Documente Academic
Documente Profesional
Documente Cultură
Présentée par :
Ghadir MADI
Je désire tout d’abord remercier Nour ma femme et Sami mon fils, qui m’ont apporté
leur soutien et qui m’ont supporté avec tous mes défauts durant ces années de travail.
Sans eux, il fait nul doute que cette thèse n’aurait jamais pu se concrétiser aujourd’hui.
Je ne pourrais pas ne pas remercier mon père et ma mère, qui vivent tranquillement dans
leur village en Syrie et qui attendent mon retour avec impatience. Je remercie sincèrement
mon Université d’origine, Université Tichrine à Lattaquié en Syrie, pour avoir financé mes
travaux de recherches ainsi que le séjour de ma petite famille en France durant cette thèse.
i
Table des matières
Notations ix
Introduction 1
iii
TABLE DES MATIÈRES
iv
TABLE DES MATIÈRES
Bibliographie 141
Résumé 155
Abstract 157
v
Liste des acronymes et abréviations
vii
Liste des acronymes et abréviations
viii
Notations
ix
Table des figures
xi
TABLE DES FIGURES
2.13 Évolution des coefficients de la matrice de canal pour une vitesse égale à 5
km/h . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.14 Évolution des coefficients de la matrice de canal pour une vitesse égale à
50 km/h . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.15 Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 2 × 2 et une MAQ-4, modèle réaliste avec une estimation parfaite . 53
2.16 Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 2 × 2 et une MAQ-4, modèle réaliste avec une estimation imparfaite 53
xii
TABLE DES FIGURES
xiii
TABLE DES FIGURES
xiv
Liste des tableaux
4.1 Valeurs du PAR calculées numériquement pour les précodeurs pour une
MAQ-4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.2 Paramètres de modèle d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.3 Délais pour les trois configurations coopératives du P-OSM . . . . . . . . . 93
4.4 Délais des systèmes SISO et MIMO OSTBC coopératif . . . . . . . . . . . . 96
4.5 Délais des systèmes MIMO coopératifs max-dmin , P-OSM et OSTBC . . . 97
4.6 Les pertes de Eb /N0 à cause de l’erreur de synchronisation (x : le TEB cible
ne peut pas être assuré) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.1 Les divergences (K-L) entre les bruits mesurés, générés et gaussien . . . . . 120
xv
Introduction
De nos jours, les réseaux de télécommunications sans fil sont présents dans de très
nombreux domaines. Les avancées technologiques et techniques opérées dans le domaine
des réseaux sans fil, de la micro-fabrication et de l’intégration des microprocesseurs ont
fait naı̂tre une nouvelle génération de réseaux de capteurs à grande échelle adaptés à une
gamme d’applications très variée. Imaginons un ensemble de petits appareils électroniques,
autonomes, équipés de capteurs et capables de communiquer entre eux sans fil. Ensemble,
ils forment un réseau de capteurs capable de fournir à distance des informations utiles
par la combinaison des mesures prises par les différents capteurs et de les communiquer
ensuite via les canaux radioélectriques.
1
Introduction
2
Introduction
du réseau. Dans les réseaux de capteurs, la consommation d’énergie est constituée de deux
sources principales : l’énergie de transmission qui dépend de la distance de transmission,
l’atténuation du canal, les caractéristiques d’antennes et l’énergie consommée dans les
circuits tel que les blocs RF et les processeurs.
Par ailleurs, les systèmes multi-antennaires MIMO (Multiple-input Multiple-output)
ont été largement étudiés au cours des dernières années en raison de leur potentiel à aug-
menter considérablement les performances des systèmes de transmissions sans fil dans des
canaux à évanouissements en termes de robustesse, de débits et de qualité de service. Le
potentiel des systèmes MIMO peut aussi être utilisé pour réduire l’énergie de transmission
dans les réseaux de capteurs. Toutefois, l’application directe de la technique MIMO à de
tels réseaux n’est pas possible à cause de la taille limitée des capteurs. Cependant, les
capteurs peuvent coopérer pour correspondre à une entité multi-antennaire et réaliser une
transmission MIMO. Cette technique de coopération est appelée MIMO coopératif. Ce
dernier a récemment montré son efficacité en terme de consommation d’énergie en com-
paraison avec le système mono-antennaire SISO (Single-Input Single-Output) classique-
ment utilisé dans les réseaux de capteurs. Cependant, ce système coopératif était jusque-là
basé sur un système MIMO à boucle ouverte en utilisant les codes spatio-temporels en
bloc orthogonaux (OSTBC).
L’enjeu de cette thèse est d’étudier l’application des nouvelles techniques MIMO à
boucle fermée dans le contexte de MIMO coopératif pour les réseaux de capteurs afin
de réduire la consommation l’énergie. Ces nouvelles techniques MIMO sont basées sur
les précodeurs max-dmin et P-OSM qui nécessitent la connaissance du canal à l’émission
(Channel State Information ou CSI). Le terme de précodeur regroupe toute utilisation
de la CSI pour améliorer conjointement l’émetteur et le récepteur d’un système de trans-
mission en optimisant un critère pertinent. Ces deux précodeurs maximisent la distance
minimale de la constellation à la réception (dmin) mais utilisent deux philosophies de
précodage différentes. La CSI à l’émission nécessite la mise en place d’un canal de retour
d’information du récepteur vers l’émetteur en renvoyant toute l’estimation du canal (CSI
complète). Afin de rendre l’utilisation de la CSI réaliste dans les réseaux de capteurs, nous
quantifions les précodeurs max-dmin et P-OSM. L’objectif est de réduire au maximum l’in-
formation envoyée dans le canal de retour tout en ayant des performances acceptables des
précodeurs (CSI quantifiée).
Ce document est structuré en cinq chapitres :
Le premier chapitre
Il introduit rapidement les notions de base pour la compréhension de ce mémoire. Ainsi,
une chaı̂ne de communication numérique d’un système mono-antennaire est décrite. Elle
est ensuite étendue aux systèmes multi-antennaires MIMO avec la présentation du modèle
équivalent en bande de base et les récepteurs couramment utilisés. Le principe des réseaux
de capteurs sera également présenté.
3
Introduction
Le deuxième chapitre
Dans ce chapitre, nous présenterons des techniques MIMO à boucle ouverte et fermée
permettant d’exploiter les avantages du canal multi-antennaire. Ce chapitre décrit les
précodeurs max-dmin et P-OSM utilisés dans nos travaux et présente rapidement d’autres
précodeurs présents dans la littérature. Nous évaluerons les performances des précodeurs
max-dmin et P-OSM en terme de taux d’erreur binaire (TEB) dans un canal de Rayleigh
et ensuite dans un canal réaliste produit par un simulateur déterministe de propagation
d’ondes.
Le troisième chapitre
Il s’intéresse à la quantification des précodeurs max-dmin et P-OSM. Dans les situa-
tions pratiques comme dans les réseaux de capteurs, la quantité d’information de retour
(CSI) doit être aussi faible que possible afin de limiter la consommation d’énergie. L’ob-
jectif consiste ainsi à quantifier l’information de retour afin de limiter sa taille et à avoir
une bonne performance en fonction de la quantification adéquate de la CSI disponible
à l’émission comparée au cas optimal (CSI complète). Nous étudierons et développons
plusieurs stratégies de quantification et déterminerons la meilleure en termes de TEB
obtenu et de nombre de bits disponibles dans le canal de retour. Nous continuerons en-
suite en analysant la complexité de ces précodeurs à travers les étapes de transmission et
de réception.
Le quatrième chapitre
La quantification effectuée dans le troisième chapitre va nous permettre d’appliquer les
précodeurs max-dmin et P-OSM dans le contexte de MIMO coopératif pour les réseaux de
capteurs. L’objectif est d’exploiter au mieux le principe de coopération des capteurs afin
de réduire la consommation l’énergie. Toutefois, l’application de ces précodeurs est plus
compliquée que les codes OSTBC à cause des étapes supplémentaires nécessaires à la CSI.
Ainsi, notre contribution consiste à proposer plusieurs schémas coopératifs qui permet-
tent de mettre en place les deux précodeurs avec le canal de retour quantifié sur quelques
bits. Les performances des systèmes proposés en termes de consommation d’énergie et de
délai de transmission seront évaluées et analysées en prenant comme référence le système
MIMO coopératif à codes spatio-temporels présent dans la littérature. Dans le MIMO
coopératif, les capteurs sont physiquement séparés dans l’espace ce qui peut entrainer
une désynchronisation de leurs horloges. Pour cela, nous étudierons d’abord les MIMO
coopératifs proposés en supposant une synchronisation parfaite entre les capteurs et en-
suite en introduisant une erreur de synchronisation.
Le cinquième chapitre
Nous nous intéressons ici à l’utilisation de réseaux de capteurs dans les postes électriques
HT dans le contexte de “Smart Grid”. Ce travail a été mené dans le cadre d’une collabo-
4
Introduction
5
Chapitre 1
Les communications numériques et
les systèmes MIMO
Sommaire
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Chaı̂ne de communication numérique . . . . . . . . . . . . . . . 8
1.3 Le canal d’un système mono-antennaire (SISO) . . . . . . . . . 10
1.3.1 Le bruit radio-électrique . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Propriétés des canaux radio mobiles . . . . . . . . . . . . . . . . . 11
1.3.3 Modélisation du canal de transmission radio . . . . . . . . . . . . 15
1.4 Notion de diversité . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Introduction aux systèmes multi-antennaires . . . . . . . . . . 20
1.5.1 Présentation des systèmes MIMO . . . . . . . . . . . . . . . . . . 20
1.5.2 Modèle du canal MIMO . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.3 Récepteur considéré . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Les réseaux de capteurs . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.1 Présentation générale . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.2 Contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.6.3 Le MIMO et les réseaux de capteurs . . . . . . . . . . . . . . . . . 25
1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
7
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
1.1 Introduction
Notre étude met en avant les intérêts de systèmes multi-antennaires ou multiple-input
multiple-output (MIMO) dans un contexte des réseaux de capteurs. Ce mémoire porte
plus particulièrement sur l’utilisation de précodeurs MIMO avec la connaissance du canal
à l’émission. Tous les domaines de l’électronique sont sollicités tout au long de la trans-
mission : hyperfréquence, propagation, conversion numérique-analogique et analogique-
numérique, traitement du signal. Vu le large spectre de connaissances, ce chapitre se lim-
itera à recadrer l’étude avec notamment l’introduction aux systèmes MIMO et à présenter
des points nécessaires à la bonne compréhension du mémoire.
Dans un premier temps, nous allons ici décrire le fonctionnement d’une chaı̂ne de
transmission numérique, de la source d’information binaire au destinataire, par les étapes
successives de codage, de transmission dans un canal physique et de décodage. Les canaux
de transmission vont alors être décrits. Nous introduirons ensuite la notion de diversité et
les systèmes multi-antennaires (MIMO). Enfin, nous présenterons le principe des réseaux
de capteurs.
Codeur Codeur
Source Modulateur
de source de canal
Canal de
Transmission
Si le message produit par la source est de type analogique, il est converti en une
séquence d’éléments binaires par des étapes successives d’échantillonnage, de quantifica-
8
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
tion et de codage binaire. Dans le cas idéal, cette séquence doit être la plus courte possible.
Pour augmenter l’efficacité de la transmission et optimiser l’utilisation des ressources du
système, un codeur de source compresse les données en éliminant les éléments binaires
non significatifs. Nous ne nous intéresserons pas dans cette thèse au codage de source,
et considérerons que la source d’information est idéale, i.e. délivre des éléments binaires
indépendants et identiquement distribués (iid ).
Lors du passage dans le canal de transmission, le signal est altéré par du bruit et
des interférences, induisant parfois le récepteur en erreur. Afin d’augmenter la fiabilité de
la transmission, un codeur de canal introduit, de manière parfaitement contrôlée, de la
redondance dans la séquence d’information. Ce codage est encore appelé codage détecteur
et correcteur d’erreurs puisque le récepteur connaı̂t la loi de codage utilisée et est donc
capable de détecter puis éventuellement corriger les données binaires erronées (codage de
Hamming [9], entrelaceur, turbo codes [10]). À la sortie du codeur de canal, la séquence
d’information binaire passe par un modulateur numérique, qui sert d’interface avec le
canal de transmission en donnant au signal une contenance physique.
À la réception, le démodulateur traite les formes d’onde en provenance du canal et les
réduit à des séquences de nombres, qui représentent des estimations des symboles émis.
Ces séquences sont ensuite décodées selon les opérations inverses de celles employées à
l’émission, ce qui permet au destinataire de retrouver l’information binaire initiale.
L’information binaire n’arrive pas toujours sans erreur au destinataire à cause du
bruit. La fréquence à laquelle les erreurs se produisent constitue une bonne indication de
la fiabilité de la communication. Pour la quantifier, on définit le Taux d’Erreur Binaire
(TEB) comme le rapport entre le nombre de bits erronés et le nombre total de bits émis.
La chaı̂ne de transmission décrite plus haut est étudiée grâce à un signal en bande
de base car il n’y a pas de transposition du signal autour d’une fréquence porteuse [11].
Ainsi, le signal modulé est une suite de coefficients complexes issus du diagramme de
constellation de la modulation.
9
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
1.2 représente les√impacts de la modulation dans le plan complexe : les points forment des
carrés de côtés 2 βM et sont équirépartis sur le plan. Le terme βM est donné par :
3
βM = pour M = 2n avec n = 2, 3, 4, .... (1.2)
2(M − 1)
√
Partie imaginaire
2 βM
Partie réelle
Figure 1.2 - Principe de la modulation en quadrature : les impacts sont répartis dans le plan
complexe
10
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
en utilisant un signal ayant traversé un canal. Celui-ci peut subir diverses déformations
et notamment des signaux qui se superposent au signal initial. Ainsi, le bruit se définit
comme tout signal ne contenant pas d’information utile pour retrouver le message d’orig-
ine. Ce bruit possède une puissance et permet d’introduire un paramètre de référence :
le rapport signal sur bruit (RSB) défini comme le rapport de la puissance du signal utile
sur la puissance du bruit. Un des intérêts des communications numériques est de proposer
une sensibilité au bruit inférieure à celle des communications analogiques. Les sources de
bruit sont multiples, en voici une liste non exhaustive :
– bruit interne des composants (bruit thermique dû à l’activité des électrons dans les
semi-conducteurs),
– le rayonnement cosmique,
– l’activité humaine comme l’émission d’autres signaux,
– ...
