( t)e j2fcq( t) Æ( q ( t)) (1.26) où q
(t)représentelefacteurd'atténuationvariantdansletemps,f m lafréquenceporteuseet q (t) leretarddepropagationduq eme
trajet.Maisdansl'étuded'unsystèmeOFDM,onémetl'hypothèse
quesurune porteuseetsurune périodesymbolelecanal peutêtreconsidéré commeinvariant.Sur
une porteuse donnée m et pour le n eme
symbole OFDM reçu de durée T s , le facteur de gain du canal devient: c mn = X q e j2f c q Æ( q ): (1.27)
Les évanouissements subis par chaque trajet peuvent être aussi bien de type Rayleigh que de
type Rice. Le canalest donc caractérisé[60] par sonétalement DopplernotéB d
etpar l'étalement
des retards noté T m
. Dans cette étude, nous nous sommes uniquement intéressés aux canaux de
typeRayleigh, cecinerestreinten rienlechampd'applicationdestechniquesd'estimation de canal
présentéesdans cemémoire.
Au niveau d'un capteur enréception, lafonction d'autocorrélationtemps-fréquence du canalà
spectre de puissance Dopplerclassique età prol d'intensité multitrajets exponentiel de puissance
moyenne ( 0;0) estdonnéepar [60] :
( f;t)=( 0;0) J 0 ( B d t) 1+j2T m f (1.28) J 0
(:) représentant la fonction de Bessel de première espèce d'ordre 0, t et f respectivement
l'espacement temporel etfréquentielentre deuxsymboles adjacents.
Fig. I.9: Fonction d'autocorrélation ducanal àspectre de puissanceDopplerclassique
età prol d'intensité multitrajetsexponentiel
Un canal de propagation, comme nous l'avons déjà armé, peut être caractérisé par ses
para-mètres étalement Doppler B d
et étalement des retards T m
. Nous avons choisi de prendre comme
paramètre du canal le produit B d
T m
. Mais à une valeur du produit B d
T m
xé correspondent une
innité de valeurspour B d
etT m
dant,dansunsoucidenepasfavoriserl'uneoul'autredesdimensionssélectivesducanal(entemps
ou en fréquence), nousavons choisi de xer le rapport B d
=T m
de telle façon que les variations en
tempsetenfréquencesedérouleselonlesmêmesrèglesstatistiques.C'estàdirequelavariancedes
retards etlavariance delafréquence Doppler soient égales.
Le détailde cescalculs estdonné en annexeD et mène àlarelation :
B d =2 p 2 T m
Ce quidevient, sil'on pose B d T m = : B d = q 2 p 2 T m = r 2 p 2
La gureI.11ci-dessousdonne unexemplede réalisationdechacun descanaux utilisésdansles
simulationsprésentéesplusavant.CescanauxvérientlarelationentreB d
T m
donnéeci-dessus.On
vérie bienqueles variations temporelles etfréquentiellessont homogènes.
Fig.I.10:Exemples de canauxpour diversesvaleursdu produitB d
T m
porteuses.Surdetels blocs,nousconsidéreronsquelescanauxdeparamètreB d T m =1=8 2 et1=16 2
sont très sélectifs, le canal B d
T m
= 1=32 2
est moyennement sélectif etle canal B d T m = 1=64 2 est faiblement sélectif.
1.2.4 Représentation du canal de propagation
Pourréaliseruneestimationdecanalsemi-aveugleausensdumaximumaposteriori,nousavons
besoind'unereprésentationprécise ducanal. Notrereprésentation estbaséesurune version
discrè-tedu théorème d'extension orthogonale de Karhunen-Loève [2]. Pour une question de clarté, nous
considéreronsque lestrajets ducanal obéissenttous àdesatténuations de Rayleigh.
Proposition 1 Le vecteur représentant le canal - observé au l eme
capteur lors de la transmission
d'un bloc de données temps-fréquence -peut s'exprimer sous la forme :
C l = N 1 X k=0 G l k B l k (1.29) où les f B l k g L 1 l =0
sont les vecteurs propres normalisés de la matrice d'autocorrélation F l = E C l C T l deC l etlesfG l k g N 1 k=0
sontdescoecientsGaussienscomplexesindépendantsetcentrés.
