Research & development Estimation de canal pour systèmes multi-antennes multi-porteuses Thèse...
-
Upload
fabienne-le-corre -
Category
Documents
-
view
107 -
download
1
Transcript of Research & development Estimation de canal pour systèmes multi-antennes multi-porteuses Thèse...
research & development
Estimation de canal pour systèmes multi-antennes multi-porteuses
Thèse présentée devant l'INSA de Rennes en vue de l'obtention du doctorat d'Electronique
Le Saux Benoît
Le 25 octobre 2007
2
Laboratoire d'accueil : RESA/BWA/IRI BWA : Broadband Wireless Access IRI : Innovative Radio Interface
Directrice de thèse Maryline Hélard : France Telecom R&D
Applications RNRT OPUS : évolutions possibles de l'UMTS
• Technologie MIMO OFDMA liaison descendante
DVB-T2 : futur standard de diffusion numérique terrestre• Technologie MIMO OFDM
Avant-propos
3
Plan de la présentation
I. Introduction Etat de l’art des systèmes étudiés
II. Symboles pilotes Etat de l’art de l’estimation de canal Comparaisons systèmes cohérents & non-cohérents
III. Filtrage temporel Estimateurs proposés pour traitement des symboles pilotes
IV. Estimation de canal itérative Estimateurs proposés robustes aux sélectivités
V. Conclusion
4
Introduction Contexte de l'étude Objectifs Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
5
Domaine des communications numériques Fibre optique, téléphonie mobile (GSM, UMTS), réseaux sans fil
(WiMAX) …
Estimation d’un canal de propagation radio-mobile Etat de l’art des techniques dans un contexte MIMO-OFDM Proposition de nouveaux estimateurs
Pouvant s’adapter à d’autres environnements de propagation
Contexte de l’étude
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
6
Domaine des communications numériques Fibre optique, téléphonie mobile (GSM, UMTS), réseaux sans fil
(WiMAX) …
Estimation d’un canal de propagation radio-mobile Etat de l’art des techniques dans un contexte MIMO-OFDM Proposition de nouveaux estimateurs
• Robustes vis-à-vis du bruit et des sélectivités
• Adaptés à tout type de trame MIMO-OFDM émise
• Bon compromis performances/efficacité spectrale
Pouvant s’adapter à d’autres environnements de propagation
Objectifs
Objectifs
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
7
Association MIMO-OFDM Canal de propagation radio-mobile
Canal MIMO = Nt x Nr sous-canaux SISO
sélectifs en temps (temps de cohérence Tc fonction de la fréquence Doppler)
sélectifs en fréquence (bande de cohérence Bc fonction de la dispersion des retards)
Canal MIMO
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
8
Association MIMO-OFDM Canal de propagation radio-mobile
Canal équivalent MIMO-OFDM à évanouissement plat par sous-porteuse
Simplification de l’égalisation réalisée dans le domaine fréquentiel
Canal MIMO-OFDM
i : indice de l'antenne Txj : indice de l'antenne Rxk : indice sous-porteuseb : indice du symbole OFDM
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
9
Emission Schéma MIMO-OFDM utilisé
1. Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception
2. Mapping MIMO : répartition des symboles sur les différentes antennes
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
10
Emission Schéma MIMO-OFDM utilisé
1. Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception
2. Mapping MIMO : répartition des symboles sur les différentes antennes
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
11
Emission Schéma MIMO-OFDM utilisé
1. Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception
2. Mapping MIMO : répartition des symboles sur les différentes antennes
Connaissance du canal à l’émission et en réception
Connaissance du canal en réception
Absence de connaissance du canal
?