Le bruit est donc une valeur stochastique que ni l’émetteur ni le récepteur ne peuvent
contrôler. Il est nécessaire d’attribuer un modèle statistique au bruit et celui classique-
ment utilisé est de considérer un bruit (noté n) blanc additif gaussien (BBAG) de valeur
moyenne nulle et de variance σn2 .
11
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
Les multi-trajets
Les trajets multiples sont causés par les interactions électromagnétiques de l’onde avec
des diffuseurs (bâtiments, arbres, personnes, etc.) situés sur sa trajectoire. Ainsi, le signal
reçu consiste en une superposition d’ondes provenant de toutes les directions dues aux
interactions telles que des réflexions, diffractions, diffusions et leurs combinaisons.
12
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
où δ est l’impulsion de dirac, N est le nombre de trajets, τi et ãi (t) sont les retards de
propagation et les gains complexes du trajet i.
La dispersion temporelle du canal, noté τrms , est calculée par :
1/2
∑ (τi − τm )2 ∣∣ãi ∣∣2
N
τrms = ( i=1 N ) (1.4)
∑i=1 ∣∣ãi ∣∣2
13
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
∑ τi ∣∣ãi ∣∣2
N
τm = i=1 (1.5)
∑i=1 ∣∣ãi ∣∣2
N
Le paramètre τrms est un bon indicateur de l’étalement des trajets multiples. Il permet
de contrôler l’impact des interférences entre symboles (IES).
La bande de cohérence du canal, notée Bc , correspond à la gamme de fréquences sur
laquelle les amplitudes des composantes fréquentielles du signal, fortement corrélées, subis-
sent des atténuations semblables. La cohérence fréquentielle est liée au caractère sélectif
en fréquence du canal, dû aux différents trajets reçus qui ont des retards de propagation
différents. En dehors de cette bande de fréquence, les distorsions du signal deviennent non
négligeables. On peut considérer l’approximation indiquant que la bande de cohérence est
du même ordre de grandeur que l’inverse de la dispersion des retards [14] : Bc ∼ τrms 1
.
Si nous notons Bs la bande passante du signal émis, tant que Bs < Bc , toutes les com-
posantes fréquentielles du signal subissent des atténuations semblables, et le canal est dit
non sélectif en fréquence (canal bande étroite).
L’effet Doppler
Par la suite, nous supposons que la transmission est dite bande étroite, c’est-à-dire
(Bs < Bc ). De plus, la synchronisation et l’échantillonnage sont parfaits car ce n’est pas
ici l’objet de l’étude. L’échantillon à l’instant k du signal reçu est :
rk = h̃sk + nk (1.6)
14
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
où nk est un bruit additif et h̃ est un gain complexe relatif au canal de transmission.
Ce terme dépend des ãi et τi des multi-trajets et de la fréquence porteuse. Il dépend
étroitement de la configuration de la transmission comme l’environnement géographique
ou le matériel et il peut changer pour chaque transmission. Le gain h̃ est modélisé par
une variable aléatoire selon des modèles statistiques du canal que nous allons présenter
dans le paragraphe 1.3.3.2.
λ 2
P Y = P X GX GY ( ) (1.7)
4πd
Le modèle à exposant [17] modélise les variations à grande échelle du canal. Ce modèle
est basé sur le modèle en espace libre dans lequel est introduit une atténuation supplé-
mentaire liée à la nature de l’environnement de propagation. La puissance reçue pour ce
15
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
d0 β
PY = PY0 ( ) (1.8)
d
où PY0 représente la puissance reçue obtenue par le modèle en espace libre à une distance
de référence d0 généralement fixée à 1 mètre, et β l’exposant d’atténuation.
Ce modèle considère l’environnement à travers la composante exponentielle β. La
valeur de β est évaluée empiriquement dans différents environnements de propagation.
Par exemple, pour un environnement en espace libre, β prend la valeur 2 alors que pour
un environnement urbain, β prend ses valeurs dans l’intervalle [2,5 ; 6] selon la densité de
bâtiments constituant l’environnement [17].
Modèles à rayons :
Les modèles à rayons entrent dans la famille des méthodes asymptotiques développées
pour répondre à des problèmes d’électromagnétisme de grandes envergures comme la sim-
ulation de la propagation d’ondes électromagnétiques en environnements outdoor/indoor
réels [18]. Ces méthodes sont basées sur l’Optique Géométrique (OG) et la Théorie Uni-
forme de la Diffraction (TUD), où la propagation multi-trajets de l’onde électromagnétique
représentées par des rayons. Cette approche est largement adoptée lors de la conception de
logiciels de simulation du canal de propagation qui nécessitent, à leur tour, des méthodes
pour identifier les trajets se propageant entre un émetteur et un récepteur. Deux modèles
découlent directement de ces méthodes : les modèles à tracé et à lancer de rayons.
16
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
en espace libre calculée par la loi de Friis. Le tracé de rayons est plus précis que
le lancer de rayon, puisqu’il calcule les trajets de manière déterministe entre un
émetteur et un récepteur. Cependant, contrairement au modèle à lancer de rayons,
il est nécessaire de recourir à une simulation pour chaque configuration d’émetteur-
récepteur.
17
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
Émetteur
Récepteur
18
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
Modèle de Rayleigh :
z z2
Pz (z) = exp (− ) (1.10)
σ2 2σ 2
avec σ 2 la puissance moyenne du signal reçu.
Modèle de Rice :
Le modèle de Rice modélise aussi les variations rapides de l’amplitude du canal ra-
dio mobile mais lorsqu’il existe un trajet prédominant, par exemple le trajet direct LOS.
Ainsi, les statistiques de l’amplitude et de la phase ne correspondent plus au cas précédent.
On peut alors montrer que dans de telles conditions la DDP de l’amplitude z suit la DDP
de Rice [15] :
z z + u2 ux
Pz (z) = 2 exp (− 2 )I0 ( 2 ) (1.11)
σ σ σ
où I0 (x) est la fonction de Bessel modifiée d’ordre 0 et u2 représente le rapport entre la
puissance du trajet prédominant et celle résultante des autres trajets. On peut constater
que quand u = 0 on retrouve la DDP de Rayleigh.
Ces deux modèles peuvent être utilisés pour modéliser le gain complexe h̃ relatif au
canal de transmission bande étroite (Eq. 1.6). À coté de ces deux modèles, il en existe
d’autres comme le modèle log-normal Shadowing [13] et le modèle de Nakagami [15].
19
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
liaisons dont les évanouissements respectifs sont indépendants les uns des autres, il y a
une très forte probabilité pour que l’une de ces liaisons au moins ne subisse pas de forte
atténuation, augmentant ainsi la fiabilité de la liaison. La diversité se révèle donc être
un outil très puissant pour combattre les évanouissements et améliorer les performances
(diminution du TEB), et permet notamment d’augmenter la capacité et la couverture
des systèmes radios. Les différentes formes de diversité traditionnellement exploitées en
communications numériques sont [24] :
– La diversité temporelle : elle s’applique pour les canaux sélectifs en temps. L’infor-
mation est répétée dans le temps à intervalles plus grands que le temps de cohérence
du canal (durée minimale entre deux évanouissements indépendants). La diversité
temporelle est généralement utilisée avec de l’entrelacement et du codage correcteur
d’erreur.
– La diversité fréquentielle : elle s’utilise pour les canaux sélectifs en fréquence. L’infor-
mation est répétée sur une bande de fréquence plus large que la bande de cohérence
du canal (espacement fréquentiel minimal entre deux fréquences affectées d’évanoui-
ssements indépendants). La diversité fréquentielle s’emploie généralement à l’aide
de techniques d’étalement de spectre ou multi-porteuses [25], [26].
– La diversité spatiale : elle consiste à utiliser plusieurs antennes distantes d’au moins
la distance de cohérence du canal (distance minimale pour obtenir des évanouisse-
ments indépendants). La diversité spatiale existe à l’émission et en réception. Les
systèmes MIMO permettent de créer une diversité spatiale très importante [29].
20
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
laboratoires Bell [30], [31] et depuis, les systèmes MIMO ont toujours suscité un intérêt
particulier pour la communauté scientifique.
Elles permettent d’atteindre à la fois de très hautes efficacités spectrales et de lutter
efficacement contre les évanouissements du signal. L’idée générale est de tirer profit de la
dimension spatiale du canal et d’exploiter les trajets multiples plutôt que de les supprimer.
Les systèmes MIMO sont très efficaces car ils peuvent utiliser toutes les techniques des
transmissions SISO, en plus des techniques qui leurs sont propres. Les systèmes SISO
emploient deux techniques de diversité : la diversité temporelle et la diversité fréquentielle
alors que les systèmes MIMO peuvent adopter ces deux formes de diversité en plus de
la diversité spatiale présentée précédemment [29]. La diversité spatiale existe à l’émission
et en réception mais elle n’y joue pas tout à fait le même rôle. En effet, la diversité
spatiale à l’émission, aussi appelée diversité de transmission, diffère selon que l’émetteur
connaı̂t ou non le canal. Si l’émetteur connaı̂t le canal, il peut en profiter pour optimiser la
transmission [32], sinon il utilisera plutôt les codes spatio-temporels [33], [34], [35], [36].
En utilisant un multiplexage spatial, l’efficacité spectrale des systèmes MIMO peut
considérablement augmenter. En fait, les antennes émettrices transmettent chacune un
symbole différent, indépendant de celui des autres antennes, mais en utilisant la même
modulation et la même fréquence porteuse. La bande passante utilisée reste identique à
celle d’un système SISO, mais comme plusieurs symboles sont émis, l’efficacité spectrale
augmente. Le traitement des données tant à l’émission qu’à la réception est plus lourd à
cause de l’augmentation des dimensions mais cet obstacle devient plus facile à franchir
grâce à l’avancée des technologies des composants (puissance de calcul embarquée, au-
tonomie, fréquence d’utilisation, technologie des antennes).
Tx1 Rx1
Codage H Décodage
Données (nr × nt ) Données
21
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
y = Hs + n (1.12)
où H est la matrice de canal représentant les trajets à évanouissement, s est le signal émis
sur les nt antennes avec la contrainte de puissance E[s∗ s] = P0 (la puissance totale émise)
et n est le vecteur de bruit. La matrice de canal H [nr × nt ] est définie par :
⎛ h̃11 . . . h̃1nt ⎞
H=⎜ ⋮ ⋱ ⋮ ⎟ (1.13)
⎝ h̃n 1 . . . h̃n n ⎠
r r t
La mise en place de cette solution demande un test de chaque vecteur s possible. Elle est
par conséquent très gourmande en calculs dont l’augmentation est exponentielle avec le
22
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
Émetteur-récepteur
Processeur Co-processeur
Batterie
Mémoire
Capteur
23
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
plus puissant. Un co-processeur peut être ajouté pour les tâches de traitement du signal,
ou des opérations de coopération qui sont développées dans cette thèse.
Ainsi, des réseaux de capteurs peuvent s’auto-configurer, se découvrir de manière au-
tonome et relayer à bon port l’information mesurée [45]. En conséquence, un grand nombre
d’applications ont pu se développer en tirant profit de ce nouvel environnement de cap-
teurs. Un réseau de capteurs se compose de deux types de nœuds [46], [47] :
Nœud actif
Nœud mort
DGN
Dans un réseau de capteurs, le DGN détient un rôle très important [47]. Cette en-
tité possède généralement des capacités supérieures en termes de taille, de puissance de
traitement, de capacité de mémoire et d’autonomie d’énergie. Elle permet de collecter
l’information en provenance des capteurs et apporte un soutien très fort au fonction-
nement du réseau. Elle peut localement assurer des fonctions centrales dans le routage,
l’agrégation des données, la configuration des nœuds ou encore les opérations nécessaires
pour le mode coopératif considéré dans cette thèse. La figure 1.9 illustre un exemple de
réseau de capteurs où nous pouvons voir :
– des nœuds hors service car leurs batteries sont usées (couleur noire).
– des nœuds actifs (couleur bleu) en étant soit source de l’information ou servant de
relais pour atteindre le DGN.
– les DGN.
1.6.2 Contraintes
Les réseaux de capteurs diffèrent des réseaux classiques où l’on peut être relativement
générique et définir seulement un certain nombre de classes de service pour satisfaire le
24
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
maximum de besoins. Ici, les contraintes sont plus nombreuses. Sans être exhaustif, des
contraintes possibles sont par exemple liées à la consommation d’énergie, l’application,
la qualité de service, la protection de l’information, l’environnement [47]. Cependant, la
contrainte énergétique est considérée comme la contrainte la plus forte dans un réseau de
capteurs.
Comme pour tout réseau sans fil, il est important de tenir compte de cette contrainte
car la plupart des appareils fonctionnent sur batterie. Après la décharge de la batterie,
l’utilisateur est obligé de trouver une source électrique pour la recharger. Généralement,
lorsqu’on installe un réseau de capteurs, on pense en mettre beaucoup et souvent dans
des endroits isolés. Par conséquent, il est pratiquement impossible de recharger, de part
le nombre élevé de capteurs et de part la difficulté de l’environnement dans lesquels ils
peuvent se trouver. Il est donc important de comprendre que la durée de vie d’un capteur
est relative à l’autonomie de son support d’énergie. Ainsi, toute opération imaginée ou
envisagée doit être évaluée en terme de consommation d’énergie. L’objectif à atteindre
devient l’augmentation de la durée de vie du réseau de capteurs. Ce paramètre peut être
défini sous différentes formes telles que la consommation globale de tous les capteurs ou
l’évitement qu’un capteur important perde son énergie ou la perte de la connectivité du
réseau, etc. En résumé, à la conception et aussi pendant l’évolution du réseau, la réduction
de la consommation d’énergie est à traiter avec soin.