Lesvariancesdecescoecients,que l'onsupposeraparlasuiteclassésdansl'ordre décroissant,sont
égalesauxvaleurspropresf l k g N 1 k=0 delamatricehermitienneF l .LessystèmesfB l k g N 1 k=0 -lvariant
de 0 à L 1 -forment L bases orthonormales de l'espace canonique complexe à N dimensions.
Démonstration. Cetteproposition estuncasparticulierduthéorèmed'extension orthogonale
de Karhunen-Loève continu [59 ].
Eneet, d'aprèslethéorème dedécomposition orthogonalede Karhunen-Loève etpuisque lecanal
depropagationsurchacunedesbranchesdediversitéformeunprocessusstochastique,ilestpossible
d'écriredevecteurC l
représentantlecanalobservéparunebrancheréceptricelorsdelatransmission
d'unbloc temps-fréquencede lafaçon suivante:
C l = N 1 X k=0 G l k B l k (1.30) Les vecteursfG l g L 1 l =0 ,où G l =(G l 0 ;G l 1 ;:::;G l ;N 1 ) T
,sont notre représentation du canal discret
vuensortiedelal eme
antennederéception. Noussavonsquel'enveloppe ducanalestdeRayleigh,
c'estàdirequechaquefacteurdegainC l Æ( k)
1.30. Les fG l k
g
l =L 1;k=N 1 l =0;k=0
sont donc des variables complexes Gaussiennes de variance l k .D'où Re[ G l k ]etIm[ G l k
]sont desvariables Gaussiennesde variance l k /2.Onendéduit que p( G l k )=p(Re[G l k ])p(Im[G l k ]) = 1 p l k e jRe[G lk ]j 2 lk 1 p l k e jIm[G lk ]j 2 lk = 1 l k e jG lk j 2 lk : (1.31)
D'où lafonctionde densité deprobabilitédu vecteur G l
estrégie par l'expression:
p(G l )= N 1 Y k=0 e jG lk j 2 / lk l k : (1.32)
Quandlerécepteuralaconnaissanceexactedescaractéristiquesducanalévanescentàmultitrajets,
le (p;q) eme
élément de lamatrice hermitienne F l
correspondant à la l eme
branche de diversité est
explicitement donnée par :
F l pq = q E Æ( p) E Æ(q) l ( (m(p) m(q))F;(n(p) n(q))T): (1.33)
Enpratique,lesstatistiquesducanaldepropagationnesontpasprécisémentconnuesdurécepteur,
maislesparamètres B d
etT m
peuvent yêtreestiméspar destechniquesquenousn'aborderons pas
dansce mémoire.
1.3 Simplication de la représentation du canal
L'utilisation du modèle de canal tel que déni dansles paragraphes précédents peutamener à
destraitementstrèscomplexes.Eneet,lecanalobservésurunebranchedediversitéestreprésenté
par autant de vecteurspropres quelenombre N de symboles formant unbloc traité.
C l = N 1 X k=0 G l k B l k
Cependant,nous savonsqueles paramètres fG l
kg N 1 k=0
sont desvariablesaléatoires gaussiennes
de variance k
=2. Ceci signie que lorsque la valeur propre k
associée au vecteur propre B k
est
faible,le vecteur propreB k
necontribue quefaiblement àla représentation ducanal C l
.
Les simulationque nousavonsprésenterons par lasuite ont étéréalisées pour des canauxdont
nousavonschoisiles paramètresB etT telsque leurproduitvalent 1=64 2 ,1=32 2 ,1=16 2 et1=8 2 .
LagureI.11représente les valeurscumulées des40premièresvaleurspropresdesmatrices
d'auto-corrélationde chacun de cescanaux.
Fig.I.11:Valeurspropres cumulées pour lescanaux depropagation àB d T m =1=64 2 ,1=32 2 ,1=16 2 et 1=8 2
Cette gure nous montre que pour représenter le canal à 99% de sa puissance, il est susant
deneprendreencomptequ'unnombrelimitédevaleurspropresreprésentédansletableausuivant:
Nombreutile B d T m devaleurspropres 1=64 2 2 1=32 2 6 1=16 2 13 1=8 2 35
Tableau 1.1:Nombre de valeurspropres susantes
pour représenterlecanal à99% desapuissance
Il est donc très simple de simplier lemodèle de canal et ainside minimiser la complexité des
1.4 Conclusion
Dans ce premier chapitre,nous avons présentéles modèles classiquesd'unsignalOFDM. Nous
nous intéresserons particulièrement dans la suite de ce mémoire à une modélisation en "treillis"
du signal OFDM, permettant de considérer le signal OFDM reçu par blocs temps-fréquence de
symboles,chaquesymboleétant aectépar un canalmultiplicatif etpar un bruitadditif.
