Communications Num Riques Avanc Es. Cours 1

Communications numériques avancées.
Cours 1
Iryna Andriyanova∗
25 septembre 2009
Dans ce cours nous allons voir la chaı̂ne de communication point a point et la plupart de ses modules.
Nous allons aussi étudier les différents types de canaux de transmission et des méthodes de transmis-
sion adaptés à chacun des types. Ceci permettra de nous préparer au cours des communications sans fils
(deuxième partie du semestre).
1 Introduction
Ceci est une section qui donne des notions de base sur les systèmes des communications numériques.
Nous allons voir le modèle de communication entre le source et le destinataire et la transformation
des signaux avec la communication.
1.1 Chaı̂ne de communication
Nous avons tous utilisés un téléphone portabe ou un ordinateur pour communiquer une certaine
information. Dans ce cours nous allons voir les mécanismes qui permettent à ces communications
d’avoir lieu. La chaı̂ne de communication totale est donnée sur Figure 1.
Cette chaı̂ne de communication représente la communication appelée ”point-à-point”, c’est-à-
dire d’un seul source à un seul destinataire, et est la base pour les autres modèles des communi-
cations, comme
- communication multi-utilisateurs (plusieurs sources - un destinataire),
- communication broadcast (un source - plusieurs destinataires)
∗
Ce cours a été rédigé en utilisant le matériel des cours ”Advances Digital Communications” par S. Diggavi, ”Com-
munications numériques avancées” par M. Chuc et ”Principles of Digital Communications” par B. Rimoldi.
1
ENSEA - 2009 - Coommunications numériques
Figure 1: Chaı̂ne de communication
- reseaux adhoc (plusieurs sources - plisueurs destinataires)
1.2 Modules de la chaı̂ne de communication
1.2.1 Brève description
Canal de communication : Un canal de communication donne une possibilité de communiquer à

grandes distances. Ce module représente les signaux extèrieurs et le bruit qui affectent la transmis-
sion. Evidemment, chaque système de communication a un modèle de canal approprié. L’objectif
principal de ce cours est de comprendre les techniques du traitement du signal permettant de
communiquer sous différents types de canaux.
Exemples des canaux de communication différents: lignes téléphoniques, cables TV, réseaux
sans fils, liens sattèlitaires.
Codage de source : Le but de communiquer est d’être capable de parler, écouter la musique,
regarder un video, regarder une page web par Internet etc. Dans tous ces cas le ”signal” étant
respectivement la voix, la musique, le video, les graphiques sont à convertir en une suite des bits.
Un tel appareil est appelé le quantificateur. Il existent plusieurs méthodes de quantification qui
convertissent et compriment le signal en bits.
Codage de canal : Le codeur de canal ajoute une redondance pour proteger l’information
Introduction 2
contre les erreurs introduits par un canal de communication bruité.

Mise en forme du signal : une partie de la chaı̂ne que nous allons étudier la plupart du temps.
Ce module convertit les bits au signal approprié pour le canal de communication, qui est typique-
ment analogique. Alors les messages (les groupes de bits) sont convertis en ondes de transmission
qui seront envoyés par le canal.
Détecteur de signal : se basant sur l’observation bruité du signal, le détecteur doit décider quel
message a été émis. La procedure de détection dépend des techniques de mise-en-forme utilisés,
aussi que du canal de communication. Dans ce cours nous allons discuter de plusieurs techniques
de détection.
1.2.2 Diagramme detaillé du module mise-en-forme de signal
Voici le schéma detaillé du module de mise-en-forme du signal:
𝑚[𝑛] 𝐴[𝑘] 𝑒(𝑡) 𝑥(𝑡)
ℎ𝑒 (𝑡)
Figure 2: Mise en forme de signal
La notation utilisée:
- 𝑚[𝑛]: un message binaire émis constitué de 𝑛 bits
- 𝐴[𝑘]: 𝑘 vecteurs, chacun contenant 𝑛/𝑘 bits
- 𝑒(𝑡): un signal modulé obtenu par la transformation des symboles en signaux
- ℎ𝑒 (𝑡): filtre de mise-en-forme
- 𝑥(𝑡): signal numérique émis
1.2.3 Modeles des canaux de communications à considerer
Figure 3 représente un modele général d’un canal de communication.
Introduction 3
𝑧(𝑡)
𝑥(𝑡) 𝑠(𝑡) 𝑦(𝑡)

ℎ𝑐 (𝑡)
Figure 3: Modele général du canal de communication
Notation utilisée:
- ℎ𝑐 (𝑡) : réponse impulsionelle du canal
- 𝑧(𝑡) : bruit additif gaussien
- 𝑦(𝑡): signal à la sortie du canal / à l’entrée du détecteur de signal
Nous allons considérer les types de canaux suivants:
∙ canal du bruit additif gaussien (AWGN): 𝑦(𝑡) = 𝑥(𝑡) + 𝑧(𝑡)
∙ canal invariant: ℎ𝑐 (𝑡) constant
∙ canal sélectif en fréquence: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑓0 )
∙ canal sélectif en temps: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑇0 )
∙ canal variant en temps et en fréquence: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑓0 , 𝑇0 )
1.2.4 Diagramme detaillé du détecteur de signal
Figure 4 présente le schéma du détecteur de signal.

Notation utilisée:
- ℎ𝑟 (𝑡): filtre de réception
- 𝑟[𝑘𝑇 ]: signal filtré échantilloné
-𝑎
ˆ𝑘 : symboles détectés
- 𝐴ˆ𝑘 : vecteurs de bits demodulés
Introduction 4
𝑦(𝑡) 𝑟[𝑘𝑇 ] 𝑎
ˆ𝑘 𝐴ˆ𝑘 𝑚[𝑛]
ˆ
ℎ𝑟 (𝑡)
Figure 4: Détecteur de signal
- 𝑚[𝑛]
ˆ : message binaire estimé
1.3 Messages et signaux dans la chaı̂ne de communication
Considérons la transformation des signaux dans la chaı̂ne de communications.

