Th´ eorie des matrices al´ eatoires et applications aux communications num´ eriques
Malika Kharouf
T´el´ecom Paristech et UHAC
9`eme Colloque des Jeunes Probabilistes et Statisticiens
06 Mai 2010
Bref apper¸cu sur la th´ eorie des matrices al´ eatoires
• Propri´ et´ es macroscopiques du spectre des matrices al´ eatoires
•
Comportement global du spectre,
•
Comportement asymptotique des valeurs propres extrˆ emes,
•
Comportement asymptotique de la loi jointe des valeurs propres...
• Propri´ et´ e d’universalit´ e: le comportement asymptotique du spectre est independant de la loi initiale des entr´ ees de la matrice en question.
Approches:
• Approche des moments
• Approche de la transform´ ee de Stieltjes
• ...
Bref apper¸cu sur la th´ eorie des matrices al´ eatoires
• Propri´ et´ es macroscopiques du spectre des matrices al´ eatoires
•
Comportement global du spectre,
•
Comportement asymptotique des valeurs propres extrˆ emes,
•
Comportement asymptotique de la loi jointe des valeurs propres...
• Propri´ et´ e d’universalit´ e: le comportement asymptotique du spectre est independant de la loi initiale des entr´ ees de la matrice en question.
Approches:
• Approche des moments
• Approche de la transform´ ee de Stieltjes
• ...
Bref apper¸cu sur la th´ eorie des matrices al´ eatoires
• Propri´ et´ es macroscopiques du spectre des matrices al´ eatoires
•
Comportement global du spectre,
•
Comportement asymptotique des valeurs propres extrˆ emes,
•
Comportement asymptotique de la loi jointe des valeurs propres...
• Propri´ et´ e d’universalit´ e: le comportement asymptotique du spectre est independant de la loi initiale des entr´ ees de la matrice en question.
Approches:
• Approche des moments
• Approche de la transform´ ee de Stieltjes
• ...
Plan de la pr´ esentation
• Contexte applicatif
• R´ esultats du premier ordre
• R´ esultats de fluctuations
• Illustrations num´ eriques
Syst` emes MIMO (Multiple Input Multiple Output)
• Technique de communication multi-antennes: ` a entr´ ees multiples et ` a sorties multiples.
• Gain matriciel: transmission de bonne qualit´ e.
Syst` emes MIMO (Multiple Input Multiple Output)
• Technique de communication multi-antennes: ` a entr´ ees multiples et ` a sorties multiples.
• Gain matriciel: transmission de bonne qualit´ e.
Repr´ esentation matricielle d’un syst` eme MIMO
Soit, ` a un instant donn´ e n, un signal re¸ cu r
net le signal ´ emis t
n. Le syst` eme MIMO ` a N ´ emetteurs et n r´ ecepteurs est donn´ ee par le syst` eme lin´ eaire suivant:
r
n= Σ
nt
n+ b
n, avec
• Σ
nest la N × n matrice mod´ elisant le canal de transmission,
• b
nun bruit blanc additif perturbant le signal transmis.
Σ
nest suppos´ ee al´ eatoire.
Repr´ esentation matricielle d’un syst` eme MIMO
Soit, ` a un instant donn´ e n, un signal re¸ cu r
net le signal ´ emis t
n. Le syst` eme MIMO ` a N ´ emetteurs et n r´ ecepteurs est donn´ ee par le syst` eme lin´ eaire suivant:
r
n= Σ
nt
n+ b
n, avec
• Σ
nest la N × n matrice mod´ elisant le canal de transmission,
• b
nun bruit blanc additif perturbant le signal transmis.
Σ
nest suppos´ ee al´ eatoire.
Information Mutuelle
Indicateur de performance des syst` emes MIMO: Information mutuelle entre le vecteur re¸ cu et le vecteur ´ emis donn´ ee par:
I
n(ρ) = 1
N logdet (Σ
nΣ
∗n+ ρI
N) , ρ un param` etre positif.
But:
Etudier le comportement asymptotique de la fonctionnelle
spectrale I
n(ρ) ainsi que ses fluctuations.
Lien avec les matrices al´ eatoires
L’information mutuelle peut s’´ ecrire:
I
n(ρ) = Z
∞0
log (ρ + λ) d µ
ΣnΣ∗n(λ).
µ
ΣnΣ∗n´ etant la mesure spectrale des valeurs propres de la matrice de Gram Σ
nΣ
∗n.
Cela revient donc ` a ´ etudier le comportement asymptotique de la suite des mesures spectrales (µ
ΣnΣ∗n)
n.
ou encore, le comportement asymptotique de la suite des
transform´ ee de Stieljes associ´ ees (f
n)
n.
Lien avec les matrices al´ eatoires
L’information mutuelle peut s’´ ecrire:
I
n(ρ) = Z
∞0
log (ρ + λ) d µ
ΣnΣ∗n(λ).
µ
ΣnΣ∗n´ etant la mesure spectrale des valeurs propres de la matrice de Gram Σ
nΣ
∗n.
Cela revient donc ` a ´ etudier le comportement asymptotique de la suite des mesures spectrales (µ
ΣnΣ∗n)
n.
ou encore, le comportement asymptotique de la suite des
transform´ ee de Stieljes associ´ ees (f
n)
n.
Transform´ ee de Stieltjes vs R´ esolvente
D´ efinition: La matrice r´ esolvente
Soit A une matrice hermitienne de taille N × N. La matrice r´ esolvente Q associ´ ee ` a la matrice A est la fonction matricielle complexe d´ efinie par:
Q(z ) = (A − zI
N)
−1, =(z) 6= 0.