Nous avons également introduit une nouvelle modélisation du canal de propagation basée sur la
décomposition orthogonale de Karhunen-Loève de la matrice d'autocorrélation du canal. Cette
représentation du canal permet de représenter un canal de propagation de manière très simple et
grâce àun nombre relativement peu élevéde paramètres.
Dans le chapitre suivant, nousprésentons une technique d'estimation de canal semi-aveugle basée
Estimation de canal semi-aveugle au sens
du Maximum a Posteriori
Dans cette partie, nous nous sommes xé comme objectif de réaliser une estimation du canal
de propagationgrâceà l'information apportée pasles symbolespilotes contenus par lebloc
temps-fréquencetraité. De plus, pour améliorer l'estimation, nouscherchons àutiliser lemodèle de canal
présenté danslechapitre précédent.
Nousconsidérons quelerécepteur a une connaissance a priori desstatistiques ducanal, ce qui lui
confèredirectement laconnaissancea priori delabasedevecteurspropresdelamatrice
d'autocor-rélationducanal. Ceta priori nouspermetdepenserquelameilleure méthode àemployerdansce
casest celleduMaximuma Posteriori.
2.1 Introduction
Le canal de propagationvupar le récepteurpeutnon seulement varier de manièresignicative
d'unbloctemps-fréquenceàl'autre,maiségalementàl'intérieurd'unbloclui-même.Cettevariation
estprincipalement dueauxchangementsdesconditions depropagationentrel'émetteuret le
récep-teur. D'unpoint devue physique,lecaractère variabledu canalpeutêtre caractérisé, commenous
l'avonsdéjà vu, par leproduit B d
T m
. Plusce produitest grand, plus lecanal varie rapidement
danslesdomainestemporeletfréquentiel.Deplus,d'unsymboleàl'autrelecanalestcorrélé. Ceci
proscrit l'utilisation du critère du maximumde vraisemblance, puisque samiseen oeuvre dans un
posterioripermetdetenir comptede cette corrélation,nousbaseronsnotreestimationde canalsur
ce critère.
2.2 État de l'art
2.2.1 Introduction
Dans cette section, nous allons décrire les méthodes d'estimation de canal existantes dans des
contextes OFDM. Ces méthodes peuvent être simpliées par l'utilisation de modulations
diéren-tielles.Une modulationnumérique peutêtrequaliée dediérentielle oudecohérente.L'utilisation
d'unemodulation diérentielle permetdesepasser d'estimerlecanal puisquel'information est
co-dée dansla diérence de phase entre deux symboles consécutifs. Cette technique est couramment
utiliséedanslessystèmessanslpuisqu'elleréduitconsidérablement lacomplexitédurécepteurne
comportantpasd'estimateur decanal. Lamodulation diérentielle par déplacement dephase
(Dif-ferential PhaseShiftKeying :DPSK)estutiliséedanslanormeeuropéenneDigitalAudioBroadcast
(DAB)[24 ].Cettesimplicitén'estévidemmentpasdépourvued'inconvénients, eneet ladiérence
entre une modulation diérentielle et une modulation cohérente en terme de performances est de
l'ordrede3dBencanalGaussien[60 ]etlesmodulationsdiérentiellesclassiquesnepermettentpas
l'utilisation de constellations multi-amplitude. Bien qu'en général, ces méthodes n'en comportent
pas, ellespeuvent tirer partide l'aideapportée par unestimateur decanal [28 ].
Il existe une alternative intéressante aux modulations cohérentes et diérentielles classiques :
lesmodulationsdiérentiellespardéplacement d'amplitudeetdephase(Dierential Amplitude and
Phase Shift Keying : DAPSK) [22], [23 ], [61 ], [64]. Elles présentent une ecacité spectrale bien
supérieure aux modulations de phase classiques (MDP) puisque l'amplitude des symboles subit
également un codage diérentiel.
Lesmodulationscohérentespermettentl'utilisationdeconstellationsarbitrairesetsontunchoix
évident pour lessystèmeslaires oùlecanalnevariequetrès peu avec letemps.Danslessystèmes
sans-l,l'ecacitéspectraledesmodulationscohérentesenfontunchoixintéressantlorsqueledébit
esttrès élevé, commedanslanormedigital video broadcast (DVB) [25],[15].
