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


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



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



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



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



10




Systèmes étudiés



11




Connaissance du canal à l’émission et en réception

Connaissance du canal en réception

Absence de connaissance du canal

?

Systèmes étudiés



12




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



13

Choix : Connaissance du canal en réception Systèmes cohérents

Schéma en réception : égalisation + décodage de canal

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



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



16

Choix : Absence de connaissance du canalSystèmes non-cohérents


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



17



Exemple : codage espace-temps différentiel d’Alamouti Nt = 2 [Tarokh 00]

Systèmes étudiés



Extensions à Nt = 3 et Nt = 4 proposées par Nortel pour le standard IEEE 802.16e (2004)

(s1,s2)

18



Principe de la détection non-cohérente [Lampe 02]

Systèmes étudiés



Aucune connaissance du canal en réception

19



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



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


Introduction Problématique MIMO Résultats

22








Simple à mettre en œuvre à l’émission en réception Mais

Perte d’efficacité spectrale

Introduction

Introduction



23








Pas de perte d’efficacité spectrale Mais

Temps de convergence long, complexité

Introduction

Introduction



24








Utilisation d’une nouvelle information Mais

Sensibles aux erreurs de propagation

Introduction

Introduction



25



Choix : techniques supervisées Insertion de symboles pilotes dans la trame

Généralement utilisées dans les systèmes car bon compromis performance/complexité

Introduction

Introduction



26





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



27





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



28



Contraintes sur les motifs de répartition :

Problématique MIMO

Introduction


Remarque : techniques d’insertion de symboles pilotes superposés aux données utiles [Cariou 06]


29



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



30

Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls

Problématique MIMO

Introduction



31


Exemple du cas MIMO Nt = 2

Problématique MIMO

Introduction



32



1. Insertion de symboles nuls : orthogonalité entre séquences d’apprentissage

Problématique MIMO

Introduction



33



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



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



35


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



36


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



Estimées LS

37


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



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



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


Emission d’une impulsion sur chaque Tx

Problématique MIMO

Introduction



40





Déphasage fréquentiel Décalage temporel

Problématique MIMO

Introduction



41






Récupération de manière indépendante des Nt réponses impulsionnelles

Problématique MIMO

Introduction



42






Récupération de manière indépendante des Nt réponses impulsionnelles

Domaine fréquentiel

Coefficients des sous-canaux pour égalisation

Estimateur TD (Time Domain)

Problématique MIMO

Introduction



43



Exemple du cas MIMO Nt = 4 Remarques :

1. Séquence initiale = impulsion ou une autre séquence

2.

Problématique MIMO

Introduction



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



45

Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes :

1. Système cohérent

2. Système non-cohérent

Résultats

Introduction



46




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



47



2. Système non-cohérent Séquences d’apprentissage orthogonale dans le domaine fréquentiel


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



48




Résultats

Introduction



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



50


v = 60 km/h : Perte de 2.5 dB avec l’estimation de canal

Résultats

Introduction



2.5 dB

51


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



2 dB

52



v = 250 km/h : Palier d’erreurs avec estimation de canal

Résultats

Introduction



53



v = 250 km/h : Palier d’erreurs avec estimation de canal Pas de perte de performance pour le système non-cohérent

Résultats

Introduction



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



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



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



Principes Estimateurs proposés Résultats

58


impulsionnelles


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




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




Symbole pilote Tx 1 Rx j


60




Fenêtrage temporel



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






61




Fenêtrage temporel






Principes






62




Fenêtrage temporel






Principes






Coefficients estimés sur les sous-porteuses pilotes

Coefficients estimés sur l’ensemble du spectre OFDM

63


impulsionnelles


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




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




65


Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)





66



Exemple :

Pi = Nmod = NFFT = 1024

Pi = Nmod = 704 < NFFT = 1024

Pi = Nmod/2 = 352 < NFFT = 1024





67



Exemple :

Pi = Nmod = NFFT = 1024

Pi = Nmod = 704 < NFFT = 1024

Pi = Nmod/2 = 352 < NFFT = 1024

Très faibles valeurs singulières = grande sensibilité au bruit





68

Estimateur IFFT FFT proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT



Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD (seuil sur les valeurs singulières)





69

Estimateur TD proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme TD [Barhumi 03 ]



Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD

avec





70

Paramètres de simulation Canal MIMO : (Nt = 2) x (Nr = 2) sous-canaux BRAN E décorrélés Trame utilisée :

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


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




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




73



LMMSE & LS : MSE constant

Résultats




74




IFFT FFT [Morelli 01] : fortes discontinuités

Résultats




75





IFFT FFT proposé : réduction des discontinuités (seuil = Th)

Valeur de Th ?

Résultats




76





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




77

Analyse du MSE par sous-porteuse Estimateur TD


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




Remarque : seuil proposé dans la littérature pour d’autres applications

78

BER de l’estimateur TD Estimateur TD

Résultats




79


TD [Barhumi 03] : palier d’erreurs

Résultats




80


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




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




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




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


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



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


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




86

Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE

1. MMSE-IC

2. ICE

Principes




87


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




88


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




89

Calcul des coefficients des sous-canaux1. Codes espace-temps orthogonaux

2. Interférence co-antenne

Principes




90


Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006]

2. Interférence co-antenne

Symboles estimés

Principes




91



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




92



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




Annulation de l’interférence co-antenne

avec

Pondération

93


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




94


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




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




96

Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

Résultats




97


Interpolation linéaire des symboles pilotes : palier d’erreurs dû à la sélectivité temporelle

Résultats




98



ICE sans exploitation des corrélations : principe itératif inefficace

Résultats




99




Exploitation de la corrélation temporelle sur chaque sous-porteuse utile : ICE efficace(noté Chest TD ICE Corr)

2 dB

Résultats




100




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




101

Comparaisons des systèmes MIMO à même efficacité spectrale Comparaisons des systèmes MIMO à même efficacité spectrale

Résultats




: estimation parfaite : estimation de canal

Pas d’interférence co-antenneInterférence co-antenne

102


DA : meilleures performances car exploitation d’une diversité de 4 et d’une modulation QPSK

Simple interpolation linéaire des symboles pilotes

Résultats






103


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






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






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




106






Synthèse




107






Synthèse




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


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


Conclusion


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


Conclusion


112

Questions


Conclusion

113

Bibliographie


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




research & development estimation de canal pour systèmes multi-antennes multi-porteuses thèse...

Documents