Transmission MIMO
25
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
Transmission MIMO
DGN
Le scénario présenté sur la figure 1.11 sera considéré dans notre étude (cf. chapitre 4) où
le DGN agit comme un système multi-antennaire classique. Dans ce scénario, chaque nœud
possède des données à transmettre au DGN. Les capteurs sont soumis à des contraintes
strictes de consommation d’énergie alors que le DGN possède une alimentation.
Ces MIMO coopératifs ont été récemment étudiés et ont montré leur efficacité en
terme de consommation d’énergie [46], [51], [52], [53], [54], [55]. Cependant, ces systèmes
coopératifs étaient à présent utilisés en considérant un système MIMO à boucle ouverte
alors que le système coopératif proposé dans cette thèse est basé sur un système MIMO
à boucle fermée (cf. chapitres 2 et 4).
1.7 Conclusion
Dans ce chapitre, nous avons présenté quelques généralités sur les transmissions nu-
mériques. Pour cela, nous sommes partis de la chaı̂ne de transmission numérique classique
qui résume les différents traitements que subit l’information à transmettre. Ensuite nous
avons présenté le canal mono-antennaire SISO. Les différentes perturbations subies par
le signal lors de la transmission ont été détaillées afin d’appréhender les éléments per-
turbant la propagation hertzienne. Nous avons vu les modèles de Rayleigh ou de Rice
permettant de considérer un canal à évanouissements pour des systèmes SISO. Ce modèle
est encore valable pour les systèmes multi-antennaires MIMO : chaque trajet subit un
gain complexe aléatoire, puis chaque antenne de réception récupère un mélange de tous
ces signaux avec un bruit BAG. Le système MIMO échantillonné en bande de base possède
une écriture matricielle avec la matrice aléatoire de canal suivant un modèle précis. Enfin,
une présentation générale des réseaux de capteurs a été introduite. Dans ces réseaux, la
réduction de la consommation d’énergie est une contrainte très forte. Certains travaux
ont commencé à adapter les techniques MIMO aux réseaux de capteurs afin de réduire la
consommation d’énergie. Ces techniques étaient basées sur un système MIMO à boucle
ouverte où l’émetteur n’a pas besoin de connaı̂tre l’état de canal.
Le prochain chapitre introduira les techniques MIMO exploitant la diversité spatiale
26
CHAPITRE 1. LES COMMUNICATIONS NUMÉRIQUES ET LES SYSTÈMES
MIMO
dans les systèmes MIMO à boucle ouverte (les codes spatio-temporels) et à boucle fermée
(précodeurs). Nous pouvons supposer que le récepteur estime le canal et que cette infor-
mation peut ensuite remonter à l’émetteur. Cette connaissance à l’émission ou Channel
State Information (CSI) permet aux précodeurs d’optimiser les signaux émis.
27
Chapitre 2
Les techniques MIMO
Sommaire
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Les systèmes MIMO à boucle ouverte . . . . . . . . . . . . . . . 30
2.2.1 Le code d’Alamouti . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.2 Généralisation des codes . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Les systèmes MIMO à boucle fermée . . . . . . . . . . . . . . . 34
2.3.1 Les précodeurs linéaires . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.2 Le précodage OSM . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4 Performances des précodeurs considérés dans la thèse . . . . 45
2.4.1 Canal de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4.2 Canal réaliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
29
CHAPITRE 2. LES TECHNIQUES MIMO
2.1 Introduction
Dans ce chapitre, nous allons présenter des techniques MIMO permettant d’exploiter
les avantages du canal multi-antennaire. Certaines de ces techniques sont utilisées dans
cette thèse pour la transmission dans les réseaux de capteurs. Elles exploitent la diversité
spatiale à l’émission et en réception. Elles peuvent être séparées suivant que le système
MIMO connaı̂t l’état du canal ou la CSI (Channel State Information) à l’émission (Tx-
CSI) et à la réception (Rx-CSI), ou uniquement à la réception. Ces deux systèmes sont re-
spectivement appelés système MIMO à boucle ouverte et système MIMO à boucle fermée.
En pratique, la CSI est estimée par le récepteur à chaque paquet transmis grâce à une
séquence d’apprentissage [56], [57], [58] afin de démoduler les symboles reçus. Dans un con-
texte de communication purement aveugle, des algorithmes à égalisation aveugle peuvent
être utilisées [59], [60], [61].
La CSI à l’émetteur nécessite donc la mise en place d’un canal de retour d’informa-
tion (Feedback channel) du récepteur vers l’émetteur en renvoyant toute l’estimation du
canal ou seulement certains paramètres clés. Dans le cas d’un canal symétrique et in-
variant sur plusieurs durées symboles, l’émetteur et le récepteur peuvent fonctionner en
duplex temporel sur la même bande de fréquence. L’émetteur peut estimer le canal grâce
aux émissions du récepteur. Le type de canal généralement utilisé pour évaluer les per-
formances est le canal de Rayleigh non sélectif en fréquence et supposé constant durant
plusieurs blocs de données. Cette hypothèse est courante, en particulier dans le contexte
des réseaux fixes sans fils [62].
30
CHAPITRE 2. LES TECHNIQUES MIMO
opération de modulation d’un bloc de symboles à la fois dans l’espace et dans le temps,
créant ainsi des séquences orthogonales transmises par des antennes émettrices différentes.
Le code d’Alamouti est basé sur une succession d’émissions sur deux périodes sym-
boles et sur deux antennes. Les signaux émis sont des symboles complexes issus de la
modulation. Le code est défini par :
s1 −s∗2
C2 = ( ) (2.1)
s2 s∗1
où s1 et s2 sont les symboles à transmettre. Les lignes de la matrice C2 représentent
les antennes émettrices alors que les colonnes sont les poids attribués à chaque période
symbole. Ce code a la particularité d’être orthogonal :
C2 C∗2 = C∗2 C2 = (∣s1 ∣2 + ∣s2 ∣2 )I2 (2.2)
où I2 est la matrice d’identité de taille 2 × 2. Afin de respecter la contrainte de puis-
sance totale moyenne émise P0 sur toutes les antennes √ pendant un temps symbole, il est
nécessaire de multiplier le code par la constante ( P0 /2). La relation d’entrée-sortie est
matriciellement définie par : √
P0
Y= HC2 + n (2.3)
2
où Y[nr ×2] est la matrice des signaux reçus et n[nr ×2] est la matrice de bruit où chaque
élément est généralement modélisé par un BBAG indépendant et identiquement distribué
[67] de loi N (0, σn2 ). Les deux signaux reçus pendant deux périodes symboles sont [64] :
√
y1 = P20 (h̃1,j s1 + h̃2,j s2 ) + nj1
j
√ (2.4)
y2 = P20 (−h̃1,j s∗2 + h̃2,j s∗1 ) + nj2
j
où j = 1, ..., nr , y1j et y2j sont respectivement les signaux utiles de l’antenne de réception
j pendant la première et la deuxième période symbole, h̃i,j représente le gain complexe
entre l’antenne d’émission i et l’antenne de réception j, nj1 et nj2 sont les bruits additifs de
l’antenne de réception j pendant la première et la deuxième période symbole. Le récepteur
estime les éléments de la matrice de canal et recombine les signaux reçus. Il forme alors
deux signaux particuliers définis par :
⎧
⎪ yˆ = ∑nj=1
r
h̃∗1,j y1j + h̃2,j (y2j )∗
⎪
⎪ 1
⎨ (2.5)
⎪
⎪
⎪ j ∗ ∗
⎩ yˆ2 = ∑j=1 −h̃1,j (y2 ) + h̃2,j y1
nr j
31
CHAPITRE 2. LES TECHNIQUES MIMO
où (∑nj=1
r
∣∣h̃1,j ∣∣2 + ∣∣h̃2,j ∣∣2 = ∣∣H∣∣2F ) représente la norme de Frobenius de la matrice H définie
par :
nt nr
∣∣H∣∣2F = trace(HH∗ ) = trace(H∗ H) = ∑ ∑ ∣h̃i,j ∣2 (2.7)
i=1 j=1
Les deux signaux recombinés prennent une forme très simple [68] :
⎧ √
⎪
⎪ = 2 ∣∣H∣∣F s1 + n
P0 2
⎪
⎪ yˆ1 ˆ1
⎪
⎨ √ (2.8)
⎪
⎪
⎪
⎪
⎩ yˆ2 = 2 ∣∣H∣∣F s2 + n
P0
⎪ 2
ˆ2
où nˆ1 et nˆ2 sont des combinaisons du bruit. Chaque signal ŷi ne dépend que d’un symbole
si et peut ainsi servir à son estimation. Le code d’Alamouti découple les symboles et
permet de diminuer les tests de décision dans le récepteur MV (2 × M tests). Le système
peut être vu de façon équivalente comme deux systèmes SISO
√ en parallèle. De plus, sans
connaı̂tre le canal a priori, le code assure un même gain P20 ∣∣H∣∣2F . Cette particularité
permet au code d’être robuste vis à vis du canal et d’assurer également un ordre de
diversité maximal égal au produit des antennes à l’émission et à la réception (nt × nr)
[65], ici (2 × nr ) pour un canal de Rayleigh.
En considérant la recombinaison linéaire des échantillons reçus, le code d’Alamouti per-
met d’utiliser l’orthogonalité pour diagonaliser le canal. Les deux symboles sont découplés
et voient le même canal, c’est-à-dire, le même gain et un bruit de même statistique. Cepen-
dant, l’utilisation du code induit deux inconvénients majeurs. Le premier est la perte de
débit. En effet, un code d’Alamouti a le même débit qu’un système SISO mais deux fois
moins qu’un multiplexage spatial [30]. Nous définissons le rendement d’un code MIMO R
comme le nombre de symboles émis NS sur le nombre de périodes symboles NP nécessaires
pour la transmission :
NS
R= (2.9)
NP
Nous avons R = 1 pour le code d’Alamouti et R = nt pour le multiplexage√ spatial. De
P0
plus, si on veut contrôler la puissance d’émission, le coefficient 2 est nécessaire. Par
conséquent, il apparaı̂t un coefficient pénalisant de 1/2 ou -3 dB sur la puissance reçue du
schéma équivalent par rapport à un système SISO [64].
32
CHAPITRE 2. LES TECHNIQUES MIMO
des signaux ne dépendant que d’un seul symbole émis. Ainsi, les estimations des symboles
sont découplées. La figure 2.1 représente le synopsis des OSTBC.
Le principe proposé est simple et est très facile à mettre en place : le compromis en-
tre les performances (TEB et débit) et la complexité (CSI à la réception seulement) est
intéressant. Il s’agit, dans le meilleur des cas, d’obtenir un code avec un rendement le plus
grand possible. Les solutions sont limitées et sont les suivantes :
– OSTBC pour des modulations complexes et pour n’importe quelle valeur de nt mais
avec R = 1/2 [66],
s∗ s∗
⎛ s1 −s∗2 √3
2
√3
2
⎞
⎜ s∗ s∗3 ⎟
⎜ s2 s∗1 √3 − 2 √ ⎟
C4 = ⎜
⎜ √s3
2
−s1 −s∗1 +s2 −s∗2 s1 −s∗1 +s2 +s∗2
⎟
⎟ (2.11)
⎜ 2 √s32 ⎟
⎜ 2 2 ⎟
s1 −s∗1 −s2 −s∗2 −s1 −s∗1 −s2 +s∗2
⎝ √s3 − √s3 2 2
⎠
2 2
33
CHAPITRE 2. LES TECHNIQUES MIMO
Principe
y = GHFs + Gn (2.12)
où s[b × 1] est le vecteur de symboles émis, F[nt × b] est la matrice de précodage et
G[b × nr ] est la matrice de décodage, b est le nombre de symboles émis simultanément,
b ≤ min(nt , nr ). Si P0 est la puissance totale disponible, nous devons respecter la contrainte
de puissance suivante à l’émission :
trace(FF∗ ) = P0 (2.13)
La première étape commune à tous les précodeurs consiste à représenter le canal MIMO
sous la forme d’un canal virtuel constitué de b sous canaux SISO décorrélés et parallèles.
Cette étape est appelée la transformation en canal virtuel.
34
CHAPITRE 2. LES TECHNIQUES MIMO
Ces trois étapes sont réalisées par des opérations matricielles. L’opération de décom-
position en valeur singulière (Singular Value Decomposition ou la SVD) est couramment
utilisée pour diagonaliser la matrice du canal H en une matrice diagonale Hv du canal
virtuel MIMO. Pour plus d’information sur les opérations appliquées pour la transfor-
mation en canal virtuel, le lecteur peut se référer à [71]. Les matrices de précodage et
décodage sont décomposées sous la forme :
F = Fv Fd et G = Gd Gv (2.14)
Tx-CSI G Rx-CSI
F n
s y
Fd Fv H Gv Gd
b flux
de données
Figure 2.2 - Schéma bloc des précodeurs linéaires dans le canal virtuel
Après la transformation en canal virtuel, le système MIMO s’écrit sous la forme suiv-
ante :
y = Gd Hv Fd s + Gd nv (2.15)
où Hv = Gv HFv est la matrice diagonale du canal, les matrices Gv et Fv sont des
matrices unitaires qui permettent la transformation en canal virtuel, Fd est la matrice de
précodage de taille b × b, Gd est la matrice de décodage de taille b × b et nv = Gv n est un
bruit blanc avec une matrice de corrélation Rnv = Ib .
35
CHAPITRE 2. LES TECHNIQUES MIMO
Le canal virtuel Hv
Hv est la matrice b × b du canal virtuel, c’est une matrice diagonale dont les éléments
sont positifs et rangés par ordre décroissant :
La conséquence de cette matrice diagonale est de conserver une structure de voies par-
allèles et indépendantes. Le schéma bloc de la figure 2.3 représente le précodage diagonal.
À partir de ce schéma, on peut constater que les précodeurs diagonaux ont l’avantage de
réduire la complexité de décodage par MV de M b à b × M. Le problème revient à trou-
ver la répartition de la puissance grâce aux coefficients fi2 en optimisant un critère précis
et pertinent. On peut distinguer plusieurs précodeurs diagonaux selon le critère optimisé :
36
CHAPITRE 2. LES TECHNIQUES MIMO
Fd Hv nv
f1 σ1 nv1
s1 y1 ŝ1
MV
fb σb nvb
sb yb ŝb
MV
différentes voies. Le principe de ce précodeur est d’assurer (ou de fixer) les rapports
des RSB reçus entre chaque voie [70].