La conception d'unestimateurde canalrepose fondamentalement surdeuxproblèmes :
laquantité de symboles pilotes devant être transmise
pendent de laquantité d'information pilote émise. Cependant, quelques méthodesrécemment
ap-paruesn'utilisentaucuneinformation pilote. Cesméthodesditesaveugles sebasentsurl'utilisation
delacyclostationaritéintroduitepar lepréxecyclique[16 ],[34 ],[7 ],ousurlaméthodesous-espace
[53 ]initiée dans[52].Unedernièreméthodeproposéedans[12]réalise l'estimationaveuglede canal
au sensdu critère duMaximum deVraisemblance sansaucuneinformation surles caractéristiques
statistiques ducanal.
La littérature contient aujourd'hui un grand nombre d'article portant sur les techniques
semi-aveugle, utilisant des symboles pilotes multiplexés au signal transmis. Les symboles pilotes
per-mettent d'obtenir par interpolation uneestimation du canalsurl'ensemble dessymbolestransmis.
Cette technique est appelée Modulation Assistée par des Symboles Pilotes (Pilot-Symbol Assisted
Modulation -PSAM) etaétéintroduite pour dessystèmesmono-porteusepar MoheretLodge[50 ]
puisanalyséepar Cavers[8].Puisque,enOFDM,chaquesous-porteuseestsoumiseàun
évanouisse-ment nonsélectif,laméthode PSAMpeutêtregénéraliséeauxdeuxdimensions(temps-fréquence),
où les pilotes sont placés à certaines positions du treillis OFDMtemps-fréquence. L'estimationde
canalest alorsréalisée par uneinterpolationbidimensionelle.Hoëherproposed'utiliser desltresà
réponseimpulsionellenie(RIF)[35]pour cetteinterpolationetdeséparerl'utilisation des
corréla-tions temporelles et fréquentiellesdu canal. Celareprésente un bon compromisentrelacomplexité
etles performances.
L'espacement des symboles pilotes pour la méthode PSAM pour des systèmes mono-porteuse
a été étudié dans [8]. L'espacement optimal est proche du rythme d'échantillonnage de Nyquist,
c'est à dire l'inverse de la largeur de bande de la fonction de covariance du canal. Ce résultat se
généraliseauxdeuxdimensionspourletreillistemps-fréquencedel'OFDM.Utiliserunerépartition
densedessymbolespilotessigniequelecanalestsur-échantillonné,ceciimpliquequelesméthodes
d'estimationàréductionderang[21]peuventêtreecaces.Cetyped'estimateuràfaiblecomplexité
projette leséchantillons observéssurunespacede plusfaibledimension etréalise l'estimationdans
ce sous-espace. En sur-échantillonnant le canal, en plaçant les symboles pilotes proches les uns
des autres, les observations se trouvent essentiellement dans un sous-espace et les estimateurs à
réductionde rangsont très ecaces.
Danscequisuit,nousallonsprésenterdesestimateursdecanalutilisantuneinformationpilote.
La littérature s'est beaucoup étoée depuis une dizaine d'années concernant l'estimation de canal
grandestechniquesetcritèresd'estimation ontétéutiliséspour l'estimationdecanal OFDM.Nous
verrons cependant quetrèspeu decestechniquessesont souciéesdeprendreencompte àlafoisles
sélectivités temporelleetfréquentielle ducanal depropagation.
Les diérentes techniques d'estimation de canal sont présentées ici selon le type de sélectivité
qu'elles prennent en compte. Dans un premier lieu,nous verrons les méthodes n'exploitant que la
sélectivitétemporelle,ensecondlieulesméthodesconsidérantdescanauxsélectifsenfréquencepuis
les méthodes prenant encompte les deuxsélectivitésà lafois.
2.2.2 Estimateurs de la phase du canal
Dans lalittérature, unpetit nombre de publicationsconcernent lesestimateurs dephase. Cette
famille d'estimateur concerne plusparticulièrement leproblème dedémodulation diérentielle.
Ce-pendant,cesméthodespeuventêtreégalementappliquéesauxproblèmesdedémodulationcohérente
[65 ],[66], [54]ou quasicohérente [63 ].