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
12
Emission Schéma MIMO-OFDM utilisé
1. Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception
2. Mapping MIMO : répartition des symboles sur les différentes antennes
Connaissance du canal à l’émission et en réception
Connaissance du canal en réception : Alamouti, multiplexage spatial …
Absence de connaissance du canal : codage espace-temps différentiel
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
13
Choix : Connaissance du canal en réception Systèmes cohérents
Schéma en réception : égalisation + décodage de canal
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile
14
Choix : Connaissance du canal en réceptionSystèmes cohérents
Schéma en réception : égalisation + décodage de canal
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile
Par rapport à un contexte SISO-OFDM : Définition de nouvelles trames Elaborations de nouveaux estimateurs en réception
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
15
Choix : Absence de connaissance du canal Systèmes non-cohérents
Principe du codage espace-temps différentiel [Hughes 00]
Matrice différentielle porteuse de l’information
Matrice espace-temps émise
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
16
Choix : Absence de connaissance du canalSystèmes non-cohérents
Principe du codage espace-temps différentiel [Hughes 00]
Construction de la matrice différentielle Vk
Code espace-temps différentiel en groupe [Hughes 00] : ensemble des matrices espace-temps émises = ensemble des matrices
différentielles 1 matrice différentielle correspond à un ensemble de données utiles
Code espace-temps différentiel non en groupe [Tarokh 00]
= extension des codes espace-temps pour des transmissions cohérentes (motifs orthogonaux, quasi-orthogonaux)
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
17
Choix : Absence de connaissance du canalSystèmes non-cohérents
Principe du codage espace-temps différentiel [Hughes 00]
Exemple : codage espace-temps différentiel d’Alamouti Nt = 2 [Tarokh 00]
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
Extensions à Nt = 3 et Nt = 4 proposées par Nortel pour le standard IEEE 802.16e (2004)
(s1,s2)
18
Choix : Absence de connaissance du canalSystèmes non-cohérents
Principe du codage espace-temps différentiel [Hughes 00]
Principe de la détection non-cohérente [Lampe 02]
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
Aucune connaissance du canal en réception
19
Choix : Absence de connaissance du canalSystèmes non-cohérents
Principe du codage espace-temps différentiel [Hughes 00]
Principe de la détection non-cohérente [Lampe 02]
Contraintes Construction de l’ensemble des matrices différentielles (codes en groupe) Expansion de la constellation pour les codes non en groupe Complexité de la détection (fonction de l’ordre de modulation) Moins de flexibilité que les transmissions cohérentes MIMO (rendement espace-temps,
association avec technique d’accès multiples par étalement de spectre)
Systèmes étudiés
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Contexte de l'étude Objectifs Systèmes étudiés
Aucune connaissance du canal en réception
20
Symboles pilotes Introduction Problématique MIMO Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
21
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
3 catégories1. Techniques supervisées
Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux
émis estimés [Le Ruyet 06]
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
22
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
3 catégories1. Techniques supervisées
Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux
émis estimés [Le Ruyet 06]
Simple à mettre en œuvre à l’émission en réception Mais
Perte d’efficacité spectrale
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
23
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
3 catégories1. Techniques supervisées
Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux
émis estimés [Le Ruyet 06]
Pas de perte d’efficacité spectrale Mais
Temps de convergence long, complexité
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
24
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
3 catégories1. Techniques supervisées
Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux
émis estimés [Le Ruyet 06]
Utilisation d’une nouvelle information Mais
Sensibles aux erreurs de propagation
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
25
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
Choix : techniques supervisées Insertion de symboles pilotes dans la trame
Généralement utilisées dans les systèmes car bon compromis performance/complexité
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
26
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
Choix : techniques supervisées Insertion de symboles pilotes dans la trame
Généralement utilisées dans les systèmes car bon compromis performance/complexité
Critères d’optimisation Simplicité de mise en œuvre à l’émission et en réception Performances sur canal MIMO sélectif en temps et/ou en fréquence Conserver un rapport (nombre de symboles pilotes/nombre de symboles dans la
trame) le plus faible possible Maintien d’une faible consommation de puissance au niveau des symboles pilotes
(contrairement à la technique des pilotes amplifiés ou pilotes « boostés »)
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
27