– Précodeur Erreur Egale (EE) : c’est un cas particulier du précédent QdS. Il assure
le même RSB sur chaque voie à la réception et le taux d’erreur moyen de chaque
voie est identique [73].
Pour plus de détails sur ces précodeurs, le lecteur peut se référer à [32].
Ces précodeurs se différencient des précédents par leur structure qui n’est plus diago-
nale Fd ≠ diag(f1 , ......, fb ). La figure 2.4 illustre la structure du précodage non diagonal.
Le précodage non-diagonal ne réduit pas la complexité du décodage de MV, qui reste
égale à M b . La non diagonalité donne un degré de liberté de plus au précodeur qui peut
désormais modifier les géométries des constellations de réception. Dans cette section,
nous allons présenter certains précodeurs récents non-diagonaux : le précodeur max-dmin,
le précodeur E-dmin et les précodeurs X et Y. Le précodeur max-dmin est utilisé dans nos
travaux.
37
CHAPITRE 2. LES TECHNIQUES MIMO
Hv nv
σ1 nv1
s1 y1 ŝ1
Fd MV
σb nvb
sb yb ŝb
38
CHAPITRE 2. LES TECHNIQUES MIMO
σ1 0 cos γ 0
Hv = ( ) = ρ( ) (2.22)
0 σ2 0 sin γ
où ρ ∈ R+ agit comme un gain sur toute la chaı̂ne et γ (π/4 ≥ γ > 0) est un angle car-
actéristique du canal Hv et permet de savoir si les sous-canaux sont équilibrés ou non.
En effet, une valeur de γ proche de 0 indique que la voie 1 est fortement privilégiée (la
matrice est mal conditionnée), tandis qu’une valeur proche de π/4 signifie que les deux
voies sont équivalentes (la matrice est bien conditionnée). De plus, cette notation fait ap-
paraı̂tre ρ comme un facteur d’échelle de la distance minimale et n’intervient en rien dans
l’optimisation (2.20). Cette dernière ne dépend alors que du paramètre γ permettant une
simplification notable dans la détermination de la solution. Nous donnons ici la matrice
de précodage Fd pour une modulation MAQ-4, cette solution est relativement simple avec
deux formes de précodeur [71] :
√ √ √
√ ⎛ 3+√3 π
3− 3 j 12 ⎞
Si 0 ≤ γ ≤ γ0 Fd = Fd1 = P0 3 3 e (2.23)
⎝ 0 0 ⎠
√ π
π P0 cos ψ 0 1 ej 4
Si γ0 < γ ≤ Fd = Fd2 = ( )( π ) (2.24)
4 2 0 sin ψ −1 ej 12
où √
⎧
⎪ = 2−1
⎪
⎪
⎪
ψ arctan tan γ
⎨ √ √ √ √ (2.25)
⎪
⎪ = √ 2−3 ≃ 17, 28˚
⎪
⎪ γ 0 arctan 3 3−2
√ 6+2
⎩ 3 3−2 6+1
Le précodeur max-dmin prend la matrice Fd1 qui favorise une seule voie pour des valeurs
de γ inférieures à 17, 28˚. Le précodeur choisit alors de mélanger les deux symboles et
de les transmettre uniquement sur la meilleure voie. Ce cas de figure se présente lorsque
l’écart entre les deux valeurs propres est grand. Dans le cas contraire, c’est à dire pour des
valeurs de γ supérieures à 17, 28˚, le précodeur max-dmin utilise les deux voies à travers
la matrice de précodage Fd2 pour transmettre les deux symboles. La solution pour la
MAQ-16 détaillée dans [77] conduit à 4 formes différentes de précodeurs. Pour plus de
détails sur le précodeur max-dmin ainsi que la solution pour la MAQ-16, le lecteur peut
se référer aux références [71] et [77].
39
CHAPITRE 2. LES TECHNIQUES MIMO
nalisation du canal. Le nombre de tests du MV est M 2 au lieu de 2×M pour les précodeurs
diagonaux ou le code d’Alamouti.
Le précodeur max-dmin assure la diversité maximale (nt × nr ) [79] et il a été étudié
de manière très détaillée avec les précodeurs diagonaux dans [32]. Il a montré des perfor-
mances intéressantes avec un gain non négligeable sur les autres précodeurs. Le précodeur
max-dmin sera utilisé dans nos travaux.
2.3.1.2.b Extension du précodeur max-dmin : le précodeur E-dmin
Le précodeur max-dmin présenté précédemment optimise la distance minimale de la
constellation de réception. L’expression exacte de ce critère dépend de plusieurs paramèt-
res : nombre de voies b, modulation utilisée, canal virtuel et contrainte de puissance
P0 . Les solutions pour b = 2 flux de symboles utilisant une MAQ-4 ou une MAQ-16
sont disponibles. Le précodeur max-dmin ne permet pas de transmettre plus de deux
voies de données. Des travaux sont actuellement en cours de développement concernant
l’augmentation du nombre de voies de données dans le précodeur max-dmin [80]. C’est
pourquoi B. Vrigneau a proposé dans [78] une extension du précodeur max-dmin basée sur
la maximisation de la distance minimale, mais sous optimale. Cette solution, appelée E-
dmin , est appliquée sur un canal MIMO de b voies avec b = min(nt , nr ) ≥ 4 et b un nombre
pair. Les étapes de la solution E-dmin sont résumées ci-après :
– La première consiste à découper le canal virtuel en b/2 sous-systèmes de deux voies
donnant des sous-canaux H̄vi et des sous-précodeurs F̄di , (i = 1, ...., 2b ). Cette ap-
proche est illustrée sur la figure 2.5.
– La deuxième étape consiste à appliquer la solution de max-dmin à chaque sous-
système pour obtenir le sous-précodeur F̄di optimisant la distance minimale et trans-
mettant deux symboles. La puissance imposée est (∣∣F̄di ∣∣2F = 1).
– La dernière étape consiste à pondérer chaque sous-précodeur avec un coefficient Υi .
Chaque optimisation d’un sous-canal donne une distance minimale différente et le
rôle de la répartition de puissance est de maximiser la distance minimale tout en
respectant la contrainte de puissance. Cette seconde optimisation revient à égaliser
les distances minimales de chaque sous-système définissant la distance minimale
globale [78].
Le précodeur global Fd prend une forme particulière en croix et il peut s’écrire dans
le canal virtuel :
(1) (1)
⎛ Υ1 f1 0 Υ1 f2 ⎞
⎜ (2)
Υ2 f1
(2)
Υ2 f2 ⎟
⎜ ⎟
⎜ ... ⎟
⎜ ... ⎟
⎜ ⎟
⎜ (b) (b) ⎟
⎜ 0 Υ b f1 2 Υ b f2 2 0 ⎟
Fd = ⎜
⎜
2
(b)
2
(b)
⎟
⎟ (2.26)
⎜ Υ b f3 2 Υ b f4 2 ⎟
⎜ ⎟
⎜ ...
2 2
⎟
⎜ ... ⎟
⎜ ⎟
⎜ (2) (2) ⎟
⎜ Υ2 f3 Υ2 f4 ⎟
⎝ Υ1 f (1) 0 Υ1 f4
(1) ⎠
3
40
CHAPITRE 2. LES TECHNIQUES MIMO
(i) (i)
f1 f2
où le sous-précodeur F̄di = ( (i) (i) ) est la solution de max-dmin pour la matrice
f3 f4
H̄vi = diag(σi , σb−i+1 ).
s̄ H̄v n̄v ȳ
Υ1 σ1 nv 1
sous-précodeur ⎫
s1 y1
⎪
⎪
⎪
⎪
⎪
⎪
σb ⎬
nv b sous-système
F̄d1 MV
⎪
⎪ 2×2
sb yb ⎪
⎪
max-dmin ⎪
⎪
⎭
Υi σi nv i
si yi
σb−i+1 nv b−i+1
F̄di MV
sb−i+1 yb−i+1
Υb σb nv b
2 2 2
sb yb
2 2
σ b +1 nv b +1
2 2
F̄dn MV
s b +1 y b +1
2 2
2.3.1.2.c Codes/Précodeurs X et Y
Les auteurs dans [81] proposent deux matrices de codes pour précoder le système
MIMO dans (2.15). Ils considèrent un système MIMO avec (nr ≤ nt ) et nr = b un nombre
pair. Dans ce précodage, la matrice Fd devient une matrice réelle et prend alors deux
formes : une forme en croix (X-Codes) et une forme en Y (Y-Codes). À l’instar du
précodeur E-dmin, le canal virtuel est d’abord découpé en 2b sous-systèmes de deux voies
donnant des sous-canaux H̄vi et des sous-précodeurs F̄di , (i = 1, ..., 2b ). Les couples de σi
sont aussi les mêmes.
Chaque sous-système est ensuite codé par une matrice réelle F̄di de taille 2 × 2 selon
le code considéré X-Codes ou Y-Codes. Contrairement au E-dmin , la puissance est uni-
41
CHAPITRE 2. LES TECHNIQUES MIMO
⎛ f1(1) 0
(1)
f2 ⎞
⎜ (2) (2) ⎟
⎜ f1 f2 ⎟
⎜ ⎟
⎜ ... ... ⎟
⎜ ⎟
⎜ ⎟
⎜ 0 ( 2b ) ( 2b ) ⎟ ⎛ f1(i) f2(i) ⎞
⎜ f1 f2 0 ⎟
Fd = ⎜ ⎟ et F̄di = (2.27)
⎜ (b) (b) ⎟ ⎝ f3(i) f4(i) ⎠
⎜ f3 2 f4 2 ⎟
⎜ ⎟
⎜ ... ... ⎟
⎜ ⎟
⎜ (2) (2) ⎟
⎜ f3 f4 ⎟
⎜ ⎟
⎝ f3(1) 0
(1)
f4 ⎠
(1) (1)
⎛ f1 0 f2 ⎞
⎜ (2) (2) ⎟
⎜ f1 f2 ⎟
⎜ ... ⎟
⎜ ... ⎟
⎜ ⎟
⎜ ( 2b ) ( 2b ) ⎟
⎜ f1 f2 ⎟ ⎛ f1(i) f2(i) ⎞
Fd = ⎜
⎜
⎟
⎟ et F̄di =
⎜ 0 f3 2
(b) ⎟ ⎝ f3(i) 0 ⎠
⎜ 0 ⎟
⎜ ⎟
⎜
⎜ ... ⎟
⎟
⎜ (2) ⎟
⎜ f3 ⎟
⎝ f (1) 0 ⎠
3
(2.28)
La matrice Fd pour les X et Y-Codes est optimisée et calculée analytiquement dans
[82] pour minimiser la probabilité d’erreur moyenne. Selon [82], la matrice Fd peut être
calculée a priori pour un canal de Rayleigh et ne pas changer à chaque réalisation du
canal d’où le nom X-Codes ou Y-Codes. La matrice peut aussi être optimisée à chaque
réalisation du canal, on parle alors des précodeur-X et précodeur-Y.
42
CHAPITRE 2. LES TECHNIQUES MIMO
où le vecteur réel hθi de longueur 2nr représente la ième colonne de la matrice réelle Hθr .
À partir de la représentation réelle de la matrice du canal (2.32), les colonnes hθ1 et hθ2
sont respectivement orthogonales à hθ3 et à hθ4 quel que soit l’angle θ. Nous avons aussi :
43
CHAPITRE 2. LES TECHNIQUES MIMO
hθ1 .hθ4 = −hθ2 .hθ3 quel que soit θ [84] où a.b est le produit scalaire entre a et b. Dans ce cas,
Hθr devient totalement orthogonale si hθ1 ⊥ hθ4 et hθ2 ⊥ hθ3 . L’angle de rotation θ nécessaire
pour garantir l’orthogonalité entre hθ1 et hθ4 ou hθ2 et hθ3 est calculé à partir de la matrice
original du canal H comme [84] :
B π
θ = tan−1 ( ) ± (2.33)
A 2
où : ⎧
⎪
⎪ A = ∑nm=1
r
∣h̃m1 ∣∣h̃m2 ∣ sin(∠h̃m2 − ∠h̃m1 )
⎪
⎨ (2.34)
⎪
⎪
⎪
⎩ B = ∑m=1 ∣h̃m1 ∣∣h̃m2 ∣ cos(∠h̃m2 − ∠h̃m1 )
nr
où ∠ est l’argument. À ce stade, le système OSM n’optimise aucun critère et permet
d’orthogonaliser les symboles reçus. Ainsi, le précodeur P-OSM, qui maximise dmin, est
aussi donné dans une représentation réelle par [85] :
P̄ 0
yr = Hθr Psr (x) + nr = Hθr [ ] s (x) + nr (2.35)
0 P̄ r
où P̄ est une matrice de précodage réelle de taille 2 × 2. La contrainte de puissance est :
Par choix, le précodeur n’est pas optimal au profit de la simplicité. Ainsi, la matrice
P̄ est décomposée comme [85] :
p √ 0 cos θi − sin θi
P̄ = Rθ1 [ ] Rθ2 avec Rθi = [ ] (2.37)
0 2 − p2 sin θi cos θi
Les trois paramètres θ1 , θ2 et p maximisant la distance dmin sont calculés dans [85].