2.2.3 Estimateurs des facteurs de gain du canal
Estimation de canal au sens du critère des moindres carrés (MC)
La méthode d'estimation de canal la plus simple, lorsque les symboles émis sont connus, est
l'estimation au sens des Moindres Carrés (Least Square : LS). Dans ce cas, le facteur de gain du
canal s'exprimesimplement
c mc ( k;l)= y k;l a k;l ; (2.2) y k;l étant l'échantillon du l eme
symbole OFDM reçu sur la k eme
porteuse, et a k;l
le symbole émis
(pilote ou démodulé) correspondant. On rencontre deux grandes familles d'estimateurs basés sur
les MC dans la littérature. La première est composée d'estimateurs avec retour de décision (ces
méthodessont présentées dansleparagraphe desestimateurs avec retourde décision),ladeuxième
familled'estimateurs MCconcerne dessystèmespourlesquelsl'information piloteestrépartiedans
l'ensembledel'espacetemps-fréquencedusignalOFDM.Cetyped'estimateursréaliseune in
terpo-lationsoit fréquentielle [38],[51],soit bidimensionelle[9] de l'estimationMCréalisée au niveau des
symbolespilotes à l'ensemble dessymbolesde donnée.
parsymbole.L'interpolationdel'estimée ducanalauniveaudespilotesestréaliséedansledomaine
fréquentiel. RinneetRenfors [62 ] proposent deuxestimateurs simples ausens des MC.Le premier
estime tout d'abord les valeurs des facteurs de gain du canal au niveau des pilotes et considère
quelecanalne varie pasdanslabande defréquence delargeur l'espacement fréquentielentre deux
symbolespilotes autourde lafréquence d'unpilote.
Fig.II.1:Interpolation MCconstante parmorceaux
Le deuxième réalise une interpolation linéaire considérant quele canalvarie linéairement entre
deuxpilotes.
Fig.II.2:InterpolationMC linéaire parmorceaux
Huang et Zhao [38] proposent une méthode d'interpolation polynômiale par morceaux. Dans
unsymboleOFDMlespilotessont régulièrement répartis parpaire.L'estimationinitialeau niveau
des pilotes est réalisée, puis chaque symbole OFDM est découpé en segments fréquentiels et le
canalsurchacun dessegmentestmodéliséparunpolynôme.L'estimationdecanalcomplètesurun
symboleOFDMest reconstruite à partirdes polynômesélémentaires obtenus surchaque segment.
L'interpolationestdoncsimpliéepuisqu'ellen'estréalisée qu'àpartirdequelquesporteusespilotes
par segment.
Chang [9] propose de réaliserune interpolationbidimensionelle au sens desmoindres carrésen
considérant que lecanalest une paraboloïde
etles coecients( a;b;c;d;e;f) sont déterminéspar laminimisation de X (k;l )2S P (c mc (k;l) f(k;l) ) 2 : (2.4)
Interpolation utilisant un ltre à réponse impulsionelle nie (RIF)
Dans [51 ], Moon et Choi présentent deux alternatives bidimensionelles aux techniques MC
simplesdeRinneetRenfors[62 ].Lestechniquesproposéesutilisentunltraged'interpolation
Gaus-sien ou un à splines cubique. Les ltres utilisés sont des ltres à réponse impulsionelle nie(RIF)
à 3 coecients et utilisent par conséquent les estimations du canal au niveau de 3 symboles
pi-lotes.Ici,l'interpolationestréalisée dansl'espace temps-fréquenceet passeulementsurunsymbole
OFDM. Cependant,contrairement à [9],l'interpolationbidimensionelle est réalisée pardeux ltres
monodimensionnels RIF, lepremierréalise l'interpolation dansledomaine fréquentiel,ledeuxième
dansledomaine temporel.L'estimationducanalobtenue estensuiteltréeanderetirerla
contri-bution du bruit tout en préservant la réponse impulsionelle du canal. L'estimée est transformée
dansledomainetemporelpar uneTFDI. Cetteestiméetransforméepeutêtre considéréecommela
réponseimpulsionelleducanal.Seulssont conservésleséchantillons correspondantaumaximumde
lapuissanceducanalpar unltragepassebasrectangulaire,et ceséchantillons subissent uneTFD
fournissantnalement lesfacteursde gainfréquentiels ducanal.