Supposons que nous avons un paquet de 𝑣 bits a l’entrée du codeur du canal. Ce paquet
des bits utiles (ne contenant que l’information) sont encodées pas le codeur du canal en message
encodé de 𝑛 bits, noté comme 𝑚[𝑛]. Ensuite la conversion série-parallèle est réalisée: on obtient 𝑘
veteurs de 𝑛/𝑘 bits chacun, noté comme 𝐴[𝑘].
Le modulateur effecture la transformation des vecteurs 𝐴 en symboles 𝑎𝑘 , qui peuvent prendre
comme les valeurs réelles ainsi que complexes.
Exemple : Dans Figure 5, la génération d’un signal émis est présenté. Pour cet exemple, la longueur
des vecteurs 𝐴 est égale a 2, et la transformation suivante est effectuée:
𝐴[𝑘] → 𝑎𝑘
00 → -3
01 → -1
11 → 1
10 → 3
Dans le cas des valeurs réelles, chaque symbole 𝑎𝑘 peut prendre une valeur parmi 𝑀 . Les
symboles 𝑎𝑘 donc sont les symboles M-aires. Les symboles {𝑎𝑘 } 𝑀 -aires ”normalisés” prennent
Introduction 5
CANAL DE NYQUIST GAUSSIEN
TRANSMISSION EN BANDE DE BASE

des valeurs situées symètriquement de part et d’autre du zéro : 𝑎𝑘 ∈ {±1, ±3, . . . , ±𝑀/2}. Chaque
symbole 𝑎𝑘 d’information transporte à lui seul log2 𝑀 bits.
Le signal à la sortie du modulateur est constitué d’une suite d’impulsions réalisant le support
physique de symboles d’information {𝑎𝑘 }.
1. MODELISATION Le signal 𝑒(𝑡) est donc obtenu de façon équivalente
avec un filtre de mise-en-forme de réponse impulsionnelle excité par le train d’impulsions de
1.1 Signal numérique
Dirac :
Un signal numérique est constitué d'une suite
∑ d'impulsions réalisant le support
𝑒(𝑡) = 𝑎 𝛿(𝑡 − 𝑇 ),
physique de symboles d'information {ak}. Chaque symbole
𝑘 𝑠
ak peut prendre une valeur
𝑘∈𝑍
parmi Mavec
(symboles "M-aires"),
une période avec𝑇une
de répétition période
comme de répétition
c’est montré Ts ou5.période symbole :
dans Figure
𝑠
M e s s a g e b in a i r e m [n ] 0 0 1 0 1 0 0 1 1 1
é m is
R e g ro u p e m e n t A [k ] 00 10 10 01 11
S y m b o le M - a ir e ak +3 +3
+ 1 k
1 4
2 3 5
-1
-3
S ig n a l n u m é r iq u e x ( t)
é m is
4 TS t
TS 2 TS 3 TS 5 TS
Chaque impulsion est un multiple d'une

Figure forme
5: Signal d'impulsion
numérique émisde base he (t) :
𝑥(𝑡)
A [k ] k
a h e( t)
A
Chaque impulsion est un multiple d’une forme d’impulsion de base, comme par exemple celui
présenté1dans
0 Figure 6. +La3 forme de l’impulsion de base est donnée par le réponse impulsionnelle
11 + 1 t
Introduction 6
01 -1 - TS O TS
I m p u ls io n d e b a s e
4 TS t
TS 2 TS 3 TS 5 TS

Chaque impulsion est un multiple d'une forme d'impulsion de base he (t) :
A du a k en forme ℎ𝑒 (𝑡).
[ k ] filtre de mise h e( t)
A
10 +3
11 + 1 t
01 -1 - TS O TS
I m p u ls io n d e b a s e
00 -3 Figure 6: Impulsion de base ℎ𝑒 (𝑡)
E.N.S.E.A L’expression gén’erale d’un signal numerique émis est donc : Michel CHUC
∑ ∑
𝑥(𝑡) = 𝑎𝑘 (𝛿 ∗ ℎ𝑒 )(𝑡 − 𝑘𝑇𝑠 ) = 𝑎𝑘 ℎ𝑒 (𝑡 − 𝑘𝑇𝑠 )
𝑘∈𝑍 𝑘∈𝑍
.
Le modele du canal de communication comprend un terme de filtrage linéaire et du bruit
additif gaussien. Le signal à la sortie du canal est
𝑦(𝑡) = 𝑠(𝑡) + 𝑧(𝑡),
où 𝑧(𝑡) est le bruit gaussien. La composante 𝑠(𝑡) est donnée par :
𝑠(𝑡) = (𝑥 ∗ ℎ𝑐 )(𝑡) = (𝑒 ∗ (ℎ𝑒 ∗ ℎ𝑐 ))(𝑡) = (𝑒 ∗ ℎ)(𝑡).
Alors nous avons

∑
𝑦(𝑡) = 𝑎𝑘 ℎ(𝑡 − 𝑘𝑇𝑠 ) + 𝑧(𝑡).
𝑘∈𝑍
Le canal introduit une déformation de l’impulsion de base émise.