L’angle θ1 est directement calculé à partir de la matrice Hθr :
√
−1 C + C 2 + 4D 2
θ1 = tan ( ) (2.38)
2D
où : ⎧
⎪ C = ∣∣hθ2 ∣∣2 − ∣∣hθ1 ∣∣2
⎪
⎪
⎨ (2.39)
⎪
⎪
⎪
⎩ D = (h 1 )
θ . θ
h 2
44
CHAPITRE 2. LES TECHNIQUES MIMO
∣∣hθ1
1 ∣∣ et ∣∣h2 ∣∣ représentent respectivement la première et la deuxième valeur singulière
θ1
(σ1 et σ2 ) de la matrice du canal H [85], [86]. La solution pour une MAQ-4 est [85] :
√
-Si 1 ≤ k < 7 p = 6/(k + 3) ≃ 1 et θ2 = 45˚ (2.42)
√
-Si k ≥ 7 p = 2 et θ2 = 26, 5˚ (2.43)
Dans [85], il a été montré que la variation de p en fonction de k est très faible dans
l’équation (2.42). Par conséquent, la valeur du p a été remplacé par 1 sans aucune perte
de performance. Le précodeur peut également être défini pour une modulation MAQ-16
et la solution prend alors quatre formes dont le choix dépend de k. La figure 2.6 présente
le schéma bloc du précodeur P-OSM. Grâce à l’orthogonalité et la représentation réelle du
système, le P-OSM découple donc les symboles et permet de diminuer les tests de décision
dans le récepteur MV (2 × M tests) tout en maximisant dmin . La matrice H considérée
dans l’estimation des symboles reçus (figure 2.6) est alors :
1 0 P̄ 0
r = Hr P = H [
Hθ2 θ
jθ ][ ] = [ hθ2
1 hθ2
2 hθ2
3 4 ]
hθ2 (2.44)
0 e 0 P̄
2
[x1 ] Tx1 [x]
x1 Rx1 xˆ1 = argmin yr − [hθ2 θ2
1 h2 ]
[x1 ] s1 (x) [x]
x∈C
F(θ) =
Recombinaison
P 1 0
0 ejθ
[x2 ] Tx2 Rxnr
x2 2
[x2 ] s2 (x) [x]
xˆ2 = argmin yr − [hθ2 θ2
3 h4 ] [x]
x∈C
Tx-CSI
45
CHAPITRE 2. LES TECHNIQUES MIMO
naliser le canal et propose plutôt une autre philosophie de précodage présentée précédem-
ment. De plus, Le précodeur P-OSM transmet b = 2 voies d’information indépendantes
comme le précodeur max-dmin mais seulement sur nt = 2 antennes de transmission. Si
nt > 2, le précodeur P-OSM doit utiliser une méthode de sélection d’antennes.
Les précodeurs max-dmin et P-OSM sont utilisés dans nos travaux et seront étudiés dans
le contexte de MIMO coopératif dans les réseaux de capteurs. Les précodeurs max-dmin et
P-OSM optimisent le même critère mais utilisent des méthodes différentes : le max-dmin
est basé sur la SVD alors que le P-OSM est basé sur un codage-orthogonalisation en
considérant une représentation réelle de système MIMO. Cependant, les solutions obtenues
sont similaires. En effet, les deux solutions sont indépendantes du RSB et le paramètre
k, qui permet de choisir entre deux formes de précodeur, peut être exprimé en fonction
−2
de l’angle γ = arctan σσ12 où ∣∣hθ1
1 ∣∣ = σ1 et ∣∣h2 ∣∣ = σ2 [86]. Nous avons donc k = tan γ. Par
θ1
46
CHAPITRE 2. LES TECHNIQUES MIMO
Max−dmin
P−OSM
−1 Alamouti
10
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18 20
RSB
Figure 2.7 - Comparaison des TEB des précodeurs max-dmin et P-OSM (MAQ-4) et du code
d’Alamouti (MAQ-16) pour un système MIMO 2 × 2, (4 bits/s/Hz)
Max−dmin
P−OSM
−1
10
−2
10
TEB
−3
10
−4
10
0 5 10 15 20 25
RSB
Figure 2.8 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système MIMO
2 × 2 et une MAQ-16 (8 bits/s/Hz)
47
CHAPITRE 2. LES TECHNIQUES MIMO
Max−dmin 2x3
P−OSM 2x3
−1
10 Max−dmin 2x4
P−OSM 2x4
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14
RSB
Figure 2.9 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour les systèmes
MIMO 2 × 3 et 2 × 4 et une MAQ-4 (4 bits/s/Hz)
48
CHAPITRE 2. LES TECHNIQUES MIMO
Max−dmin
P−OSM
−1
10
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14
RSB
Figure 2.10 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 4 × 2 et une MAQ-4 (4 bits/s/Hz)
Max−dmin
P−OSM
−1
10
−2
10
TEB
−3
10
−4
10
0 1 2 3 4 5 6 7 8 9 10
RSB
Figure 2.11 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 4 × 4 et une MAQ-4 (4 bits/s/Hz)
49
CHAPITRE 2. LES TECHNIQUES MIMO
MIMO Tx
242 m
zone 3
se déplace sur un parcours de 242 m échantillonné avec un pas de λ/2 (3000 simulations).
Cette configuration comprend des zones de visibilité directe (LOS) et de non visibilité
(NLOS) entre l’émetteur et le récepteur. Dans notre simulation, le récepteur se déplace à
deux vitesses (v = 5 et 50 km/h), ce qui rend le canal variable dans le temps. On parle
alors de l’effet Doppler dû à la mobilité (cf. paragraphe 1.3.2). Le simulateur fournit la RI
du canal à des instants précis sans que la mobilité et l’évolution temporelle du canal ne
soient prises en compte (Eq. 1.9). Pour y remédier, nous devons modifier la RI obtenue
par le simulateur pour prendre en compte l’évolution temporelle du canal. L’effet Doppler
est modélisé par son spectre qui traduit l’évolution de la puissance reçue en fonction du
50
CHAPITRE 2. LES TECHNIQUES MIMO
décalage Doppler. Dans notre scène, les simulations ont montré que les trajets reçus sont
distribués assez uniformément et très largement dans le plan azimutal. Nous avons donc
considéré le spectre de Jakes pour modifier le résultat du simulateur afin d’obtenir une
RI du canal réaliste et variable dans le temps en utilisant des méthodes développées dans
[15]. Le spectre de Jakes s’écrit sous la forme suivante [15] :
⎧
⎪ 2σ2
⎪ πfD max √1−(f /fD max ) , ∣f ∣ ≤ fD max
S(f ) = ⎨ (2.47)
⎪
⎪ ∣f ∣ > fD max
⎩0,
avec fD max le décalage Doppler maximum qui est exprimé en fonction de la vitesse de
déplacement de l’émetteur et/ou du récepteur v, la célérité c et la fréquence de la porteuse
fc par l’expression suivante :
v
fD max = fc . (2.48)
c
Dans notre cas, on a fDmax = 11 et 111 Hz pour les vitesses v = 5 et 50 km/h respec-
tivement. De plus, nous considérons que les trajets arrivent au récepteur avec un retard
maximal négligeable devant le temps symbole, c’est-à-dire que le canal est à bande étroite
mais variant dans le temps. Enfin, nous regroupons les RI pour obtenir la matrice de
canal MIMO. Les figures 2.13 et 2.14 montrent l’évolution du module des coefficients de
la matrice du canal H pour v = 5 km/h et v = 50 km/h respectivement. Plus la vitesse de
déplacement est élevée et plus le canal varie rapidement. Cette évolution temporelle nous
permet de pouvoir introduire l’erreur d’estimation du canal pour évaluer le comportement
des précodeurs.
-88
-88 ∣h11 ∣ ∣h12 ∣
-90
-90
Puissance en dbm
Puissance en dbm
-92 -92
-94 -94
-96 -96
-98
-98
-100
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
Temps en Seconde Temps en Seconde
-92
∣h21 ∣ -94 ∣h22 ∣
-94
-96
Puissance en dbm
Puissance en dbm
-96 -98
-98 -100
-100 -102
-102 -104
-104 -106
-108
-106
-110
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
Temps en Seconde Temps en Seconde
Figure 2.13 - Évolution des coefficients de la matrice de canal pour une vitesse égale à 5 km/h
51
CHAPITRE 2. LES TECHNIQUES MIMO
Puissance en dbm
-100 -95
-105
-100
-110
-115 -105
-120
-125 -110
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
Temps en Seconde Temps en Seconde
-90
∣h21 ∣ ∣h22 ∣
-90
-95
Puissance en dbm
Puissance en dbm
-95
-100
-100
-105 -105
-110
-110
-115
-115
0 0.01 0.02 0.03 0.04 0.05 0 0.01 0.02 0.03 0.04 0.05
Temps en Seconde Temps en Seconde
Figure 2.14 - Évolution des coefficients de la matrice de canal pour une vitesse égale à 50 km/h
Le parcours choisi est donné à titre d’exemple et n’est pas généralisable à n’importe
quel parcours. Ce parcours simulé contient plusieurs zones d’études que nous avons dis-
criminées et étudiées dans [38] selon plusieurs critères. Par la suite, nous prenons comme
exemple la zone 2 (figure 2.12) et présentons les résultats de TEB car cette zone contient
des trajets directs et réfléchis.
2.4.2.0.a Estimation parfaite de canal
La figure 2.15 donne le TEB moyen des max-dmin et P-OSM dans la zone 2 avec une
estimation parfaite du canal. La vitesse n’apporte pas d’amélioration ou de détérioration
avec une estimation parfaite mais modifie les variations temporelles du canal. Une seule
courbe est alors tracée pour les deux vitesses. Ce cas peut être considéré comme un canal
réaliste statique sans mobilité. Nous remarquons que lorsque nt = 2, les performances de
deux précodeurs sont équivalentes même avec ce modèle réaliste du canal.
2.4.2.0.b Estimation imparfaite du canal
Pour évaluer l’impact de la mobilité, nous avons introduit une erreur d’estimation
selon un modèle très simple : l’information disponible à l’émetteur et au récepteur n’est
actualisée qu’à des instants réguliers et sera alors sans erreur uniquement à ces instants.
Dans notre simulation, l’intervalle des estimations est de 100 symboles.
La figure 2.16 présente le TEB moyen avec une estimation imparfaite du canal et pour
les deux vitesses. La première constatation est l’apparition d’une valeur seuil à fort RSB.
Plus la vitesse est élevée et plus la valeur seuil est grande. Par exemple, pour obtenir un
TEB de 10−2 , la puissance doit être augmentée de 2, 5 dB lorsque la vitesse passe de 5
km/h à 50 km/h. Nous constatons aussi que les performances des deux précodeurs sont
équivalentes pour nt = 2 pour tous les canaux considérés.
52
CHAPITRE 2. LES TECHNIQUES MIMO
Max−dmin
P−OSM
−1
10
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18 20
RSB
Figure 2.15 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 2 × 2 et une MAQ-4, modèle réaliste avec une estimation parfaite
0
10
Max−dmin, 5 Km/h
P−OSM, 5 Km/h
Max−dmin, 50 Km/h
P−OSM, 50 Km/h
−1
10
TEB
−2
10
−3
10
0 2 4 6 8 10 12 14 16 18 20
RSB
Figure 2.16 - Comparaison des TEB des précodeurs max-dmin et P-OSM pour un système
MIMO 2 × 2 et une MAQ-4, modèle réaliste avec une estimation imparfaite
53
CHAPITRE 2. LES TECHNIQUES MIMO
Ces résultats montrent que les précodeurs sont sensibles à la mobilité mais restent
néanmoins performants en statique, voire à faible vitesse, ce qui représente la plupart des
situations dans les réseaux de capteurs.
2.5 Conclusion
Ce chapitre a présenté certaines techniques MIMO permettant d’exploiter les avantages
du canal multi-antennaire. Nous avons divisé les techniques en deux familles dont la
différence est la connaissance ou non du canal à l’émission.
D’un côté, sans cette information, les codes spatio-temporels représentent une solution
simple assurant notamment un ordre de diversité maximal (nt × nr ). Toutefois, il existe
un rendement 1/2 ≤ R ≤ 1 du débit et le nombre de codes proposant R = 1 est limité. Par
exemple, le code d’Alamouti est valable pour nt = 2 avec R = 1.
De l’autre côté, les précodeurs linéaires optimisent un critère particulier à l’aide de la
connaissance du canal. Ils sont basés sur la SVD pour diagonaliser le canal. Parmi ces
précodeurs, le précodeur max-dmin maximise la distance minimale de la constellation en
réception. Il présente un ordre de diversité maximal (nt × nr ) et un rendement de R = 2.
Une technique récente de précodage a aussi été présentée : le précodeur P-OSM. Ce
précodeur n’est pas basé sur la SVD, il propose une orthogonalisation des symboles reçus
en optimisant le même critère de max-dmin . Il présente un rendement de R = 2 et un ordre
de diversité maximal lorsque nt = 2. En comparant les TEB pour plusieurs modèles de
canaux, nous avons montré que les performance des max-dmin et P-OSM sont équivalentes
pour un système MIMO (2 × nr ). Lorsque nt ≥ 2, le max-dmin est plus performant avec un
gain d’environ 2 dB.
Les précodeurs max-dmin et P-OSM sont considérés dans nos travaux. Afin de sim-
plifier l’intégration de ces précodeurs dans un contexte de réseaux de capteurs avec un
canal de retour, nous nous intéresserons dans le chapitre 3 à la quantification de l’informa-
tion de retour nécessaire à l’émission. Cette quantification permet de réduire la quantité
d’information qui doit être envoyée dans le canal de retour.
54
Chapitre 3
La quantification des précodeurs
max-dmin et P-OSM
Sommaire
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2 Le canal de retour . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.1 Principe général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.2 Le canal de retour dans les normes . . . . . . . . . . . . . . . . . . 59
3.3 La quantification du précodeur max-dmin . . . . . . . . . . . . . . 60
3.3.1 Les informations à quantifier . . . . . . . . . . . . . . . . . . . . . 60
3.3.2 Construction du dictionnaire pour la matrice Fv . . . . . . . . . 60
3.3.3 Choix de la matrice Fv . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3.4 Quantification de Fv et de γ . . . . . . . . . . . . . . . . . . . . . . 62
3.3.5 Quantification des matrices Fv et Fd . . . . . . . . . . . . . . . . 67
3.4 La quantification du précodeur P-OSM . . . . . . . . . . . . . . 70
3.4.1 Les informations à quantifier . . . . . . . . . . . . . . . . . . . . . 70
3.4.2 Résultats de TEB . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.5 max-dmin vs P-OSM . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.5.1 Résultats de TEB . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.5.2 Discussion sur les difficultés de calculs des précodeurs . . . . . . 76
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
55
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
3.1 Introduction
Dans le chapitre précédent, nous avons présenté les deux familles de systèmes MIMO :
les systèmes MIMO à boucle ouverte et les systèmes MIMO à boucle fermée. La première
nécessite seulement la connaissance du canal à la réception (Rx-CSI) et l’émetteur ne
connaı̂t pas le canal. Les systèmes MIMO à boucle fermée regroupent toutes les tech-
niques de précodage appliquées avant l’émission comme les précodeurs max-dmin et P-
OSM. La contrainte forte pour ce type d’optimisation est la nécessité de connaı̂tre l’état
du canal (Tx-CSI) à l’émission. Celui-ci est généralement estimé en réception. Par ex-
emple, l’émetteur doit connaı̂tre la matrice complexe Fv et l’angle γ dans le précodeur
max-dmin et les angles θ et θ1 ainsi que le paramètre k dans le précodeur P-OSM. La
CSI à l’émission nécessite donc un canal pour le retour d’information du récepteur vers
l’émetteur (Feedback Channel) pour renvoyer toute l’estimation du canal (CSI complète).