Fig.II.3:Filtrage basésurlatransforméede Fourier
Onizawaetal.[55 ]proposentuneméthodepermettant desélectionnerunltreRIFd'estimation
decanalparmiunensembleprédéni.CechoixsebasesurlesestimationMCréaliséesauniveaudes
symbolespilotes.LanormeduvecteurdiérenceentrelesestiméesMCducanalsurdeuxporteuses
adjacentesestutiliséecommecritèredechoixdultre RIFservantd'interpolateur àl'ensembledes
L'interpolation peutégalement être réalisée en adoptant un modèle de canalbasé surune base
depolynômesorthogonaux.Dans[33]estprésentéeuneméthodemodélisantlecanaldepropagation
à partirdespolynômesde Schmidt
C= M X m=0 m P m (2.5)
La projection du signalreçu auniveau dessymboles pilotespermetd'estimer les paramètres f m
g
etlecanal estétenduà l'ensembledessymboles de donnéesuivant 2.5.
Estimationdecanal parlecritèrede l'erreurquadratiquemoyenneminimale(EQMM)
Le critère de l'Erreur Quadratique Moyenne Minimale est très souvent rencontré dans la
litté-rature concernant l'estimation de canalpour dessystèmes OFDM.Ce critère estutilisé pour deux
grandesfamillesd'estimateurs.Lapremièreconcernel'application laplusconnueducritèreEQMM,
leltragede Wiener. Lesestimateurs de ladeuxièmefamille réalisent unltrage passe-bas au sens
de l'EQMM dansundomaine de transformation obtenu par transforméedeFourier.Dans ce
para-graphe,nousneprésentonsquelestechniquesbaséessurl'EQMM directes,lestechniquesutilisant
lecritère de l'EQMM dansundomaine de transformation sont présentées plus loin.
L'estimateur linéaireoptimalpour lessystèmesOFDMausensdel'erreurquadratiquemoyenne
(EQM) estleltrede Wiener2-D(temps-fréquence) [36 ],[43].Lacomplexité decetestimateur est
souvent trop grande pour une utilisation pratique. Des estimateurs sous-optimaux de plus faible
complexité ont, par conséquent, été présentés dans la littérature [35 ], [70]. Il existe deux classes
d'estimateurs, les estimateurs bidimensionnels etles estimateurs séparables. L'utilisation de ltres
séparables est une méthode courante pour réduire la complexité en terme de traitement de signal
multi-dimensionnel [19 ].
Ici, les atténuations du canalestimées ausens desmoindres carrés(MC)sont notées :
^ c mc =X 1 y= h y 0 x 0 y 1 x 1 y N 1 x N 1 i T (2.6)
Où y est levecteur desdonnées reçues etX le vecteur des symboles transmis. L'estimation nale
desfacteurs de gain du canalest réalisée par combinaison linéaire des ^c mc
(k;l) , où les coecients
delacombinaisonlinéairedépendent delastructuredel'estimateur.L'estimateur ausensducritère
de l'erreur quadratiquemoyenne minimale linéaire^c eqmml
estdonné par [67] :
^c eqmml =R cc R cc + 2 XX H 1 1 ^c mc (2.7)
où R cc
est la matrice d'autocovariance du vecteur canal c. Le calcul de XX H
1
se révélant
gourmandencalcul,unesimplicationn'apportantquepeudedégradation[21 ]peutêtreétablieen
prenant lamoyenne stochastiquedecetestimateur.L'expression del'estimateursimpliéestalors:
^c=R cc R cc + SNR I 1 ^ c mc (2.8) où =E h j x k j 2 i E h j1/x k j 2 i et SNR =E h jx k j 2 i. 2 n . Estimation fréquentielle
Dans [20 ], puis [21], Edfors et al. présentent une méthode d'estimation linéaire au sens de
l'EQMM dont lacomplexité est réduite grâce à laréduction de rang optimale. Cette méthode est
obtenue parladécompositionenvaleurssingulièresdelamatrice d'autocorrélationfréquentielle du
canal R cc =UU H (2.9)
U étant une matrice unitaire contenant les vecteurs singuliers de R cc
et une matrice diagonale
contenant lesvaleurssingulières deR cc 1 2 ::: N
sursadiagonale.L'estimateur optimal
de rangpest [20 ] : ^ c p =U p U H ^ c mc (2.10) où p =diag(Æ 1 ;:::;Æ N
)est une matricediagonale déniepar :
Æ k = 8 < : k k + SNR ; k =1;2;:::;p 0; k =p+1;:::;N (2.11)
Fig.II.4:Réduction de rangbaséesur ladécomposition en valeurs singulières
La technique àréduction de ranga étéreprise par Hsieh dans[37],de lamême façon quedans
[20 ] cette méthode n'est pasutiliséepour interpoler les estimées desfacteursde gain ducanal aux
symbolesdedonnée,ellesertàaméliorerl'estimationducanalauniveaudespilotes.L'interpolation
estensuite réalisée linéairement ou par despolynômesdusecond degré.