A la réception, le signal 𝑦(𝑡) passe par le filtre de réception. Nous avons à la sortie du filtre
𝑟(𝑡) = (𝑦 ∗ ℎ𝑟 )(𝑡) = (𝑒 ∗ ℎ ∗ ℎ𝑟 )(𝑡) + (𝑧 ∗ ℎ𝑟 )(𝑡) = (𝑒 ∗ 𝑔)(𝑡) + 𝑏(𝑡).
A l’échantillonnage, la valeur instantanée de l’amplitude de l’impulsion est capturée à l’instant

de décision 𝑡 = 𝑘𝑇𝑠 . Cette opération suppose une cohérence locale avec l’horloge cadençant les
Introduction 7
• Canal de transmission
Le modèle comprend un terme de filtrage linéaire et du bruit additif.
• Echantillonnage
La valeur instantanée de l'amplitude de l'impulsion est capturée à l'instant de
décision t = kT s (en faisant
symboles, abstraction
la synchronisation de divers
requise retards apurs
étant effectuée partirde
dupropagation dans (récupération
signal reçu lui-mme le
canal et dansdelerythme
filtre symbole).
de réception). Cette
Le signal opération
soumis suppose une
à échantillonnage cohérence
s’écrit : locale avec
l'horloge cadençant les symboles, la synchronisation requise étant effectuée à partir
∑
du signal reçu lui-même (récupération de rythme symbole).
𝑟[𝑘𝑇 𝑠 ] = 𝑎𝑘 𝑔(𝑡 − 𝑘𝑇𝑠 ) + 𝑏(𝑘𝑇𝑠 ).
𝑘∈𝑍
• OrganeEnsuite,
de décision
la valeur estimée 𝑎
ˆ𝑘 du symbole transmis est déterminée a partir de la valeur échantillonnée
La valeurà estimée a!kdécision,

l’instant de du symbole transmis
soit 𝑟(𝑘𝑇 est déterminée
𝑠 ). On opère à partir
par comparaison avec 𝑀de seuils
la valeur
de décision. La
échantillonnée à l'instant
présence de décision,
de distorsion et/ou desoit
bruitr(peut . On opère conduire
kTs )évidemment par comparaison
à une erreuravec un
de symbole.
jeu de M-1 seuilsExemple OrganeLa
de décision. de présence de𝑀distorsion
décision pour = 4. et/ou de bruit peut évidemment
conduire à une erreur de symbole.
r ( t)
3A
#3 r(k T s)
A t
S e u ils d e
d é c isio n
#2
-A k Ts
#1
-3A
a^ k
3
1
r
# 1 #2 #3
-1
-3
Caractéristique de transfert de l'organe de décision (M=4)

Figure 7: Exemple des seuils de décision
ˆ à partir des symboles estimés 𝑎𝑘 . 𝐴[𝑘] sont

Le demodulateur estime les vecteurs des bits 𝐴[𝑘]
ensuite reconvertis en paquet 𝑚[𝑛]
ˆ étant une estimation du paquet 𝑚[𝑛]. Finalement, le paquet est
décodés par le décodeur du canal afin d’obtenir une estimation des bits utiles d’information.
Introduction 8
1.4 Débit de transmission
Le débit de transmission se mésure entre l’entrée du module de mise en forme et la sortie du

détecteur de signal.
Le débit de symboles en symboles/s:
1
𝐷𝑠 = ,
𝑇𝑠
Le débit binaire en bits/s:

log2 𝑀
𝐷𝑏 = .
𝑇𝑠
1.5 Domaine spectrale
Rappelons-nous que les signaux ont la représentation temporelle et la représentation spectrale,

qui sont équivalentes. La représentation spectrale est beaucoup utilisée lors de la description des
méthodes de transmission.
Considérons le signal émis 𝑥(𝑡). La densité spectrale de puissance (DSP) de 𝑥(𝑝) peut s’écrire
comme
˚ 𝛾𝑒 (𝑓 )∣ℎ̊𝑒 (𝑓 )∣2 .
𝛾𝑥 (𝑓 ) = ˚
Le spectre dépend donc à la fois des caractéristiques du signal 𝑒(𝑡) transportant les symboles et de
la forme de l’impulsion de base. La DSP du signal 𝑒(𝑡) est donnée par l’expression :
⎛ ⎞
∞ 2
1 ⎝ 2 ∑ 𝑚
˚𝛾𝑒 (𝑓 ) = 𝜎𝑎 + 2 𝛾𝑎 [𝑝] cos 2𝜋𝑝𝑓 𝑇𝑠 + 𝑎 ⎠
𝑇𝑠 𝑇𝑠
𝑝=1
avec :
- 𝑚𝑎 : valeur moyenne des symboles
- 𝛾𝑎 [𝑝] : fonction d’autocorrélation des symboles
- 𝜎𝑎2 : variance des symboles
On en déduit que le spectre du signal numérique possède une partie continue et éventuellement,
si 𝑚𝑎 ∕= 0, une partie constituée de raies. Dans le cas simplifié ou les symboles ont une valeur
Introduction 9
6 Communications
moyenne numériques
nulle (𝑚 𝑎 = 0) et sont non corrélés (𝛾𝑎 [𝑝] = 0 pour p=1,2,... ), on obtient que
6 Communications numériques 𝜎𝑎2