L’hypothèse d’une information complète du canal à l’émission n’est pas réaliste à cause
de la quantité importante d’information à envoyer dans le canal de retour [89], [90]. Cette
quantité augmente en fonction de la dimension du système MIMO [90]. Dans les situ-
ations pratiques, la quantité d’information de retour doit être aussi faible que possible
(Limited Feedback) [90]. Par exemple, dans les réseaux de capteurs, un canal de retour, si
appliqué, ne peut envoyer qu’un nombre limité de bits de retour en raison de contraintes
de consommation d’énergie [91]. En fait, dans le quatrième chapitre, nous proposerons des
systèmes MIMO coopératifs basés sur les précodeurs max-dmin et P-OSM avec un canal
de retour quantifié [92]. Ces systèmes coopératifs permettent de réduire la consommation
d’énergie dans les réseaux de capteurs. De plus, nous montrerons que grâce à la quan-
tification de la CSI réalisée dans ce chapitre, seul 7 bits seront envoyés dans le canal de
retour. Ceux-ci assurent d’une part un bon fonctionnement des précodeurs max-dmin et
P-OSM et limitent d’autre part la consommation d’énergie dans le canal de retour.
L’idée générale de la quantification est de réduire au maximum l’information qui doit
être envoyée à l’émission dans le canal de retour tout en fournissant des performances ac-
ceptables des précodeurs. Dans la littérature, les travaux sur la quantification des systèmes
MIMO précodés sont connus sous le nom “Limited or Finite-rate Feedback Systems”
[89], [93], [94], [95], [96]. Ces travaux sont généralement consacrés à l’étude de la quantifi-
cation de la matrice Fv en créant un dictionnaire et non pas à l’étude d’un tel précodeur
particulier. Rappelons que cette matrice est issue de la SVD du canal H et se trouve dans
tous les précodeurs linéaires. Par conséquent, ces travaux peuvent constituer la base de
notre étude de la quantification.
Ainsi, dans ce chapitre, nous nous focalisons sur la quantification des précodeurs
utilisés dans nos travaux : le max-dmin et le P-OSM. Nous présentons d’abord le principe
du canal de retour ainsi que certains exemples de son application dans les nouvelles normes
de communication sans fil. Ensuite, concernant le max-dmin, notre contribution consiste
à exploiter certaines techniques de la littérature ainsi qu’à en proposer d’autres pour
56
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
quantifier ce précodeur. Pour cela, nous expliquons la méthode considérée pour constru-
ire un dictionnaire pour la matrice Fv . La quantification de l’angle γ est simple car il
s’agit d’une quantification classique et uniforme dans l’intervalle [0, π/4]. En appliquant
la quantification de Fv et de γ, nous analysons les performances en comparaison avec la
CSI complète en termes de TEB obtenu et de nombre de bits envoyés dans le canal de
retour. La deuxième étape consiste à proposer un autre scénario de quantification pour
le max-dmin . Il s’agit de construire un seul dictionnaire pour la matrice F = Fv Fd : la
matrice Fd est défini par l’angle γ. Nous montrerons que ce nouveau scénario réduit plus
l’information envoyée dans le canal de retour par rapport à la quantification précédente
(Fv et γ), mais en assurant la même performance du TEB.
La deuxième partie de notre étude porte sur la quantification du précodeur P-OSM.
Nous montrons que cette quantification est plus simple que celle du max-dmin car nous
avons deux angles à quantifier classiquement dans leurs intervalles : θ et θ1 . Dans [97],
les auteurs n’ont présenté que deux exemples de TEB pour ce précodeur en quantifiant la
CSI : systèmes MIMO 2×2 et 3×2 avec 6 bits envoyés dans le canal de retour. Les résultats
ont montré que le TEB était proche de celui de la CSI complète. Toutefois, ces résultats ne
peuvent pas être généralisables à d’autres systèmes MIMO plus grands et la distribution
de bits entre les deux angles n’a pas été étudiée. Par conséquent, nous décrivons ici la
quantification du précodeur P-OSM de manière complète. Nous considérons des systèmes
MIMO plus grands et déterminons la distribution optimale des bits envoyés entre θ et θ1 .
Une règle générale sera trouvée pour n’importe quel système MIMO.
Enfin, les précodeurs max-dmin et P-OSM n’ont jamais été comparés entre eux en
considérant la quantification de la CSI. Ainsi, nous comparons les performances en terme
de TEB de ces précodeurs avec la quantification de la CSI et pour le même nombre de
bits envoyés dans le canal de retour. Nous comparons également les difficultés de calculs
des précodeurs max-dmin et P-OSM à travers les étapes de transmission et de réception.
57
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
Tx1 Rx1
Symboles H
F Récepteur
Rxnr
Txnt
Estimation de H
Envoyer la matrice choisie Quantification de la CSI
en utilisant n bits F = (F1 , F2 , ..., FN ) , N = 2n
58
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
IEEE 802.11n C’est une extension améliorée de la norme IEEE 802.11 pour un réseau
sans fil local (WiFi). Il s’appuie sur l’utilisation conjointe des techniques MIMO et OFDM.
Cette norme propose d’utiliser le Feedback qui est appelé Beamforming (optionnel) [103].
Nous pouvons par exemple trouver trois types de Feedback :
1. “CSI Matrices Feedback” : il renvoie pour chaque sous-porteuse une valeur d’am-
plitude maximale quantifiée sur 3 bits et la matrice du canal quantifiée : 4 à 8 bits
pour chaque partie réelle et imaginaire.
2. “Non-compressed Beamforming Matrix Feedback” : le récepteur calcule le précodeur
(une matrice de précodage), quantifie chaque élément de la matrice et envoie cette
information dans le canal de retour.
3. “Compressed Beamforming Matrix Feedback” : le récepteur représente le précodeur
en utilisant les rotations de Givens [95]. Les paramètres ou les angles sont ensuite
quantifiés et envoyés.
IEEE 802.16e Cette extension de la norme IEEE 802.16 (WiMAX) propose d’intro-
duire des fonctionnalités de mobilité dans les réseaux sans fil métropolitains (WMAN) [104].
Plusieurs dictionnaires peuvent être supportés par la norme IEEE 802.16e sur la liaison de-
scendante pour deux, trois et quatre antennes. Par exemple, des dictionnaires de trois bits
(n = 3 bits) peuvent être trouvés, ils sont : “Grassmannian codebooks” [89]. Le principe
de construction d’un dictionnaire en utilisant la théorie de Grassman sera présentée plus
tard. Un autre exemple d’un dictionnaire de six bits peut être aussi trouvé pour le Beam-
forming. Ce dictionnaire est dérivé d’un générateur de vecteurs multipliés par des matrices
unitaires (matrices de Householder) [89].
59
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
physique et proposent différents dictionnaires sur la liaison descendante [105], [89]. Dans la
norme LTE, on peut trouver par exemple un dictionnaire de quatre bits pour le Beamform-
ing. Le dictionnaire est construit en prenant des sous-ensembles spécifiques des matrices
de Householder [89]. Par contre, dans la norme 3GPP2 par exemple, deux dictionnaires
sont inspirés de la construction du dictionnaire, proposée par D. J. Love dans [93] et [106],
qui implique la théorie de Grassman.
y = GHFv Fd s + Gn (3.3)
La matrice Fd qui maximise la distance minimale est totalement caractérisée par
l’angle γ (cf. chapitre 2). Par conséquent, deux paramètres principaux doivent être envoyés
à l’émission : la matrice Fv et l’angle γ ou la matrice Fv et la matrice Fd .
La première étape de la quantification consiste à quantifier la matrice Fv . Rappelons
que cette matrice est une matrice complexe et unitaire issue de la SVD de H. Après avoir
estimé le canal, la matrice Fv est choisie selon un certain critère parmi un ensemble fini
de matrices de précodage unitaires du dictionnaire Fv :
Fv = (Fv1 , Fv2 , ..., FvN ) (3.4)
où N = 2n1 , n1 représente le nombre de bits utilisé pour envoyer la matrice choisie à
l’émetteur.
Dans ce précodeur, nous avons alors deux possibilités de quantification :
1. Quantification de Fv et de γ.
2. Quantification de Fv et de Fd .
Nous présentons d’abord la méthode considérée pour construire un dictionnaire pour la
matrice Fv . Ce dictionnaire sera ensuite exploité avec la quantification de γ pour évaluer et
analyser les performances du précodeur max-dmin en termes de TEB obtenu et de nombre
de bits envoyés dans le canal de retour. Puis, nous étudions la deuxième possibilité de
quantification où nous proposons de construire un dictionnaire pour la matrice Fd . Les
deux possibilités de quantification seront comparées afin de choisir la meilleure en termes
de TEB et de nombre de bits envoyés dans le canal de retour.
60
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
littérature, les méthodes de construction d’un dictionnaire des matrices unitaires Fv sont
limitées. On trouve principalement les travaux de D. J. Love dans [89], [93] [106], [94] et
les travaux de J. C. Roh dans [95], [107]. Dans cette thèse, nous nous sommes basés sur
les travaux de D. J. Love pour construire le dictionnaire Fv car c’est lui qui a fait le plus
de recherche dans ce domaine et ses travaux sont bien reconnus dans la littérature. De
plus, certains de ses travaux sont considérés dans la norme 3GPP2. D. J. Love implique
la théorie de Grassman (Grassmannian manifold) pour construire un dictionnaire de ma-
trices unitaires [108], [109], [110]. Par la suite, nous présenterons comment construire le
dictionnaire Fv sans entrer dans les détails mathématiques.
Pour un canal de Rayleigh, le dictionnaire Fv , qui consiste en un nombre fini de ma-
trices unitaires, représente un ensemble (ou packing) dans les sous-espaces de Grassman
[93], [106]. Cela est appelé dans la littérature “Grassmannian Subspace Packing”. Avant
de construire le dictionnaire, il faut d’abord définir une mesure de distorsion moyenne en
fonction du canal H :
′
EH [ min
′
(∥HFv ∥2F − ∥HFv ∥2F )] (3.5)
Fv ∈Fv
où N = 2n1 , FDF T est une matrice de taille [nt × b]. Cette matrice FDF T contient des
√
coefficients égaux à (1/ nt )ej(2π/nt )kl dans la position (k, l) : k = 1, ..., nt et l = 1, ..., b. Θ
est une matrice diagonale donnée par :
j(2π/N )u1
⎛ e 0 ... 0 ⎞
)u
⎜ 0 ej(2π/N 2 ... 0 ⎟
Θ=⎜ ⎟ où 0 ≤ u1 , ..., unt ≤ N − 1 (3.7)
⎜ ⋮ ⋱ ⋮ ⎟
⎝ 0 0 . . . ej(2π/N )unt ⎠
Le vecteur u = [u1 , u2 , ..., unt ]T prend ses valeurs dans l’ensemble : Z = {u ∈ Znt , 0 ≤
uk ≤ N − 1}. Il est calculé pour maximiser la distance de Chordal d entre la matrice de
référence FDF T et la matrice Θl FDF T :
61
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
Le temps de calcul de ce dictionnaire est long car il faut tester toutes les combinaisons
possibles du vecteur u afin de choisir la meilleure combinaison qui maximise la distance.
De plus, le nombre de combinaisons à tester augmente en fonction du nombre d’antennes
d’émission nt et du nombre de matrices N dans le dictionnaire qui dépend du nombre de
bits de la quantification n1 . En fait, N nt cas possibles doivent être testés. Néanmoins, le
calcul de dictionnaire se fait hors ligne et il peut être stocké à l’émission et à la réception.
Pour stocker le dictionnaire, seulement nt log2 N bits sont nécessaires car il suffit de stocker
le vecteur u.
où e(xk , xl ) = xk − xl (k ≠ l) est l’ensemble des vecteurs des différences entre les symboles
transmis.
En général, ce critère est lourd en calcul car il dépend de la taille du dictionnaire
(N = 2n1 ) et du nombre de vecteurs de distances à tester. Néanmoins, plusieurs simplifi-
cations sont possibles. En fait, pour une modulation MAQ, certains vecteurs de distances
sont égaux et colinéaires et peuvent être négligés dans le calcul sans aucune perte de per-
formance. Par exemple, pour une MAQ-4 et b = 2, nous avons 240 vecteurs de distances
à tester [71], ce nombre peut être réduit à 14 ce qui diminue considérablement le temps
de calcul. Pour une MAQ-16, ce calcul devient plus lourd et cette modulation n’est pas
considérée dans notre étude des précodeurs.
3.3.4 Quantification de Fv et de γ
En plus de la quantification de la matrice Fv , nous avons besoin de quantifier l’angle
γ dans le précodeur max-dmin . Cet angle permet de calculer la matrice Fd qui maximise
la distance minimale. L’angle γ est quantifié uniformément en divisant l’intervalle [0, π/4]
par 2n2 niveaux de quantification, n2 est le nombre de bits utilisés pour envoyer l’angle γ
quantifié.