Une méthodemulti-entréesmulti-sortiesbaséesurlecritèreEQMMavecdiversitéd'antenneest
également présentéedans [75].
Filtres séparables
Certainesméthodesproposéess'appuientsurlefaitquelafonctiondecorrélationtemps-fréquence
du canal peut s'écrirecomme leproduit desfonctions de corrélation en temps eten fréquence. Ce
constat permet d'établir qu'un ltrage bidimensionnel peut être réalisé par la succession de deux
ltresmonodimensionnels.
Dans [39], l'estimation fréquentielle est réalisée suivant la technique classique du ltrage de
Wiener. Hutter proposedeux interpolations temporelles :
ltragepasse-bas utilisant la transforméedeFourier,
ltrageà phaselinéaire.
Li et al., dans [74 ], proposent une extension de [21] en utilisant à la fois les corrélations en
fréquence eten temps du canal. Cetteméthode utilise deux ltresbasés sur latechnique proposée
dans [21], le premier basé sur la corrélation temporelle du canal et le second sur la corrélation
fréquentielle.
Filtres bidimensionnels
Le ltre deWiener 2-D estoptimal en termed'erreur quadratiquemoyenne, si on ne considère
pasla complexité. Quoiqu'il en soit,pour une complexité xée, lenombre de coecientsdu ltre
utiliséspeutêtreassezfaible.Ilexisteégalement uneversionàcomplexitéréduitedecetestimateur
utilisant lathéoriede réductionde rang.
Pour l'estimationdechaquefacteurde gainducanal,un setdeN P
pilotesestutilisé.Lespoids
optimaux du ltre de Wiener sont obtenus en utilisant ce set de N P
pilotes dans laformule (2.7),
[36 ],[43], [13].
Une versionmoinsclassiquedultredeWienerestprésentéeparFrenger etSvenssondans[28].
Le ltrage de Wiener est utilisé pour prédire le canal à l'instant l sur la porteuse k grâce à une
partie dessymboles reçusdansles symbolesOFDMprécédents.
Fig.II.5:Filtre de Wienerbidimensionnel
Fig.II.6:Schémade latechnique proposée par Frenger [28 ]
Yangetal.[76 ]proposentégalementuneméthodebaséesurlecritèredel'EQMM,cetestimateur
réalise en premier lieu une estimation des retards de chacun des trajets du canal de propagation.
Pourcela,laméthodeESPRITestutiliséepourinitialiseruneboucleàverrouillagederetards(BVR)
qui suivra les variations des retards. Les retards de propagation étant connus, une estimation des
facteursde gaindu canalcorrespondantsà cesretards ausens del'EQMM est réalisée.
Estimation de canal par Filtrage de Kalmann
Quelques techniques rencontrées dans la littérature se basent sur le ltrage de Kalmann. La
première d'entre elle est proposéepar Tufvesson etMaseng[71]. Ils'agit d'unltrage de Kalmann
l'autre. L'ensemble desfonctionsde transfert àun instantdonné s'écrivent :
C( k+1)=C(k)+(k) (2.12)
y(k)=M( k)C(k)+e( k): (2.13)
La matrice estune matrice diagonaleN N d'éléments
e k AR 2f d Ts (2.14)
dénissant leprocessusAR.T s
estladuréesymboleincluantletemps degardeou préxecyclique.