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
Choix : techniques supervisées Insertion de symboles pilotes dans la trame
Généralement utilisées dans les systèmes car bon compromis performance/complexité
Critères d’optimisation Simplicité de mise en œuvre à l’émission et en réception Performances sur canal MIMO sélectif en temps et/ou en fréquence Conserver un rapport (nombre de symboles pilotes/nombre de symboles dans la
trame) le plus faible possible Maintien d’une faible consommation de puissance au niveau des symboles pilotes
(contrairement à la technique des pilotes amplifiés ou pilotes « boostés »)
Introduction
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
28
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
Contraintes sur les motifs de répartition :
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Remarque : techniques d’insertion de symboles pilotes superposés aux données utiles [Cariou 06]
Introduction Problématique MIMO Résultats
29
Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour
chaque donnée utile
Contraintes sur les motifs de répartition :
Sélectivités des sous-canaux : motif de répartition des symboles pilotes doit tenir compte du
sous-canal le plus sélectif (temps et fréquence)
Contexte MIMO (chaque symbole reçu = superposition de Nt symboles émis) : 1. Pas d’interférence co-antenne entre données utiles et symboles pilotes
2. Orthogonalité entre séquences d’apprentissage émises sur chaque antenne Tx
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
30
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
31
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls
Exemple du cas MIMO Nt = 2
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
32
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls
Exemple du cas MIMO Nt = 2
1. Insertion de symboles nuls : orthogonalité entre séquences d’apprentissage
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
33
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls
Exemple du cas MIMO Nt = 2
1. Insertion de symboles nuls : orthogonalité entre séquences d’apprentissage
2. Pas d’interférence co-antenne aux niveau des symboles pilotes
Appliquer par antenne de réception Nt algorithmes d’estimation de canal existants dans un cas SISO-OFDM
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
34
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO
1. Estimateur LS (moindres carrés)
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
35
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO
1. Estimateur LS (moindres carrés)
+ Interpolation (constante, linéaire, polynomiale…)
Ne nécessite aucune connaissance a priori en réception des sous-canaux
Sensibilité au bruit (LS) + sensibilité aux sélectivités (interpolation)
Impact du MIMO : motif plus sensible aux sélectivités que dans un cas mono-antenne (écart entre deux symboles pilotes dépend ici de Nt)
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
36
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO
2. Estimateur LMMSE [Hoeher 97]
Ensemble des couples {k’,b’} où le sous-canal Tx i Rx j a été estimé
Tx 1 => Rx j
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
Estimées LS
37
Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO
2. Estimateur LMMSE [Hoeher 97]
Filtre de Wiener 2D exploitant les corrélations temporelles et fréquentielles
Filtre optimal au sens de l’erreur quadratique moyenne
Difficultés
1. Complexité de mise en œuvre : Deux filtres indépendants et appliqués successivement [Hoeher 91] Réduction du pavé temps/fréquence
2. Connaissance des matrices de corrélation des sous-canaux : Calcul à partir de la connaissance de certaines propriétés des sous-canaux (fréquence
Doppler, étalement maximal des sous-canaux) [Tolochko 02]
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
38
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx
à l’autre Pas d’insertion de symboles nuls
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
39
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à
l’autre Pas d’insertion de symboles nuls
Exemple du cas MIMO Nt = 4
Emission d’une impulsion sur chaque Tx
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
40
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à
l’autre Pas d’insertion de symboles nuls
Exemple du cas MIMO Nt = 4
Emission d’une impulsion sur chaque Tx
Déphasage fréquentiel Décalage temporel
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
41
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à
l’autre Pas d’insertion de symboles nuls
Exemple du cas MIMO Nt = 4
Emission d’une impulsion sur chaque Tx
Déphasage fréquentiel Décalage temporel
Récupération de manière indépendante des Nt réponses impulsionnelles
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
42
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à
l’autre Pas d’insertion de symboles nuls
Exemple du cas MIMO Nt = 4
Emission d’une impulsion sur chaque Tx
Déphasage fréquentiel Décalage temporel
Récupération de manière indépendante des Nt réponses impulsionnelles
Domaine fréquentiel
Coefficients des sous-canaux pour égalisation
Estimateur TD (Time Domain)
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
43
Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à
l’autre Pas d’insertion de symboles nuls
Exemple du cas MIMO Nt = 4 Remarques :
1. Séquence initiale = impulsion ou une autre séquence
2.