Si NF b représente le nombre total de bits disponibles dans le canal de retour :
NF b = n1 + n2 (3.11)
62
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
où n1 et n2 sont choisis à partir des simulations afin que le précodeur atteigne les per-
formances les plus proches du cas parfait (CSI complète). Le but est de maintenir le
paramètre NF b le plus faible possible tout en ayant des performances raisonnables du
précodeur, c’est-à-dire les plus proches de la CSI complète. Par la suite, nous présentons
les résultats de TEB en fonction du RSB du précodeur max-dmin après avoir appliqué la
quantification de la CSI. Nous étudions aussi plusieurs configurations de n1 et de n2 .
Notons que dans ce chapitre et les chapitres suivants, les précodeurs max-dmin et P-
OSM sont toujours utilisés avec une MAQ-4 car celle-ci présente le moins de complexité
dans le calcul dans le récepteur MV ou dans le critère de recherche précédent. De plus, nous
considérerons des configurations réalistes d’antennes d’émission et de réception (nt × nr )
pour le système MIMO. Cela veut dire que nt et nr vont de 2 à 4 (antennes).
CSI complète
Fv complète, 1 bit Gamma
Fv complète, 2 bits Gamma
−1
10 Fv complète, 3 bits Gamma
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18
RSB
63
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
2 bits Fv, 2 bits Gamma
3 bits Fv, 2 bits Gamma
−1
10 5 bits Fv, 2 bits Gamma
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18
RSB
Prenons maintenant le système MIMO 2 × 4 présenté sur la figure 3.4, nous constatons
que n1 = 3 (NF b = 5) bits a également assuré une performance raisonnable et proche de
la CSI complète : un écart d’environ 0,5 dB pour un TEB de 10−4 . Dans ce cas, le fait
d’augmenter n1 à 5 bits ne conduit pas à améliorer le TEB.
Ainsi, pour un système MIMO à 2 antennes d’émission, un dictionnaire de Fv con-
tenant 23 matrices (n1 = 3 bits) est suffisant pour assurer des bonnes performances en
comparaison de la CSI complète. Cela donne un nombre total de bits dans le canal de
retour égal à NF b = 3 + 2 = 5 bits.
64
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
3 bits Fv, 2 bits Gamma
5 bits Fv, 2 bits Gamma
−1
10
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
2- Systèmes MIMO 3 × 3 et 4 × 4 :
La figure 3.5 présente le TEB du précodeur max-dmin pour un système MIMO 3 × 3
avec n1 = 3, 5 et 7 bits et n2 est toujours 2 bits, soit un total de NF b = 5, 7 et 9 bits
respectivement. La dégradation de performance est maintenant plus importante (l’écart
entre la quantification et la CSI complète). Pour n1 = 7 ou NF b = 9 bits dans le canal de
retour, une perte de 1, 3 dB se produit pour un TEB de 10−4 . Cette figure montre aussi
l’amélioration de la performance lorsque n1 passe de 3 à 5 (un gain de 0,4 dB) et de 5 à
7 bits (un gain de 0,3 dB).
D’autre part, pour un système MIMO 4 × 4 et NF b = 7 + 2 = 9 bits (figure 3.6), une
perte de 1, 6 dB se produit pour un TEB de 10−4 . Cette figure montre clairement l’effet
de l’augmentation de n1 de 5 à 7 bits pour un système MIMO plus grand : un gain de
0,7 dB.
65
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
3 bits Fv, 2 bits Gamma
5 bits Fv, 2 bits Gamma
−1
10 7 bits Fv, 2 bits Gamma
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
CSI complète
5 bits Fv, 2 bits Gamma
−1
7 bits Fv, 2 bits Gamma
10
−2
10
TEB
−3
10
−4
10
0 1 2 3 4 5 6 7 8 9 10
RSB
66
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
1. Pour chaque matrice Fvi du dictionnaire Fv = (Fv1 , Fv2 , ..., FvN ), i = (1, ..., N) qui
est déjà générée pour un certain nt , faire les étapes suivantes :
(a) Un tirage aléatoire de la matrice H du canal MIMO de Rayleigh (nr × nt ).
(b) Pour chaque matrice H, calculer la matrice Fd (solution max-dmin ) et appliquer
le critère :
Fdi = arg max { min b ∥HFvi Fd e(xk , xl )∥2 } (3.12)
(H,Fd )∈Δ (xk ,xl )∈C
De plus, chaque matrice dans ce dictionnaire est associée à une matrice Fv du dictio-
nnaire Fv ; ce couple optimise le précodeur max-dmin. En outre, nous pouvons considérer
67
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
Fv
Fv1
Fv2
Tirage de H
Fvi calcul de Fd Fdi = arg max {min HFvi Fd e(xk , xl )2 }
(H,Fd )∈Δ
associées
Fd
FvN Fd1
Enregistrer
Fdi Fd2
FdN
Figure 3.7 - Algorithme de calcul proposé pour construire un dictionnaire pour la matrice Fd
F = (Fv1 Fd1 , Fv2 Fd2 , ..., FvN FdN ) = (F1 , F2 , ..., FN ) (3.14)
où N est toujours égal à 2n1 , c’est-à-dire qu’il suffit d’envoyer NF b = n1 bits dans le canal
de retour pour avoir les deux matrices choisies Fv et Fd .
La génération de ce dictionnaire s’est faite hors ligne et il est stocké à l’émission et à
la réception. Le récepteur choisit la matrice F = Fv Fd optimale dans le dictionnaire selon
le critère :
F̂ = arg max { min ∥HFi e(xk , xl )∥2 } (3.15)
Fi ∈ F (xk ,xl )∈C b
Ce critère demande autant de calcul que celui de (3.10) et les simplifications présentées
dans le paragraphe 3.3.3 peuvent être utilisées. De plus, des travaux ont commencé à
étudier la simplification de ce critère en faisant le lien entre la valeur de l’angle γ et le
nombre de vecteurs de distances à tester [111].
Grâce à cette quantification, il suffit d’envoyer NF b = n1 bits dans le canal de retour
à la place de NF b = n1 + n2 bits dans le cas de la quantification de l’angle γ sans aucune
perte en performance. Cette diminution du nombre de bits dans le canal de retour peut
être utile dans certaines situations où le nombre de bits disponibles doit être très limité
dans le canal de retour comme par exemple dans les réseaux de capteurs.
Les figures 3.8, 3.9 et 3.10 comparent cette quantification avec la quantification précé-
dente (Fv et γ) pour les systèmes MIMO 2 × 4, 3 × 3 et 4 × 4.
68
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
3 bits Fv, 2 bits Gamma
−1
3 bits Fv.Fd
10
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
CSI complète
5 bits Fv, 2 bits Gamma
7 bits Fv, 2 bits Gamma
−1
10 5 bits Fv.Fd
7 bits Fv.Fd
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
69
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
7 bits Fv, 2 bits Gamma
−1
7 bits Fv.Fd
10
−2
10
TEB
−3
10
−4
10
0 1 2 3 4 5 6 7 8 9 10
RSB
Ces résultats montrent que cette quantification assure les mêmes performances que la
quantification précédente, mais en utilisant seulement :
– NF b = n1 = 3 bits au lieu de NF b = 3 + 2 = 5 bits pour le système MIMO 2 × 4
(figure 3.8),
– NF b = n1 = 5 ou 7 bits au lieu de NF b = 5 + 2 = 7 ou NF b = 7 + 2 = 9 bits pour le
système MIMO 3 × 3 (figure 3.9)
– et enfin NF b = n1 = 7 bits au lieu de NF b = 7 + 2 = 9 bits pour le système MIMO 4 × 4
(figure 3.10).
Par conséquent, cette quantification sera considérée dans le reste de cette thèse.
70
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
bits pour choisir deux antennes parmi nt antennes à l’émission. Le coefficient binomial est
Cn2t = (nt !)/(2!(nt − 2)!).
La quantification du précodeur P-OSM est alors plus simple que celle du max-dmin car
nous avons besoin de quantifier uniformément les deux angles θ et θ1 sur les intervalles
[0, π] et [−π/2, +π/2] respectivement. Deux exemples de TEB pour ce précodeur ont été
présentés dans [97] avec la quantification : systèmes MIMO 2 × 2 et 3 × 2 avec 6 bits
dans le canal de retour. Nous considérons ici un système MIMO plus grand et étudions
particulièrement comment distribuer au mieux les bits disponibles entre θ et θ1 . Nous
déterminons une règle généralisable à n’importe quel système MIMO. Cette étude n’a pas
été considérée dans [97].
CSI complète
2 bits Theta, 1 bit Theta1
−1
2 bits Theta, 2 bits Theta1
10 2 bits Theta, 3 bits Theta1
2 bits Theta, 4 bits Theta1
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
71
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
Nous allons maintenant augmenter nθ d’un bit (nθ = 3 bits) et faire varier encore nθ1
comme le montre la figure 3.12.
En fait, lorsque l’on augmente nθ d’un bit, l’amélioration du TEB devient plus impor-
tante. Par exemple, comparons les cas (nθ = 3, nθ1 = 2) et (nθ = 2, nθ1 = 3). Dans les deux
cas, on a un nombre total de bits égal à 5 bits à attribuer entre nθ et nθ1 . On voit que le
TEB du premier cas (nθ = 3, nθ1 = 2) est mieux que celui du second cas (nθ = 2, nθ1 = 3).
CSI complète
2 bits Theta, 3 bits Theta1
3 bits Theta, 1 bit Theta1
−1
10 3 bits Theta, 2 bits Theta1
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
D’après ces résultats et lorsque le nombre total de bits disponibles pour nθ et nθ1
est limité (3, 4 ou 5 bits), on peut constater que la distribution de bits entre nθ et nθ1
devrait être en faveur de nθ . C’est-à-dire qu’il faut attribuer à nθ un nombre de bits plus
grand que celui attribué à nθ1 . Cela s’explique par le fait que l’angle θ joue un rôle très
important dans le fonctionnement du précodeur P-OSM (orthogonalisation des symboles,
cf. chapitre 2) et il doit ainsi être privilégié. Plusieurs simulations ont montré que ces
remarques sont aussi valides pour d’autres systèmes MIMO tel que 2 × 2, 2 × 3 et 3 × 3.
En revanche, lorsque le nombre total de bits disponibles pour nθ et nθ1 est plus grand
(6, 7 bits ou plus), ce n’est pas nécessaire de respecter cette règle. Dans ce cas, on a
assez de bits pour les deux angles et les performances avec la quantification s’approchent
beaucoup de celles de la CSI complète comme on le voit sur la figure 3.13.
Enfin, nous pouvons résumer que pour nθ = nθ1 = 3 bits, le P-OSM assure un TEB très
proche de celui d’une CSI complète, voire quasiment identique pour nθ = 4 et nθ1 = 3 bits.
Ces remarques sont valides pour tous les systèmes MIMO (2 × 2, 2 × 4, 3 × 3 et 4 × 4).
72
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
CSI complète
3 bits Theta, 3 bits Theta1
4 bits Theta, 3 bits Theta1
−1
10 4 bits Theta, 4 bits Theta1
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
Figure 3.13 - TEB du précodeur P-OSM avec la quantification pour plusieurs configurations
de nθ et nθ1 , un système MIMO 4 × 4 et une MAQ-4
– Pour le max-dmin : NF b = n1 .
73
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
- Système MIMO 2 × 4
La figure 3.14 compare le TEB des deux précodeurs pour le système MIMO 2 × 4
et pour NF b = 3 bits. Le max-dmin est quantifié en utilisant le dictionnaire pour Fv Fd :
NF b = n1 = 3 bits. Pour le P-OSM, nous avons nk = 1 bit (MAQ-4), il ne reste que 2 bits
pour nθ et nθ1 , nous mettons alors nθ = nθ1 = 1 bit (nSA = 0 car nt = 2).
Une seule courbe de TEB est tracée pour les max-dmin et P-OSM en cas de CSI
complète car ils sont équivalents. Lorsque NF b = 3 bits dans le canal de retour, le max-dmin
présente un TEB proche de celui de CSI complète (une perte de 0,5 dB pour un TEB de
10−4 ) alors que le TEB du P-OSM se dégrade fortement car nous n’avons que 2 bits pour
quantifier les deux angles nθ et nθ1 . Sur la figure 3.14, nous montrons aussi que le P-OSM
nécessite un NF b = 6 bits (nθ = 3, nθ1 = 2 et nk = 1 bit) pour assurer une performance
similaire à celle du max-dmin (NF b = 3 bits).
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
Figure 3.14 - Comparaison des TEB des max-dmin et P-OSM avec la quantification pour
NF b = 3 bits, un système MIMO 2 × 4 et une MAQ-4
- Système MIMO 4 × 4
Nous considérons maintenant un système MIMO plus grand (nt > 2) comme par ex-
emple le système MIMO 4 × 4. Dans ce cas, le P-OSM doit faire la sélection d’antennes et
74
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
nSA ≠ 0. Rappelons que pour nt = 4 antennes, le nombre de bits n1 maximal atteint pour
générer le dictionnaire pour le max-dmin est égal à 7 bits (cf. paragraphe 3.3.4.2).
Ainsi, la figure 3.15 montre le TEB des deux précodeurs pour le système MIMO 4 × 4
et pour NF b = 7 bits. Le max-dmin est quantifié en utilisant le dictionnaire pour Fv Fd :
NF b = n1 = 7 bits. Pour le P-OSM, nous avons nk = 1 bit (MAQ-4) et nSA = log2 (C42 ) = 3
bits pour choisir deux antennes parmi les quatre antennes à l’émission. Par conséquent, il
ne reste que 3 bits pour nθ et nθ1 , nous mettons alors nθ = 2 bits (assurer nθ ) et nθ1 = 1 bit.
Selon cette figure, on constate que pour une CSI complète, le max-dmin est plus per-
formant que le P-OSM avec un gain de 2 dB pour un TEB de 10−4 , ce qui a déjà été validé
dans le chapitre 2. Pour une CSI quantifiée, il est clair que chaque précodeur présente une
certaine dégradation. Néanmoins, le max-dmin reste plus performant que le P-OSM pour
NF b = 7 bits dans le canal de retour avec un gain de 2,7 dB pour un TEB de 10−4 .