La matrice de covariance du bruit blanc (k) est R 1
: Le vecteur y( k) contient la fonction de
transfertmesurée, M(k)est unvecteur d'observationavec des1auxpositionsmesurées àl'instant
k et e( k) est un bruit de mesure de matrice de covariance R 2
: Le paramètre k AR
du processus
AR est choisi pour ajuster la mémoire du modèle du canal. Les équations typiques du ltrage de
Kalmann deviennent : ^ C(kjk)= ^ C(kjk 1)+K(k) y( k) M(k) ^ C(kjk 1) (2.15) ^ C(k+1jk)= ^ C(kjk 1)+K( k) h y( k) M(k) ^ C(kjk 1) i = ^ C(kjk) (2.16) K(k)=P(kjk 1)M(k) [M(k)P(kjk 1)M( k) +R 2 ] 1 (2.17) P(kjk+1)=P (kjk 1) +R 1 K(k)[M(k)P (kjk 1)M(k) +R 2 ]K( k) (2.18) P(kjk)=P(kjk 1) P (kjk 1)M(k) [ M(k)P (kjk 1)M( k) +R 2 ] 1 M( k)P (kjk 1) (2.19)
K(k) étant le vecteur ltre de Kalmann, P(kjk 1) la matrice de covariance de la prédiction
d'erreur et P(kjk) lamatrice de covariance de l'estimation de l'erreur.
Deux autres méthodes [5], [6] utilisant le ltrage de Kalmann existent etsont présentées dans
leparagraphe suivant,ellessont avant toutdesméthodesd'estimation à retour dedécision.
Estimation de canal avec retour de décision
La plupart des techniques d'estimation avec retour de décision sont basées sur le critère MC.
Le processus itératif de ces méthodes est initialisé par l'émission d'un symbole OFDM contenant
uniquement del'information pilote,fournissant aurécepteur une estimationMCdu canal sur
l'en-sembledes porteuses. Cettepremière estimation estutilisée commeinitialisation de l'estimateurà
Inter-de décoder les données en fournissant une information sur la abilité des données décodées. Ceci
permetd'évaluerànouveaul'estimationducanalparlamême techniquedesMoindresCarrésaprès
re-codage etre-miseen formedesdonnées décodées.
Fig.II.7:Principe desméthodesavec retour de décision
Le même procédé est utilisé dans[56] où l'estimation de canal est réalisée au sens des critères
Zero-Forcing ou EQMM oubien par unltrage de Kalmann[5].
Bulumulla [6 ] a également développé une méthode d'estimation de canal à retour de décision
baséesurlecritèreduMAPdanslaquellelesprobabilitésaposteriorisontcalculéesgrâceaultrage
de Kalmann.
Estimation par ltrage dans un domaine de transformation
Ces techniques transforment le signal reçu ou bien une estimation préalable MC ou EQMM
du canalversun domaine intermédiaire dans lequel estréalisé un ltrage. La majorité des articles
traitant de ce sujetutilisent latransforméede Fourier inverse pourcréer leur domaine de
transfor-mation.
Domaine de transformation obtenu par la transformée de Fourier inverse
La grande majorité des méthodes appartenant à cette catégorie fonctionnent selon le modèle
représentésur laguresuivante :
Q étant unltre dépendant ducritère choisi.
Filtrage rectangulaire - Zero padding
Danscecas,leltreQestsimplementunefenêtrerectangulaireetils'agitdestechniquessimples
utiliséepour éliminerlacontribution dubruit dansl'estimation decanal rencontrées dans[9].
Filtrage EQMM
Fig.II.8:Principedes méthodesd'interpolation par TFD
Fig.II.9:Principe desméthodesd'interpolationpar TFDavec ltrageEQMM
Jones [42] propose également un système de ce type, mais comportant plusieurs antennes à
l'émissioneten réception.
Autres ltrages Danslalittératureonrencontre égalementd'autres typesdeltrage comme
les fenêtresde Hammingou deHanning [77].
Domaine de transformation obtenu par la TFD bidimensionnelle
D'autrepart,ilexisteuneméthodebaséesurlatransforméedeFourier bidimensionnelle
présen-tée dans [46]. Le principe de cette méthode est strictement le même que la technique précédente.
Le ltrageestréalisé dansl'espace de transformation à2 dimensions.
Autres domaines de transformation
ZhaoetHuangproposentd'utiliserleduoTFDI/TFDpourgénérerunespacedetransformation,
mais cet espace est obtenu dans [79] en utilisant tout d'abord la transformée de Fourier directe.
Ceci donne naissance à une représentation du canal dans un nouveau domaine de transformation
qui est ltrée selon la puissance obtenue sur les pseudo-fréquences observées puis transforméeà
nouveau par latransforméede Fourier inverse.
Une autreméthode estbaséesurlefaitqu'unsignalOFDMpeutêtregénéréparlatransformée