Lien avec la transform´ ee de Stieltjes de la mesure spectrale de A:
Nous avons la relation suivante:
f (z ) = 1
N Tr Q(z).
Mod` ele Matriciel
Consid´ erons,
Σ
n= Y
n+ A
navec, Y
n(N × n) ` a entr´ ees complexes, i.i.d. centr´ ees et circulaires.
A
n(N × n) d´ eterministe.
On travaille sous le r´ egime asymptotique: n → ∞ ⇒
Nn→ c > 0
R´ esultats du premier ordre
Theorem
[Girko, Hachem et al.] Soit ρ un r´ eel positif. Le syst` eme deterministe suivant:
δ
n(ρ)=
n1Tr T
n(ρ) e δ
n(ρ)=
1nTr T e
n(ρ), les matrices T
net T e
nsont donn´ ees par:
T
n=
ρ
1 + e δ
n(ρ)
I
N+
1+δ1n(ρ)
A
nA
∗n −1T e
n=
ρ (1 + δ
n(ρ)) I
n+
11+eδn(ρ)
A
∗nA
n−1. admet une seule solution (δ
n, e δ
n) sur (0, ∞)
2.
De plus, nous avons, 1
n Tr (Σ
nΣ
∗n+ ρI
N)
−1− δ
n(ρ) −−−→
p.s.n→∞
0
R´ esultats du premier ordre
Theorem
Nous avons la convergence suivante:
I
n(ρ) − V
n(ρ) −−−→
p.s.n→∞
0, avec,
V
n(ρ) = 1 N logdet
ρ(1 + δ e
n)I
N+ 1
1 + δ
nA
nA
∗n+ n
N log(1+δ
n)− nρ
N δ
nδ e
nTh´ eor` eme Central Limit
Posons γ =
n1Tr T
2, e γ =
1nTr T e
2, S = diagT et e S = diage T. Soit κ = E |Y
11|
4− 2. Soit,
∆
n=
1 − 1
n(1 + δ) Tr(A
nA
∗nT
2n)
2− ρ
2γ e γ.
Alors, nous avons, 1. La suite
Θ
2n= −log∆
n+ κρ
21
n Tr S
21 n Tr S e
2, satisfait: 0 < liminf
nΘ
2n≤ limsup
nΘ
2n< ∞.
2. La statistique information mutuelle I
nv´ erifie:
N
Θ
n(I
n(ρ) − E I
n(ρ)) −−−→
Dn→∞
N (0, 1).
El´ ements de la preuve: Approche REFORM
• Somme d’une suite d’incr´ ements de martingale par rapport ` a une filtration donn´ ee (F
n).
I
n(ρ) − E I
n(ρ) =
4n
X
j=1
Λ
(n)j,
avec (Λ
(n)j)
nsuite d’incr´ ements de martingale par rapport ` a une filtration (F
j(n))
n.
• Validation de la condition de Lyapunov.
∃α > 0, 1 Θ
2(1+α)nn
X
j=1
E |Λ
(n)j|
2+α−−−→
n→∞
0.
• Convergence de la suite des variances conditionnelles. 1
Θ
2nn
X
j=1
E
Λ
(n)2j|F
j(n)−1 P−−−→
n→∞0.
El´ ements de la preuve: Approche REFORM
• Somme d’une suite d’incr´ ements de martingale par rapport ` a une filtration donn´ ee (F
n).
I
n(ρ) − E I
n(ρ) =
4n
X
j=1
Λ
(n)j,
avec (Λ
(n)j)
nsuite d’incr´ ements de martingale par rapport ` a une filtration (F
j(n))
n.
• Validation de la condition de Lyapunov.
∃α > 0, 1 Θ
2(1+α)nn
X
j=1
E |Λ
(n)j|
2+α−−−→
n→∞
0.
• Convergence de la suite des variances conditionnelles. 1
Θ
2nn
X
j=1
E
Λ
(n)2j|F
j(n)−1 P−−−→
n→∞0.
El´ ements de la preuve: Approche REFORM
• Somme d’une suite d’incr´ ements de martingale par rapport ` a une filtration donn´ ee (F
n).
I
n(ρ) − E I
n(ρ) =
4n
X
j=1
Λ
(n)j,
avec (Λ
(n)j)
nsuite d’incr´ ements de martingale par rapport ` a une filtration (F
j(n))
n.
• Validation de la condition de Lyapunov.
∃α > 0, 1 Θ
2(1+α)nn
X
j=1
E |Λ
(n)j|
2+α−−−→
n→∞
0.
• Convergence de la suite des variances conditionnelles.
1 Θ
2nn
X
j=1
E
Λ
(n)2j|F
j(n)−1 P−−−→
n→∞0.
Comportement asymptotique du biais
Il existe une suite de fonctions r´ eelles B
n(ρ) telle que:
N ( E I
n(ρ) − V
n(ρ)) − B
n(ρ) −−−→
n→∞
0.
avec B
n(ρ) = κC
n(ρ).
Simulations
−6 −4 −2 0 2 4
−5
−4
−3
−2
−1 0 1 2 3 4 5
Empirical quantiles
Normal quantiles
Q−Q plot for N=8, n=16
−4 −2 0 2 4
−4
−3
−2
−1 0 1 2 3 4
Empirical quantiles
Normal quantiles
Q−Q plot for N=16, n=32
Figure: Q-Q plot pour
ΘNn
(I
n(ρ) − E I
n(ρ))
Simulations
100 101 102 103
10−3 10−2 10−1 100
N
Bias
Empirical bias Theoretical bias