La puissance moyenne du signal (variance),
˚
𝛾 𝑥 obtenue
(𝑓 ) = ∣˚par
𝑒(𝑓 )∣2intégration
. de (9), vaut
𝑇𝑠
La puissance moyenne
La puissance du signal
moyenne (variance),
du signal 2 2 E
obtenue
h par intégration de cette
(9), vaut
!(variance),
x = !a
obtenue par intégration de (10)expression, vaut
Ts
E 𝐸ℎ
2 ! x = !𝑥a 𝑎
2 𝜎 2 2= 𝜎 2h . (10)
où Eh = " he (t ) dt est l'énergie de Ts 𝑇de
l'impulsion 𝑠 base he (t ) .
∫∞ R 2
où 𝐸ℎ = 2𝑒 (𝑡)𝑑𝑡 est l’énergie de l’impulsion de base ℎ𝑒 (𝑡).
−∞ ℎ
où Exemple "
Eh = he (t ) dt est l'énergie de l'impulsion de base he (t ) .
: signal NRZ 𝑀 -aire
Exemple : signal
R NRZ M-aire
x (t) (M = 4 )
3A
Exemple : signal NRZ M-aire
A A
x (t) (M = 4 ) t
3A
O -A
A -3A A
t
O -A
• Forme de l'impulsion de base :
- 3 A h 8:( t )𝑥(𝑡) - signal NRZ 𝑀 -aire
Figure e
A
• FormeLa
deforme de l’impulsion
l'impulsion de basede: base est: t
h e(t)
O Ts
A
• Symboles : ak = { ±1, ± 3, ... , ± ( M # 1)} , supposés non
t corrélés et équiprobables.
. moyenne : O mTas = 0
M2 # 1
. variance : ! 2
= (11)
• Symboles : ak = { ±1, ± 3, ... , ± ( M # 1a)} , supposés
3 non corrélés et équiprobables.
Figure 9: Impulsion de base NRZ
. moyenne :
(voir démonstration de ces résultatsmen
a =annexe
0 7)
Les symboles 𝑎𝑘 = {±1, ±2, . . . , ±(𝑀 − 1)} sont supposés non corrélés et équiprobables, alors la
• Densité spectrale de puissance : M2 # 1
.moyenne
variance𝑚𝑎:= 0, la variance est 2
!a = (11)
3
𝑀 2
− 1
M2 # 1𝜎𝑎2 = .
(voir démonstration de ces
°
$ (f)=
résultats A2T .sin
3 c2 ( fT )
x
3 en annexe
s 7)
Nous obtenons donc la densité spectrale de puissance suivante:
s
• Densité spectrale de puissance : 2 𝑀 2 °−(f 1) 2

M 𝛾𝑥1 (𝑓 )2 =
-˚ $ 𝐴 𝑇𝑠 sin 𝑐2 𝑓 𝑇𝑠 .
A T s 3x
3
M2 # 1 2
°
$ x( f ) = A Ts .sin c2 ( fTs )
3
Introduction 9 0 % d e Pm oy
10
°
M
2
- 1 A 2T $ (f )
x
3 s
3
(voir démonstration de ces résultats en annexe 7)
• Densité spectrale de puissance :
M2 # 1
A2Ts .sin c2 ( fTs )
$° x ( f ) =numériques
ENSEA - 2009 - Coommunications
3
°
M
2
- 1 A 2T $ x (f )
3 s
9 0 % d e Pm oy
- 2 - 1 O 1 2
Ts Ts Ts Ts
Figure 10: DSP obtenue
2 Transmission en absence du bruit
Canal
Considérons le cas le plus simple de transmission: le de Nyquist
canal en bande
est parfait, de base
donc 7 est absent.
le bruit
Il s’avère que même dans telles conditions favorables la transmission correcte peut être impossi-
2. INTERFERENCE ENTRE SYMBOLES (IES)
ble...si votre filtre de mise en forme est mal choisi!
Inter-Symbol Interference (ISI)

2.1 Interférence entre symboles (IES)
2.1 Nature de l'IES - diagramme de l'oeil
Ce phénomene se produit si l’amplitude de l’impulsion soumise a échantillonnage en réception
Ce phénomène se produit si l'amplitude de l'impulsion soumise à échantillonnage
dépend,dépend,
en réception a l’instant de décision,
à l'instant de symboles
de décision, voisins : voisins :
de symboles
g ( t - k Ts )
k Ts
t
(k - 1) Ts (k + 1) Ts
Le contrôle au niveau temporel du degré d'IES s'effectue de façon très simple sur
Figure 11: Exemple de l’intérference entre symboles
un oscilloscope par le diagramme de l'œil :
Le1 contr
0 ôle au
1 niveau
1 1 1 du0 degré0 d’IES0 s’effectue
temporel 0 1de façon
0 1 simple sur un oscillo-
tres
A E F G H O
Transmission en absence du bruit 11
t
B D I N
Ts
g ( t - k Ts )
k Ts
t
ENSEA - 2009 - Coommunications numériques (k - 1) Ts (k + 1) Ts
scope par le diagramme de l’oeil (Figure ??). En l’absence d’IES, l’oeil est completement ”ouvert”
Le contrôle
a l’instant de décision: tous au niveaupassent
les trajets temporel
par du degré
deux d'IES
points s'effectue
seulement de façon
en binaire (partrès simple sur
𝑀 points
un oscilloscope par le diagramme de l'œil :
en 𝑀 -aire).
1 0 1 1 1 1 0 0 0 0 1 0 1
A E F G H O
t
B D I N
Ts
C J K L M
A ,E , G F ,H E , G , O
B D I N
J,L C, K ,M J,L
t
(k -1)Ts k Ts (k + 1)Ts
2 Ts
En l'absence d'IES, l'oeil est complètement "ouvert" à l'instant de décision: tous les
Figure 12: Diagramme de l’oeil
trajets passent par deux points seulement en binaire (par M points en M-aire).
Exemple Voici les exemples des diagrammes de l’oeil pour la transmission binaire et 𝑀 -aire:
Le diagramme de l’oeil met en évidence une ouverture verticale (a) (immunité au bruit), une
ouverture horizontale (b) (immunité au déphasage de l’horloge), une pente (c) (immunité à la
gigue d’horloge) et une fluctuation (d) (amplitude de la gigue du point de passage par zéro) (Fig-
ure 14)

Communications numériques
8 Communications numériques
• Exemples de diagramme de l'oeil
- Transmission binaire
• Exemples de :
diagramme de l'oeil
- Transmission binaire : Transmission 𝑀 -aire
Transmission binaire
sanssans
Transmission IES IES avec IES avec IES
Transmission sans IES sans IES
Transmission
Transmission sans IES • Transmission