Problématique MIMO
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
L = longueur de la réponse impulsionnelleP = nombre de symboles pilotes
44
Comparaison entre systèmes cohérents et non-cohérents1. Codage espace-temps d’Alamouti + Egalisation MMSE
2. Codage espace-temps d’Alamouti différentiel + Récepteur Conventionnel CD
Canal MIMO Nt = 2 et Nr = 1 Sous-canaux SISO décorrélés de type Broadband Radio Access Network E (BRAN E) BRAN E : canal sélectif en temps et en fréquence simulant un environnement extérieur
Paramètres de simulation Entrelacement binaire sur un symbole OFDM modulé Modulation QPSK Codage convolutif K = 7 & Rc = ½
Décodage de canal de type max log MAP
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
45
Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes :
1. Système cohérent
2. Système non-cohérent
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
46
Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes :
1. Système cohérent
2. Système non-cohérent
Séquences d’apprentissage orthogonale dans le domaine fréquentiel
2 estimateurs étudiés
1. Chest Parfaite : estimation parfaite des sous-canaux en réception
2. Chest LS : algorithme LS au niveau des symboles pilotes + interpolation en fréquence puis en temps
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
47
Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes :
1. Système cohérent
2. Système non-cohérent Séquences d’apprentissage orthogonale dans le domaine fréquentiel
2 estimateurs étudiés
1. Chest Parfaite : estimation parfaite des sous-canaux en réception
2. Chest LS : algorithme LS au niveau des symboles pilotes + interpolation en fréquence puis en temps
Symboles de référence : initialisation du processus différentiel à l’émission
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
48
Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes :
1. Système cohérent
2. Système non-cohérent
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
Perte en efficacité spectrale
49
Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
50
Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h
v = 60 km/h : Perte de 2.5 dB avec l’estimation de canal
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
2.5 dB
51
Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h
v = 60 km/h : Perte de 2.5 dB avec l’estimation de canal Gain de 2 dB par rapport au système non-cohérent
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
2 dB
52
Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h
v = 60 km/h : Perte de 2.5 dB avec l’estimation de canal Gain de 2 dB par rapport au système non-cohérent
v = 250 km/h : Palier d’erreurs avec estimation de canal
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
53
Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h
v = 60 km/h : Perte de 2.5 dB avec l’estimation de canal Gain de 2 dB par rapport au système non-cohérent
v = 250 km/h : Palier d’erreurs avec estimation de canal Pas de perte de performance pour le système non-cohérent
Résultats
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
54
Comparaisons systèmes cohérents et non-cohérents Intérêt du codage espace-temps différentiel sur canal sélectif vis-à-vis d’une
estimation de canal réaliste sans information a priori sur les sous-canaux Mais : contraintes du codage espace-temps différentiel (flexibilité, complexité)
Choix : amélioration des techniques d’estimation de canal
Synthèse
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
55
Comparaisons systèmes cohérents et non-cohérents Intérêt du codage espace-temps différentiel sur canal sélectif vis-à-vis d’une
estimation de canal réaliste sans information a priori sur les sous-canaux Mais : contraintes du codage espace-temps différentiel (flexibilité, complexité)
Choix : amélioration des techniques d’estimation de canal
Problématique à résoudre sur systèmes cohérents Conserver de bonnes performances sur canal sélectif
• en minimisant le nombre de symboles pilotes • sans connaissance a-priori des sous-canaux en réception
1. Estimateur par passage dans le domaine temporel
2. Estimation de canal itérative
Synthèse
Introduction
Symboles pilotesFiltrage temporelEstimation de canal itérativeConclusion
Introduction Problématique MIMO Résultats
56
Filtrage temporel Principes Estimateurs proposés Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
57
Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses
impulsionnelles
Séquences d’apprentissage & estimateurs associés
Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03]
Orthogonalité dans le domaine fréquentiel Estimateur LS Estimateur LMMSE
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
58
Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses
impulsionnelles
Séquences d’apprentissage & estimateurs associés
Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03] : estimer de manière indépendante par fenêtrage temporel les
Nt x Nr réponses impulsionnelles
Orthogonalité dans le domaine fréquentiel Estimateur LS Estimateur LMMSE Estimateur IFFT FFT [Morelli 01] : filtrage dans le domaine temporel des coefficients des
sous-canaux obtenus par l’algorithme LS
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
59
Principe de l’estimateur IFFT FFT [Morelli 01]
Estimées LS du sous-canal Tx i Rx j
Passage dans le domaine temporel
Fenêtrage temporel
Estimées IFFT FFT du sous-canal Tx i Rx j
Passage dans le domaine fréquentiel
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
Symbole pilote Tx 1 Rx j
Symbole pilote Tx 2 Rx j
60
Principe de l’estimateur IFFT FFT [Morelli 01]
Estimées LS du sous-canal Tx i Rx j
Passage dans le domaine temporel