Figure avec
13: Exemples
Caractéristiques
Canal IES
dedu diagramme
Nyquist dedel'oeil
en bande base 9
- Diagramme de l'oeil en transmission M-aire :
Exemple : M=4 Le diagramme de l'oeil met en évidence une ouverture verticale (a
- Diagramme de l'oeil en transmission M-aire :
bruit), une ouverture horizontale (b) (immunité au déphasage de l'hor
Exemple : M=4 c
(c) (immunité
a à la gigue d'horloge) et une fluctuation (d) (amplitude
point de passage par zéro) :
t
d b t
Figure 14: Charactéristiques du diagramme de l’oeil
2.2 Annulation de l’IES : conditions de Nyquist
2.2.1 Condition de Nyquist dans le domaine temporel
Le signal soumis a échantillonnage en réception 𝑟(𝑡) ne comprend qu’une partie ”signal” , la partie
”bruit” étant absent. 𝑟(𝑡) donc s’écrit comme:
∑ ∑
Transmission
𝑟(𝑡) = 𝑎𝑛sans
𝑔(𝑡 −IES
𝑘𝑇𝑠 ) = 𝑎𝑘 𝑔(𝑡 − 𝑘𝑇𝑆 ) + 𝑎𝑛 𝑔(𝑡 − 𝑘𝑇𝑠 )
𝑛∈𝑍 𝑛∈𝑍,𝑛∕=𝑘
• Caractéristiques du diagramme Transmission

de l'oeil sans IES
La valeur échantillonnée à l’instant de décision 𝑡 = 𝑘𝑇𝑠 vaut :
Le diagramme de l'oeil met
• Caractéristiques du en évidence de
diagramme unel'oeil ∑ (a) (immunité au
ouverture verticale
ruit), une ouverture horizontale (b) (immunité au 𝑠déphasage
𝑟[𝑘𝑇 ] = 𝑎 𝑘 𝑔(0) de l'horloge),
+ 𝑎𝑛 𝑔((𝑘 − une
𝑛)𝑇𝑠pente
)
Le diagramme de l'oeil met en évidence une ouverture𝑛∈𝑍 verticale (a) (immunité au
) (immunité à la gigue d'horloge) et une fluctuation (d) (amplitude de la gigue du
bruit), une ouverture horizontale (b) (immunité au déphasage de l'horloge), une pente
oint de passage par zéro)
où 𝑎 𝑘 𝑔(0): est l’amplitude de l’impulsion ”utile” attendue et le deuxième terme est le terme parasite
(c) (immunité à la gigue d'horloge) et une fluctuation (d) (amplitude de la gigue du
d’IES.
point de passage parL’IES
zéro)est: nulle si l’on vérifie
∑
𝑎𝑛 𝑔((𝑘 − 𝑛)𝑇𝑠 ), ∀𝑎𝑛 .
𝑛∈𝑍

avec : . ak g(0) : amplitude de l'impulsion "utile" attendue
. $ an g[ (k ! n)Ts ] : terme parasite d'IES

n"Z,n# k
L'IES est nulle si l'on vérifie:
$
an g ( k ! n)Ts = 0
ENSEA - 2009 - Coommunications numériques [ ] , %an (13)
n"Z,n# k
Une condition
Une condition nécessaire
nécessaire pour nepour
et suffisante
et suffisante ne pas
pas avoir avoir
d’IES est d'IES est que l'impulsion
que l’impulsion de base 𝑔(𝑡) =
de base g(t) possède la propriété :
(ℎ𝑒 ∗ ℎ𝑐 ∗ ℎ𝑟 )(𝑡) possède la propriété :
(14)
g( kT ) = g(0). &[ k]
𝑔(𝑘𝑇s𝑠 ) = 𝑔(0)𝛿[𝑘].
Les impulsions
Les impulsions suivantes
suivantes vérifient
vérifient la condition
la condition de Nyquist
de Nyquist au niveau
dans le domaine temporel
temporel : :
g (t)
g (0 )
a
t
-2 Ts - Ts 0 Ts 2Ts
g (t)
g (0 )
b
t
-2 Ts - Ts 0 Ts 2Ts
g (t)
g (0 )
c
t
-2 Ts - Ts 0 Ts 2Ts
Figure 15: Exemples des impulsion vérifiant la condition de Nyquist (domaine temporel)
2.2.2 Condition de Nyquist dans le domaine spectral
Si la condition de Nyquist dans le domaine temporel est vérifiée, l’échantillonnage avec une
période 𝑇𝑆 de l’impulsion de base 𝑔(𝑡) conduit alors à un seul Dirac en zéro :
𝑔(𝑡).... = 𝑔(0)𝛿(𝑡).
En prenant la transfrmée de Fourier (TF) des deux membres, on en déduit la condition dans le
domaine spectral :
∑ ( 𝑘
)
𝑔 𝑓−
˚ = 𝑇𝑠 𝑔(0).
𝑇𝑠
𝑘∈𝑍

En prenant la TF des deux membres, on en déduit la condition au niveau spectral :
°$ k' (15)
* % T )( = Ts. g(0)
g& f #
k"Z s
DesExemples
exemples de
despectres d’impulsions
spectres de base
d'impulsions de vérifiant cette condition
base vérifiant sont présentés
la condition spectraledansdeFigure
16. Nyquist (15)les
Notons que : spectres 1, 2 et 3 des exemples ont un support fréquentiel borné alors que le
spectre 4 possède un support fréquentiel infini. g° ( f ) g° (f - 1 ) g° (f - 2 )

T .g ( 0 ) Ts Ts
s
1
f
-2 /T s - 1/ Ts - 1/ 2 T s 0 1/2 T 1/ T -2 /T
s s s
g° ( f )
T .g ( 0 )
s
2 f
-2 /T s - 1/ Ts - 1/ 2 T s 0 1/2 T 1/ T -2 /T
s s s
g° ( f )
T .g ( 0 )
s
3
f
-2 /Ts - 1 / Ts - 1 / 2 T s 0 1/2 Ts 1/ T s - 2 / Ts
g° ( f )
T .g ( 0 )
s
4
f
-2 /T s - 1/ Ts - 1/ 2 T s 0 1/2 T 1/ T -2 /T
s s s
Figure 16: Exemples des impulsion vérifiant la condition de Nyquist (domaine spectral)
Les spectres 1, 2 et 3 ont un support fréquentiel borné alors que le spectre 4
possède un support
Compte-tenu la TF,(TF
fréquentieldeinfini
des propriétés il estdeimpossible
l'impulsion g(t) triangulaire
d’avoir (a) vérifiant
un support borné a la fois dans
la domaines
les con-ditiontemporel
temporelle de NyquistEn
et fréquentiel. : la vérification
pratique, au est
le choix niveau spectral
imposé n'est pas doit
: la transmission
évidente).
s’effectuer dans un canal à bande passante limitée [−𝐵, 𝐵]. On suppose que la TF de l’impulsion
de base a un support fréquentiel borné, avec
1
𝑔 (𝑓 ) = 0 pour ∣𝑓 ∣ ≥
˚ .
𝑇𝑠
Cette situation est observée dans les exemples de spectres 1, 2 et 3 précédents. On vérifie alors

la fois dans les domaines temporel etg
° fréquentiel.
( f ) = 0 pourEn
f pratique,
! le choix est imposé : la
Ts
transmission doit s'effectuer dans un canal à bande passante limitée [-B, B].
On Cette
supposesituation
que la TFest de
observée dans de
l'impulsion lesbase
exemples de spectres
a un support 1, 2 et 3borné,
fréquentiel précédents.
avec : On
vérifie alors facilement que la relation (15) conduit 1 à la condition ci-dessous, de
g°
( f ) = 0 pour
laquelle découle le critère spectral de Nyquist : f !
Ts
Cette situation est observée dans
" 1 les exemples
% " 1de spectres
% 1, 2 et 3 précédents. On
° ° °
vérifie alors facilement que lag$#relation
2Ts
+ )f '(15)
&
+ g$conduit
# 2Ts
( )f à' =lag(condition
&
0) ci-dessous, de
laquellefacilement
découle leque la condition
critère spectral dans le domaine
de Nyquist : spectral conduit a la condition ci-dessous, de laquelle
Critère spectral
découle despectral
le critere Nyquist de: Nyquist :
°
" 1 % °" 1 % °
g $ + )f ' 1+ g $ ( )f ' = 1 g(0)
# 2Ts ˚ (#f 2Δ𝑓
𝑔° (& g°+ )Ts ) + ˚
𝑔 (& − Δ𝑓 ) = ˚
𝑔 (0)
g ( 0 2𝑇
) 𝑠 2𝑇𝑠
( )
Critère spectral de Nyquist
Critere spectral :
de Nyquist °g : l’IES est nulle si le point 2𝑇1 , ˚ 𝑔 (0)
de la réponse en fréquence
(0) 𝑠 2
P
globale ˚ 2
𝑔 (𝑓 ) est un centre de symètrie (voir Figure 18 pour a demonstration).
°
g (f ) f
g° ( 0 )
0 1/ 2 T s 1/ Ts
g° ( 0 )
P%
2 "$ 1 g °
(0) '
L'IES est nulle si le point P$ , f
2Ts ' de la réponse en fréquence globale
2
# &
0 1/ 2 T s 1/ Ts
g° ( f ) est un centre de symétrie centrale.
Figure "17:1Demonstration
° %
g(0) ' du critere spectral de Nyquist
$
L'IES est nulle si le point P , de la réponse en fréquence globale
$ 2Ts 2 '
Lorsque les conditions #
de Nyquist sont& vérifiées, l'ensemble du système constitue
Lorsque les conditions de Nyquist sont vérifiées, l’ensemble du systeme constitue un ”canal
un "canal de Nyquist".
g° ( fque
) estlaun centre de symétrie centrale.
de Nyquist”. Notons transmission sans IES est impossible si la bande passante 𝐵 du canal
• est inférieure: a la limite appelée la ”fréquence de Nyquist”:
Remarques
- la les
Lorsque transmission
conditions sans IES estsont
de Nyquist si l'ensemble
vérifiées,
impossible la bande passante
du système B du canal est
constitue
1 D 1 𝐷 𝑠
un "canal de Nyquist". = s (appelée 𝐵< = ;
inférieure à la limite "fréquence
2𝑇𝑠 2 de Nyquist") :
2Ts 2
• Remarques : g° ( f )
- la transmission sans IES est impossible si la bande passante B du canal est
1 D
inférieure à la limite = s (appelée "fréquence de Nyquist") : f
2Ts 2
- 1 / Ts -B B g° ( f )
0 1/ T s
- 1 / 2 Ts 1/2 T s
Figure 18: Bande passante inférieure a 1/2𝑇𝑠
- g( f ) est supposée ici réelle, d'où une forme d'impulsion de base g(t)f non causale.
°
EnPrésentons
pratique, un
on- exemple
1 /introduira tres- Bun retard pur
important Bsupplémentaire suffisant pour que lade Nyquist
Ts
T 0 de filtre en cosinus
T
1 / T s surélevé. Exemple: filtre
- 1 / 2
fonction g(t) puisse être considérées comme nulle pour1 / 2 s t < 0.
en cosinus surélevé (raised cosine filter)
- g°
( f ) est supposée ici réelle, 
⎧d'où une forme d'impulsion de base g(t) non causale.
𝑇𝑠
(𝜋
, 1−𝛼 1+𝛼
( ))
 1 − sin [2∣𝑓 ∣𝑇 − 1] 2𝑇𝑠 ≤ ∣𝑓 ∣ ≤ ,
En pratique, on introduira  un supplémentaire
𝑠
suffisant pour2𝑇𝑠 que la