Fenêtrage temporel
Estimées IFFT FFT du sous-canal Tx i Rx j
Passage dans le domaine fréquentiel
Fenêtrage temporel : diminution de la puissance du bruit sur les coefficients estimés+ optimal : connaissance de l’étalement maximal des retards
Passages temporel/fréquentiel : tire parti de la corrélation fréquentielle
Interpolation à l’ensemble des sous-porteuses modulées
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
Symbole pilote Tx 1 Rx j
Symbole pilote Tx 2 Rx j
61
Principe de l’estimateur IFFT FFT [Morelli 01]
Estimées LS du sous-canal Tx i Rx j
Passage dans le domaine temporel
Fenêtrage temporel
Estimées IFFT FFT du sous-canal Tx i Rx j
Passage dans le domaine fréquentiel
Fenêtrage temporel : diminution de la puissance du bruit sur les coefficients estimés+ optimal : connaissance de l’étalement maximal des retards
Passages temporel/fréquentiel : tire parti de la corrélation fréquentielle
Interpolation à l’ensemble des sous-porteuses modulées
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
Symbole pilote Tx 1 Rx j
Symbole pilote Tx 2 Rx j
62
Principe de l’estimateur IFFT FFT [Morelli 01]
Estimées LS du sous-canal Tx i Rx j
Passage dans le domaine temporel
Fenêtrage temporel
Estimées IFFT FFT du sous-canal Tx i Rx j
Passage dans le domaine fréquentiel
Fenêtrage temporel : diminution de la puissance du bruit sur les coefficients estimés+ optimal : connaissance de l’étalement maximal des retards
Passages temporel/fréquentiel : tire parti de la corrélation fréquentielle
Interpolation à l’ensemble des sous-porteuses modulées
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
Symbole pilote Tx 1 Rx j
Symbole pilote Tx 2 Rx j
Coefficients estimés sur les sous-porteuses pilotes
Coefficients estimés sur l’ensemble du spectre OFDM
63
Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses
impulsionnelles
Séquences d’apprentissage & estimateurs associés
Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03]
Orthogonalité dans le domaine fréquentiel Estimateur IFFT FFT [Morelli 01]
Problématique des estimateurs par filtrage temporel [Morelli 01] Ensemble des sous-porteuses du spectre n’est pas dédié à l’estimation de canal Exemple : sous-porteuses nulles insérées en bordure de spectre [Doukopoulos 07]
Fortes discontinuités en bordure du spectre
Principes
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
64
Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT
avec
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
65
Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT
Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
66
Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT
Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)
Exemple :
Pi = Nmod = NFFT = 1024
Pi = Nmod = 704 < NFFT = 1024
Pi = Nmod/2 = 352 < NFFT = 1024
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
67
Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT
Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)
Exemple :
Pi = Nmod = NFFT = 1024
Pi = Nmod = 704 < NFFT = 1024
Pi = Nmod/2 = 352 < NFFT = 1024
Très faibles valeurs singulières = grande sensibilité au bruit
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
68
Estimateur IFFT FFT proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT
Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)
Très faibles valeurs singulières = grande sensibilité au bruit
Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD (seuil sur les valeurs singulières)
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
69
Estimateur TD proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme TD [Barhumi 03 ]
Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)
Très faibles valeurs singulières = grande sensibilité au bruit
Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD
avec
Estimateurs proposés
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
70
Paramètres de simulation Canal MIMO : (Nt = 2) x (Nr = 2) sous-canaux BRAN E décorrélés Trame utilisée :
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
71
Paramètres de simulation Canal MIMO : (Nt = 2) x (Nr = 2) sous-canaux BRAN E décorrélés Trame utilisée : dérive de celle utilisée dans le projet européen IST-4MORE
5 estimateurs étudiés
1. Chest Parfaite : estimation de canal parfaite en réception
2. Chest LS : algorithme LS au niveau des symboles pilotes puis interpolation linéaire en fréquence et en temps
3. Chest LMMSE : algorithme LMMSE au niveau des symboles pilotes (interpolation de taille 32) puis interpolation linéaire en temps
4. Chest IFFT FFT : algorithme IFFT FFT au niveau des symboles pilotes (fenêtrage temporel = L) puis interpolation linéaire en temps
5. Chest TD : algorithme TD au niveau des symboles pilotes (décalage temporel = L) puis interpolation linéaire en temps
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
72
Analyse du MSE par sous-porteuse Estimateur IFFT FFT
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
73
Analyse du MSE par sous-porteuse Estimateur IFFT FFT
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
LMMSE & LS : MSE constant
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
74
Analyse du MSE par sous-porteuse Estimateur IFFT FFT
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
LMMSE & LS : MSE constant
IFFT FFT [Morelli 01] : fortes discontinuités
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
75
Analyse du MSE par sous-porteuse Estimateur IFFT FFT
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
LMMSE & LS : MSE constant
IFFT FFT [Morelli 01] : fortes discontinuités
IFFT FFT proposé : réduction des discontinuités (seuil = Th)
Valeur de Th ?