⎨
2 retard pur2𝛼
fonction g(t) puisse être 𝑔 (𝑓 considérée

˚ ) = 𝑇𝑠 , comme nulle pour t < 0. 0 ≤ ∣𝑓 ∣ ≤ 1𝛼 ,
 2𝑇𝑠




⎩0,
 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡,

g° ( f )
Ts
=0
Canal de Nyquist en bande de base 13
Ts
ENSEA - 2009 - Coommunications numériques = 0 .5
2
• Exemple: filtre de Nyquist en cosinus surélevé (raised cosine filter)
= 1
g° ( f ) f Ts
-1 - 0 .5 Ts 0 0 .5 1
=0
( Ts ( "0 %+ 1 ! 1 1+ 1
/ )1 ! sin$ (2 fT Ts ! 1)', , . f .
2* # 21 s &- 2Ts = 20 T
. 5s
/ 2
/ 1! 1
°
g( f ) = ) Ts , 0. f . (16)
/ 2Ts = 1 f Ts
/
-1 / 0 - 0 .5 0 , ailleurs
0 .5 1
*
avec
( T 0(Figure
. 1 . 1"19:0 Cosinus surélevé
%+ 1dans! 1 le domaine
1 + 1spectral
s
/ 2 )1 ! sin$ 2 (2 f Ts ! 1)', , 2T . f . 2T
/ * # 1 &
g -( t ) s
1 ! 1
s
/ 1
°
g( f ) = ) Ts , 0. f . (16)
/ 2Ts
/
/ 0 , ailleurs
* 1 = 1 1 = 0 .5 1 = 0
t/ T s
avec 0 . 1 . 1
-4 -3 -2 -1 0 1 2 3 4
g ( t)
1
2 0tdans
Figure 20: Cosinus surélevé 5 le2domaine
01t 5 temporel
sin4 7 cos4 7
3 Ts 6 3 Ts 6
g(t) = .
avec 0 ≤ 𝛼 ≤ 1. Dans le domaine temporel 0t = 1 2=201.t55 2 = 0
1 1 !14 7 1
Ts T
3 s 6𝑠 ) t/ T s
sin(𝜋𝑡/𝑇𝑠 ) cos(𝜋𝛼𝑡/𝑇
𝑔(𝑡) =
(𝜋𝑡/𝑇𝑠 ) 1 − (𝜋𝛼𝑡/𝑇𝑠 )2
-4 -3 -2 -1 0 1 2 3 4
Le paramètre 1 est appelé coefficient d'arrondi ou parfois facteur de retombée (roll-
Le parametre est appelé le coefficient d’arrondi ou parfois facteur de retombée (roll-off factor). La
off factor). 2 0t 5 2 01t 5
largeur spectrale est donnée par sin4 7 cos4 7
La largeur spectrale est donnée par3 T : s6 3 Ts 6
g(t) = .
1+𝛼 0t𝐷𝑠 2 21𝐷
2
t 5𝑠 ≤ 𝐵 ≤ 𝐷𝑠 .
𝐵= = (1 + 𝛼) , 1 !donc
2𝑇𝑠 Ts12+ 1 4 T 27 Ds (17)
B= =3(1 +s 61)
2Ts 2
2.2.3Le Egalisation
paramètre 1 est appelé coefficient d'arrondi ou parfois facteur de retombée (roll-
Ds
off factor). . B . Ds
Em présence du bruit, le filtre de réception, de2réponse en fréquence équivalente ℎ̊𝑟 (𝑓 ), doit cor-
La largeur spectrale est donnée par :
riger, éventuellement de façon adaptative, la distorsion linéaire responsable de l’IES introduite
1+ 1 D (17)
B= = (1 + 1) s
Transmission en absence du bruit 2Ts 2 17
Ds
. B . Ds
2
14 Communications numériques
Filtre de Nyquist en cosinus surélevé : influence du coefficient d'arrondi !
! = 0.2 ! = 0.5
! = 0.8 !=1
Figure 21: Filtre de Nyquist en cosinus surélevé : influence du coefficient d’arrondi

2.2.4 Egalisation
°
Le filtre de réception, de réponse en fréquence équivalente h r( f )
, doit corriger,
par le canal.éventuellement
Le canal estdedit égalisé lorsque la réponse globale vérifie le critere de Nyquist. En
façon adaptative, la distorsion linéaire responsable de l'IES
°
par le canal. Le canal est dit égalisé lorsque la réponse globale g( f )
pratique, on introduite
y parvient a l’aide d’un filtre supplementaire appelé égaliseur placé derriere le (les)
vérifie le critère de Nyquist.
filtre(s) d’entrée du récepteur, apres échantillonnage (réalisation sous forme numérique). Plus
En pratique, on y parvient à l'aide d'un filtre supplémentaire appelé égaliseur
placé derrière le (les) filtre(s) d'entrée du récepteur, après échantillonnage
d’information sur les techniques d’égalisation va être présenté plus tard dans le cours.
(réalisation sous forme numérique).