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
76
Analyse du MSE par sous-porteuse Estimateur IFFT FFT
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
LMMSE & LS : MSE constant
IFFT FFT [Morelli 01] : fortes discontinuités
IFFT FFT proposé : réduction des discontinuités (seuil = Th)
Plus la valeur du seuil est élevée, moins le calcul du pseudo-inverse est précisPlus la valeur du seuil est faible, plus les discontinuités apparaissent
Th = 0.01 (1% de la valeur maximale)
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
77
Analyse du MSE par sous-porteuse Estimateur TD
MSE en fonction de l’indice des sous-porteuses pour un SNR = 24 dB (bordure du spectre modulé)
TD [Barhumi 03] : fortes discontinuités
TD proposé : réduction des discontinuités (seuil = Th)
Seuil plus élevé que pour l’estimateur IFFT FFT car l’impact des faibles valeurs singulières est plus important pour l’estimateur TD
Th = 0.1 (10% de la valeur maximale)
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
Remarque : seuil proposé dans la littérature pour d’autres applications
78
BER de l’estimateur TD Estimateur TD
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
79
BER de l’estimateur TD Estimateur TD
TD [Barhumi 03] : palier d’erreurs
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
80
BER de l’estimateur TD Estimateur TD
TD [Barhumi 03] : palier d’erreurs
TD proposé : 0.5 dB de l’estimateur LMMSE avec Th = 0.1
+ Th = 0.000001 : discontinuités trop importantes
Résultats
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
81
Filtrage temporel Estimateurs IFFT FFT et TD classiques : dégradation pour des trames où l’ensemble
des sous-porteuses du spectre n’est pas dédié à l’estimation de canal
Estimateurs IFFT FFT et TD proposés : robuste pour n’importe quel type de trame Réduction de la puissance du bruit, Exploitation de la corrélation fréquentielle
IFFT FFT ou TD ? IFFT FFT (insertion de symboles nuls) : plus sensible aux sélectivités que l’estimateur
TD (orthogonalité dans le domaine temporel)
Applications Trame DVB-T2 (Nt = 2 et Nr = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante)
Synthèse
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
82
Filtrage temporel Estimateurs IFFT FFT et TD classiques : dégradation pour des trames où l’ensemble
des sous-porteuses du spectre n’est pas dédié à l’estimation de canal
Estimateurs IFFT FFT et TD proposés : robuste pour n’importe quel type de trame Réduction de la puissance du bruit, Exploitation de la corrélation fréquentielle
IFFT FFT ou TD ? IFFT FFT (insertion de symboles nuls) : plus sensible aux sélectivités que l’estimateur
TD (orthogonalité dans le domaine temporel)
Applications Trame DVB-T2 (Nt = 2 et Nr = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante)
Synthèse
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats
83
Estimation de canal itérative Principes Corrélations Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
84
Estimation des coefficients des Nt x Nr sous-canaux
1. Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis
estimés [Le Ruyet 06]
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
85
Estimation des coefficients des Nt x Nr sous-canaux
1. Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes
2. Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07]
3. Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis
estimés [Le Ruyet 06]
Estimation de canal itérative ou ICE
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
86
Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE
1. MMSE-IC
2. ICE
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
87
Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE
1. MMSE-IC : traiter l’interférence co-antenne grâce à l’information fournie par le décodage de canal Remarque : simple MMSE pour les codes espace-temps orthogonaux (exemple : Alamouti)
2. ICE
Egalisation & démodulation soft MIMO Décodage de canal
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
88
Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE
1. MMSE-IC : traiter l’interférence co-antenne grâce à l’information fournie par le décodage de canal Remarque : simple MMSE pour les codes espace-temps orthogonaux (exemple : Alamouti)
2. ICE : calcul des Nt x Nr sous-canaux 1ère itération : à partir des symboles pilotes
Autres itérations : à partir des symboles reçus et des symboles utiles estimés + opération de filtrage (Wiener [Bonnet 06], temporel [Chen 05], moyennage [Adachi 06])
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
89
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
2. Interférence co-antenne
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
90
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006]
2. Interférence co-antenne
Symboles estimés
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
91
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006]
2. Interférence co-antenne Principe : annulation d’interférence co-antenne grâce aux estimés des coefficients des
sous-canaux aux symboles OFDM précédents [Moon 04] [Qiao 05]
Principe proposé :
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
92
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006]
2. Interférence co-antenne Principe : annulation d’interférence co-antenne grâce aux estimés des coefficients des
sous-canaux aux symboles OFDM précédents [Moon 04] [Qiao 05]
Principe proposé : utilisation des coefficients des sous-canaux estimés aux itérations précédents + pondération
Principes
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
Annulation de l’interférence co-antenne
avec
Pondération
93
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
2. Interférence co-antenne : estimateur itératif proposé Principe : annulation de l’interférence co-antenne grâce aux estimées des sous-canaux obtenus à l’itération
précédente + pondération
+ Utilisation des corrélations fréquentielle et temporelle des sous-canaux
Corrélations
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
94
Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux
2. Interférence co-antenne : estimateur itératif proposé Principe : annulation de l’interférence co-antenne grâce aux estimées des sous-canaux obtenus à l’itération
précédente + pondération
+ Utilisation des corrélations fréquentielle et temporelle des sous-canaux
1. Estimateur IFFT FFT appliqué aux coefficients calculés Connaissance d’un majorant à l’étalement maximal des retards
2. Algorithme de régression linéaire pour chaque sous-porteuse utile Aucune connaissance a priori sur les sous-canaux
Corrélations
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
Coefficients des sous-canaux calculés précédemment
Coefficients des sous-canaux calculés par l’algorithme de régression linéaire
95
Paramètres de simulation Canal MIMO : Sous-canaux BRAN E décorrélés Trame utilisée :
Schémas MIMO & Egalisation1. Codage espace-temps d’Alamouti & MMSE
2. Multiplexage spatial & MMSE-IC (5 itérations)
3. Double Alamouti & MMSE-IC (5 itérations)
Estimateur TD proposé au niveau des symboles pilotes
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
96
Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
97
Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h
Interpolation linéaire des symboles pilotes : palier d’erreurs dû à la sélectivité temporelle
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
98
Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h
Interpolation linéaire des symboles pilotes : palier d’erreurs dû à la sélectivité temporelle
ICE sans exploitation des corrélations : principe itératif inefficace
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
99
Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h
Interpolation linéaire des symboles pilotes : palier d’erreurs dû à la sélectivité temporelle
ICE sans exploitation des corrélations : principe itératif inefficace
Exploitation de la corrélation temporelle sur chaque sous-porteuse utile : ICE efficace(noté Chest TD ICE Corr)
2 dB
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
100
Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h
Interpolation linéaire des symboles pilotes : palier d’erreurs dû à la sélectivité temporelle
ICE sans exploitation des corrélations : principe itératif inefficace
Exploitation de la corrélation temporelle sur chaque sous-porteuse utile : ICE efficace(noté Chest TD ICE Corr)
Estimateurs proposés : IFFT FFT sur les données utiles et algorithme RL efficaces(noté Chest TD ICE Temp RL)
Estimateurs proposés estimation de canal itérative robuste vis-à-vis des sélectivités fréquentielle et temporelle
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
101
Comparaisons des systèmes MIMO à même efficacité spectrale Comparaisons des systèmes MIMO à même efficacité spectrale
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
: estimation parfaite : estimation de canal
Pas d’interférence co-antenneInterférence co-antenne
102
Comparaisons des systèmes MIMO à même efficacité spectrale Comparaisons des systèmes MIMO à même efficacité spectrale
DA : meilleures performances car exploitation d’une diversité de 4 et d’une modulation QPSK
Simple interpolation linéaire des symboles pilotes
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
: estimation parfaite : estimation de canal
Pas d’interférence co-antenneInterférence co-antenne
103
Comparaisons des systèmes MIMO à même efficacité spectrale Comparaisons des systèmes MIMO à même efficacité spectrale
DA : meilleures performances car exploitation d’une diversité de 4 et d’une modulation QPSK
Al : modulation 16-QAM donc plus grande sensibilité à l’estimation de canal
Simple interpolation linéaire des symboles pilotes
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
: estimation parfaite : estimation de canal
Pas d’interférence co-antenneInterférence co-antenne
104
Comparaisons des systèmes MIMO à même efficacité spectrale
DA : meilleures performances
Ecart entre Chest Parfaite et Chest plus faible pour Al car calcul des coefficients des sous-canaux sans annulation d’interférence co-antenne
Al 2x2 : 2 dB Mux 2x2 : 3.5 dB DA 4x2 : 3 dB
Estimation de canal itérative (ICE RL)
Résultats
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
: estimation parfaite : estimation de canal
Pas d’interférence co-antenneInterférence co-antenne
105
Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité
Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences
Exploitation de la diversité Estimation de canal itérative plus robuste
Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation
des coefficients des sous-canaux obtenus aux itérations précédentes
Synthèse
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
106
Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité
Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences
Exploitation de la diversité Estimation de canal itérative plus robuste
Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation
des coefficients des sous-canaux obtenus aux itérations précédentes
Synthèse
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
107
Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité
Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences
Exploitation de la diversité Estimation de canal itérative plus robuste
Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation
des coefficients des sous-canaux obtenus aux itérations précédentes
Synthèse
IntroductionSymboles pilotesFiltrage temporel
Estimation de canal itérativeConclusion
Principes Corrélations Résultats
108
Conclusion Conclusion générale Principales contributions Perspectives
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
109
Estimation de canal MIMO-OFDM Nouvelles contraintes par rapport au SISO-OFDM Nouvelles trames / Nouveaux estimateurs
Codage espace-temps différentiel Intérêt pour des modulations à faible nombre d’états (BPSK, QPSK) sur canaux sélectifs
Estimateurs proposés Robustes pour tout type de trame
Diminuer la puissance du bruit sur les symboles pilotes Tirer parti des corrélations temporelle et fréquentielle
Traitement des symboles pilotes Estimation de canal itérative
Conclusion générale
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
Conclusion générale Principales contributions Perspectives
110
Comparaisons systèmes MIMO-OFDM cohérents / non-cohérents
Performances de différents systèmes MIMO avec estimation de canal réaliste sur canaux sélectifs
Analyse de l’influence de l’estimation de canal dans les schémas MIMO avec ou non interférences co-antenne
Nouveaux estimateurs par filtrage temporel adaptés à tout type de séquence d’apprentissage
Validation par simulation & Analyse et réduction de la complexité
Nouveaux estimateurs de canal itératifs robustes sur canal sélectif et adaptés à l’ensemble des mapping MIMO existants
MIMO-OFDM MIMO LP-OFDM MIMO MC-CDMA
Principales contributions
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
Conclusion générale Principales contributions Perspectives
111
Estimation de canal pour les transmissions à accès multiples sur liaisons montantes
Construction des séquences d’apprentissage (prise en compte du caractère montant)
Techniques d’estimation de canal avec pilotes superposés Etude avec mapping MIMO présentant de l’interférence co-antenne
Réalisation matérielle des estimateurs proposés et étudiés en simulation Estimateurs par filtrage temporel proposé
Etude de l’optimisation conjointe estimation de canal/synchronisation en MIMO-OFDM
Construction des séquences d’apprentissage
Perspectives
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
Conclusion générale Principales contributions Perspectives
112
Questions
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
113
Bibliographie
IntroductionSymboles pilotesFiltrage temporelEstimation de canal itérative
Conclusion
[Hughes 00] : Differential space-time modulation, B. Hughes, IEEE Transactions on Information Theory, Novembre 2000
[Tarokh 00] : A differential detection scheme for transmit diversity, IEEE Journal on Selected Areas in Communications, Juillet 2000
[Lampe 02] : Bit-interleaved coded differential space-time modulation, IEEE Transactions on communications, Septembre 2002
[Guey 99] : Signal design for transmitter diversity wireless communication systems over rayleigh fading channels, IEEE Transactions on Communications, Avril 1999
[Shin 07] : Blind channel estimation for MIMO-OFDM systems, IEEE Transactions on Vehicular Technology, Mars 2004
[Le Ruyet 06] : Pilot symbol aided iterative channel estimation for OFDM-based systems, EUSIPCO, 2005 [Cariou 06] : Superimposed pilot-based channel estimation for MIMO OFDM code division multiplexing uplink
systems, MC-SS 2006 [Moon 04] : Channel estimation for MIMO OFDM systems employing spatial multiplexing, IEEE Vehicular
Technology Conference, Septembre 2004 [Barhumi 03] : Optimal training design for MIMO OFDM systems in mobile wireless channels, IEEE
Transactions on Signal Processing, Juin 2003 [Morelli 01] : A comparison of pilot-aided channel estimation methods for OFDM systems, IEEE Transactions
on Signal Processing, Janvier 2001 [Doukopoulos 07] : Robust channel estimation via FFT interpolation for multicarrier systems, IEEE Vehicular
Technology Conference, Avril 2007
114
Estimateur IFFT FFT [Doukopoulos 07] Cas mono-antenne Nbr de symboles pilotes = P = Nmod < NFFT
[Doukopoulos 07] : remplace le pseudo-inverse par une multiplication matricielle
Pourquoi ? Par définition si est inversible, alors
Or, pour Nmod < NFFT, n’est pas inversible donc le principe est de remplacer l’inversion par une pseudo-inversion
Etude effectuées en MIMO : discontinuités réduites mais toujours présentes
Annexe
IntroductionSymboles pilotes
Filtrage temporelEstimation de canal itérativeConclusion
Principes Estimateurs proposés Résultats