3 Exercises
3.1 Exercises corrigés
1. Téléphone numérique
Comparez les contraintes en largeur de bande d’un canal audio du téléphone analogique de
3 kHz et d’un canal numérique. Pour le canal numérique, la voix est formattée a une suite de
bits, echantillonés a 8000 échantillons/s, et chaque echantillon est quantifié de 256 niveaux.
One demande que l’interference entre symboles soit 0.
Solution : Un echantillon quentifié à 256 niveaux se représente pas log2 256 = 8 bits. Donc,
la bande minimale necessaire est de
1
𝑊 ≥ (8 bits/symbole )(8000 symboles/s ) = 32kHz.
2
2. Quizz Choisissez la réponse correcte.
1) Considérer le signal 𝑥(𝑡) = cos(2𝜋𝑡)( 𝑠𝑖𝑛(𝜋𝑡) 2

𝜋𝑡 ) . Assumer qu’on effectue l’échantillonage
avec le période 𝑇 . Quel est 𝑇 maximal qui garantie la récuperation du signal? a) 𝑇 = 1/8; b)
𝑇 = 1/4; c) 𝑇 = 1/2.
Solution: 1/4.
𝑝(𝑓 ) = 𝑇 (1 − ∣𝑓 ∣𝑇 ), 0 ≤ ∣𝑓 ∣ ≤ 1/𝑇 .
2) On vous donne un signal 𝑝(𝑡) avec la densité spectrale ˚
∫
Quelle est la valeur de 𝑝(𝑡)𝑝(𝑡−3𝑇 )𝑑𝑡? (Astuce: reflechissez avant de commencer le calcul!)
a) 0; b) 3𝑇 ; c) 1/3𝑇 .
Solution: 1/3𝑇 .
3.2 Bonus
1. Proposer votre propre filtre vérifiant les conditions de Nyquist.
2. Spectre des signaux
Démontrer la formule de ˚
𝛾𝑒 (𝑓 ).
Exercises 19

Communications Num Riques Avanc Es. Cours 1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Communications Num Riques Avanc Es. Cours 1

Încărcat de

Drepturi de autor:

Formate disponibile

Communications numériques avancées.

(deuxième partie du semestre).

1.1 Chaı̂ne de communication

Figure 1: Chaı̂ne de communication

- reseaux adhoc (plusieurs sources - plisueurs destinataires)

1.2 Modules de la chaı̂ne de communication

1.2.1 Brève description

Canal de communication : Un canal de communication donne une possibilité de communiquer à

contre les erreurs introduits par un canal de communication bruité.

1.2.2 Diagramme detaillé du module mise-en-forme de signal

Voici le schéma detaillé du module de mise-en-forme du signal:

𝑚[𝑛] 𝐴[𝑘] 𝑒(𝑡) 𝑥(𝑡)

Figure 2: Mise en forme de signal

1.2.3 Modeles des canaux de communications à considerer

Figure 3 représente un modele général d’un canal de communication.

𝑥(𝑡) 𝑠(𝑡) 𝑦(𝑡)

Figure 3: Modele général du canal de communication

∙ canal du bruit additif gaussien (AWGN): 𝑦(𝑡) = 𝑥(𝑡) + 𝑧(𝑡)

∙ canal invariant: ℎ𝑐 (𝑡) constant

∙ canal sélectif en fréquence: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑓0 )

∙ canal sélectif en temps: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑇0 )

∙ canal variant en temps et en fréquence: ℎ𝑐 (𝑡) = ℎ𝑐 (𝑡, 𝑓0 , 𝑇0 )

1.2.4 Diagramme detaillé du détecteur de signal

Figure 4 présente le schéma du détecteur de signal.

Figure 4: Détecteur de signal

1.3 Messages et signaux dans la chaı̂ne de communication

Considérons la transformation des signaux dans la chaı̂ne de communications.

TRANSMISSION EN BANDE DE BASE

Chaque impulsion est un multiple d'une

ENSEA - 2009 - Coommunications numériques

𝑦(𝑡) = 𝑠(𝑡) + 𝑧(𝑡),

𝑠(𝑡) = (𝑥 ∗ ℎ𝑐 )(𝑡) = (𝑒 ∗ (ℎ𝑒 ∗ ℎ𝑐 ))(𝑡) = (𝑒 ∗ ℎ)(𝑡).

Alors nous avons

Le canal introduit une déformation de l’impulsion de base émise.

𝑟(𝑡) = (𝑦 ∗ ℎ𝑟 )(𝑡) = (𝑒 ∗ ℎ ∗ ℎ𝑟 )(𝑡) + (𝑧 ∗ ℎ𝑟 )(𝑡) = (𝑒 ∗ 𝑔)(𝑡) + 𝑏(𝑡).

A l’échantillonnage, la valeur instantanée de l’amplitude de l’impulsion est capturée à l’instant

La valeurà estimée a!kdécision,

Caractéristique de transfert de l'organe de décision (M=4)

ˆ à partir des symboles estimés 𝑎𝑘 . 𝐴[𝑘] sont

1.4 Débit de transmission

Le débit de transmission se mésure entre l’entrée du module de mise en forme et la sortie du

Le débit binaire en bits/s:

1.5 Domaine spectrale

Rappelons-nous que les signaux ont la représentation temporelle et la représentation spectrale,

6 Communications numériques 𝜎𝑎2

• Densité spectrale de puissance : 2 𝑀 2 °−(f 1) 2

• Densité spectrale de puissance :

Figure 10: DSP obtenue

2 Transmission en absence du bruit

Inter-Symbol Interference (ISI)

ENSEA - 2009 - Coommunications numériques (k - 1) Ts (k + 1) Ts

Transmission en absence du bruit 12

Transmission sans IES • Transmission

2.2 Annulation de l’IES : conditions de Nyquist

2.2.1 Condition de Nyquist dans le domaine temporel

• Caractéristiques du diagramme Transmission

Transmission en absence du bruit 13

. $ an g[ (k ! n)Ts ] : terme parasite d'IES

L'IES est nulle si l'on vérifie:

2.2.2 Condition de Nyquist dans le domaine spectral

Transmission en absence du bruit 14

spectre 4 possède un support fréquentiel infini. g° ( f ) g° (f - 1 ) g° (f - 2 )

Transmission en absence du bruit 15