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
Figure 3.15 - Comparaison des TEB des max-dmin et P-OSM avec la quantification pour pour
NF b = 7 bits, un système MIMO 4 × 4 et une MAQ-4
75
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12
RSB
Figure 3.16 - Comparaison des TEB des max-dmin et P-OSM avec la quantification pour
NF b = 10 bits, un système MIMO 4 × 4 et une MAQ-4,
En résumé et d’après ces résultats, nous constatons que le précodeur P-OSM présente
certaines limites lorsque le nombre de bits disponibles dans le canal de retour est très faible.
Rappelons l’exemple présenté sur la figure 3.14 pour NF b = 3 bits et un système MIMO
2 × 4 dans lequel le max-dmin a assuré une bonne performance alors que la performance du
P-OSM était dégradée. Cette situation est aussi similaire pour un système MIMO 3 × 3 et
NF b = 5 bits par exemple. Néanmoins, à partir de nθ = nθ1 = 3 bits, le P-OSM peut assurer
une performance très proche de la CSI complète (figure 3.16 avec NF b = 10 bits).
D’autre part, NF b dans le précodeur max-dmin est actuellement limité à 7 bits pour nt =
3 ou 4 antennes, ce qui entraine une certaine dégradation comme le montre la figure 3.15.
Le max-dmin pourrait assurer un TEB plus proche en augmentant NF b .
1- La quantification
Les deux précodeurs appliquent une stratégie de quantification différente. La quantifi-
cation du max-dmin s’appuie sur la construction d’un dictionnaire pour Fv ou Fv Fd . La
construction du dictionnaire n’est pas facile car le modèle du canal de transmission et ses
76
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
statistiques doivent être prises en compte. Dès lors, pour chaque modèle de canal considéré
(canal de Rayleigh, canal variable dans le temps), il faut construire un dictionnaire. Dans
la plupart des travaux, le dictionnaire est construit pour un canal de Rayleigh. Toutefois,
il serait important d’anticiper le changement des statistiques de canal pour le prendre en
compte dans la conception du système. La construction du dictionnaire pourrait alors se
faire hors ligne et être stocké à l’émission et à la réception. Enfin, la recherche dans le
dictionnaire pour trouver la matrice Fv optimale est généralement lourde et augmente en
fonction de n1 . Plusieurs simplifications sont possibles comme nous l’avons précédemment
présenté (cf. paragraphe 3.3.3).
En revanche, la quantification du P-OSM s’appuie sur une quantification classique de
deux angles θ et θ1 . Cette quantification peut être effectuée pour chaque réalisation du
canal. Ainsi, la complexité de la quantification dans le P-OSM est plus simple que pour
le max-dmin.
2- Le précodage
Les précodeurs max-dmin et P-OSM optimisent le même critère : maximisation de la dis-
tance euclidienne minimale de la constellation. Cependant, ils utilisent deux philosophies
de précodage différentes. Le max-dmin est basé sur la SVD de la matrice du canal alors
que le P-OSM applique un codage-orthogonalisation en considérant une représentation
réelle de système MIMO.
En principe, la SVD est gourmande en calcul alors que le P-OSM évite ce type de
calcul. Le P-OSM calcule d’abord l’angle θ à partir de la matrice du canal H, il adopte
ensuite une représentation réelle du système MIMO et calcule le deuxième angle θ1 qui
sert finalement à déterminer le paramètre k (cf. paragraphe 2.3.2). La complexité de calcul
de toutes ces opérations (calcul de θ, θ1 , représentation réelle de système et k) n’est pas
évidente, elles pourraient avoir autant de complexité que la SVD. Une comparaison exacte
n’est pas l’objet de notre étude actuelle.
D’autre part et lorsque nt > 2, le P-OSM doit être associé à une méthode de sélection
d’antennes ce qui augmente le calcul. Néanmoins, une méthode de sélection d’antennes
basée sur la distance euclidienne minimale a été simplifiée dans [84] pour le P-OSM. Il a
été montré que l’ensemble des vecteurs de distances à tester peut être réduit de 120 à 2
pour la MAQ-4 et de 32640 à 5 pour la MAQ-16. Cette méthode est utilisée dans notre
travail.
3- Le décodage MV
Les deux précodeurs transmettent simultanément b = 2 symboles issus de la modulation
MAQ-M. Le max-dmin envoie un mélange de deux symboles sur chaque antenne. Dans ce
cas, le récepteur MV estime un couple de symboles émis ce qui donne une complexité de
décodage égale à M b = M 2 tests.
En revanche, grâce à l’orthogonalité des symboles assurée par l’angle θ, le P-OSM
77
CHAPITRE 3. LA QUANTIFICATION DES PRÉCODEURS MAX-DMIN ET P-OSM
découple les symboles et permet de réduire les tests de décision dans le récepteur MV à
b × M = 2 × M tests.
Néanmoins, les deux précodeurs seront appliqués dans un contexte de MIMO coopératif
pour les réseaux de capteurs dans le chapitre suivant. Nous montrerons que cette orthogo-
nalité assurée par le P-OSM est plus sensible à l’erreur de synchronisation que le max-dmin
même si elle conduit à diminuer la complexité de décodage de MV.
3.6 Conclusion
Ce chapitre a été consacré à l’étude de la quantification d’informations de retour dans
les précodeurs max-dmin et P-OSM. Deux scénarios de quantification pour le max-dmin
sont analysés : la quantification de Fv et de γ et la quantification des matrices Fv et Fd .
Nous avons proposé de construire un dictionnaire pour Fd . Cela a permis de réduire NF b
de n1 + n2 à n1 bits en assurant les mêmes performances. La quantification du P-OSM
ne s’appuie pas sur le principe de dictionnaire, il s’agit d’une quantification classique des
angles θ et θ1 .
Nous avons évalué les performances de ces précodeurs en terme de TEB. En pratique,
ce seul critère ne suffit pas pour privilégier définitivement un précodeur par rapport à
l’autre car la difficulté de calcul de chaque précodeur doit aussi être prise en compte. En
analysant cette dernière, nous avons montré que la quantification et le décodage MV du
P-OSM sont plus simples que celles du max-dmin. En revanche et dans certains exemples
d’applications comme dans les réseaux de capteurs, nous verrons que le décodage MV du
P-OSM est plus sensible à l’erreur de synchronisation que celui du max-dmin (cf. chapitre
4). D’autre part, la difficulté de calcul des opérations du précodage n’est pas complètement
claire pour ces précodeurs (calcul de la SVD, θ, θ1 , représentation réelle de système et k),
une étude précise de ces opérations semble nécessaire.
Néanmoins, en ajustant les paramètres du système MIMO de manière précise (nt ,
nr , NF b , nθ , nθ1 ), les deux précodeurs quantifiés pourraient assurer des performances
acceptables en comparaison de la CSI complète.
Dans le chapitre suivant, nous montrerons que grâce à cette quantification, qui permet
de réduire la quantité de la CSI envoyée dans le canal de retour, les précodeurs max-dmin
et P-OSM peuvent être utilisés dans un contexte de MIMO coopératif pour les réseaux
de capteurs. Nous proposerons plusieurs schémas coopératifs basés sur ces précodeurs.
78
Chapitre 4
Précodeurs coopératifs max-dmin et
P-OSM pour les réseaux de capteurs
Sommaire
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2 Modèle de consommation d’énergie dans les réseaux de cap-
teurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2.1 Principe du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2.2 Analyse du modèle et avantages des précodeurs . . . . . . . . . . 84
4.3 Mise en œuvre des précodeurs . . . . . . . . . . . . . . . . . . . . 87
4.3.1 Le précodeur max-dmin . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.3.2 Le précodeur P-OSM . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.3.3 Délai de transmission . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.4 Étude des performances des systèmes coopératifs proposés . 92
4.4.1 Étude des configurations du système P-OSM coopératif . . . . . 93
4.4.2 Répartition de la consommation d’énergie Epa et Ec . . . . . . . 94
4.4.3 Système coopératif OSTBC vs système SISO . . . . . . . . . . . . 95
4.4.4 Comparaisons des systèmes coopératifs max-dmin , P-OSM et
OSTBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.5 L’effet de l’erreur de synchronisation . . . . . . . . . . . . . . . 101
4.5.1 Modèle de système avec une erreur de synchronisation . . . . . 102
4.5.2 Performances des systèmes coopératifs . . . . . . . . . . . . . . . . 104
4.6 Bilan et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
79
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
4.1 Introduction
Dans le chapitre précédent, nous avons quantifié les précodeurs max-dmin et P-OSM
afin de limiter judicieusement la quantité d’information envoyée dans le canal de retour.
Cette quantification est indispensable pour l’application de ces précodeurs dans les réseaux
de capteurs comme on le verra dans ce chapitre.
Dans les réseaux de capteurs, la réduction de la consommation d’énergie afin d’aug-
menter la durée de vie du réseau est la contrainte de conception la plus forte (cf. para-
graphe 1.6.2). Dans ce contexte, le potentiel des systèmes MIMO est utilisé pour réduire
l’énergie de transmission. En fait, le MIMO coopératif a été proposé pour les réseaux de
capteurs et des systèmes MIMO coopératifs on été étudiés dans [46], [51], [52], [53], [54],
[55]. Ces systèmes coopératifs assurent une connexion directe entre un groupe de cap-
teurs et la destination. Ils ont montré leur efficacité en terme de consommation d’énergie
en comparaison du système SISO classiquement utilisé dans les réseaux de capteurs, en
dépit de l’énergie supplémentaire nécessaire pour l’opération coopérative. Cependant, ces
systèmes coopératifs étaient jusque-là basés sur un système MIMO à boucle ouverte en
utilisant les codes spatio-temporels en bloc orthogonaux (OSTBC).
Dans ce chapitre, notre contribution consiste à exploiter au mieux le principe de
coopération des capteurs en considérant un système MIMO à boucle fermée et en ap-
pliquant les techniques de précodages max-dmin et P-OSM.
Cependant, la mise en place des précodeurs max-dmin et P-OSM est plus compliquée
que celles des codes spatio-temporels à cause des étapes supplémentaires nécessaires à la
CSI. En effet, après avoir estimé le canal à la réception, l’information doit être envoyée
à l’émission par un canal de retour. En quantifiant la CSI, nous proposons plusieurs
schémas coopératifs qui permettent de mettre en place les deux précodeurs avec le canal
de retour [92]. Puis, nous évaluons et analysons la consommation d’énergie et le délai de
transmission de nos solutions en prenant comme référence le système MIMO coopératif à
codes spatio-temporels présent dans la littérature.
Il faut souligner que contrairement au système MIMO classique, les capteurs coopératifs
sont physiquement séparés dans l’espace ce qui peut entrainer une désynchronisation de
leurs horloges. Ainsi, les MIMO coopératifs proposés seront d’abord étudiés en supposant
une synchronisation parfaite entre les capteurs et ensuite en introduisant une erreur de
synchronisation.
Dans cette étude, nous considérons le scénario 2 de MIMO coopératif présenté dans le
paragraphe 1.6.3 qui représente un exemple type d’une communication coopérative entre
un groupe (cluster) de nt nœuds ou capteurs et un DGN qui possède nr antennes [46], [53].
Chaque nœud commence par diffuser ses données sur une courte distance dm à tous les
autres nœuds dans le groupe. Cette étape représente la transmission locale sur un canal
SISO. Des techniques MIMO (codes OSTBC ou précodeurs) sont alors employées pour
80
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
envoyer simultanément les données au DGN sur une distance d, d ≫ dm où chaque nœud
coopérant joue le rôle d’une antenne d’un système multi-antennaire (figure 4.1). Cette
étape représente la transmission sur un canal MIMO.
À la réception, le DGN reçoit le signal MIMO modulé et s’occupe de la recombinaison
des signaux. Rappelons que le DGN possède une alimentation et assurera alors le plus
possible de calculs (estimation du canal, SVD, codage, quantification, etc.).
Transmission locale
Canal SISO
d >> dm
dm DGN
Transmission MIMO
nœud
Figure 4.1 - Un exemple type de MIMO coopératif dans les réseaux de capteurs
81
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
est l’amplificateur de puissance, LNA est l’amplificateur faible bruit, IFA est l’amplifica-
teur de fréquence intermédiaire et enfin DAC est le convertisseur analogique-numérique.
Nous avons également un filtre et un mélangeur.
Transmetteur
Mixer
DAC Filter Filter PA
LO
Récepteur
Mixer
Filter LNA Filter Filter IFA ADC
LO
Eb 1 Ml Nr
Pout = Rb ( )( ) (4.1)
N0 Ls Gt Gr
où Eb /N0 est l’énergie par bit sur le bruit ou le RSB par bit requis pour assurer un
TEB cible, Rb est le débit binaire, Gt et Gr sont les gains d’antennes respectivement à
l’émission et à la réception, Ml est la marge de liaison, Nr est la densité de bruit total
effectif à l’entrée du récepteur [51], [113]. Ls représente le modèle de l’atténuation du
canal qui peut être calculée selon plusieurs modèles comme le modèle en espace libre, le
82
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
ξ ξ Eb (4π)2 dβ Ml Nr
Ppa = ( )Pout = ( ) ( ) Rb (4.3)
η η N0 Gt Gr λ 2
où ξ est le rapport crête-moyenne (PAR : Peak-to-Average Ratio) et η est l’efficacité de
l’amplificateur de puissance.
La puissance totale dissipée dans le circuit pour nt émetteurs et nr récepteurs (nt =
nr = 1 pour SISO) est donnée par [51] :
où PDAC , Pmix , PLNA , PIFA , Pfilt , Pfilr , PADC et Psynth représentent respectivement la con-
sommation de puissance du convertisseur numérique-analogique, du mélangeur, de l’am-
plificateur faible bruit, de l’amplificateur de fréquence intermédiaire, des filtres actifs à
l’émission et à la réception, du convertisseur analogique-numérique et du synthétiseur de
fréquence. PcT x et PcRx représentent respectivement la puissance dissipée dans le circuit
pour un seul nœud lors de la transmission et la réception des données.
L’énergie totale par bit consommée Et peut être obtenue par [51] :
Ppa + Pc
Et = = Epa + Ec (4.5)
Rb
où Epa = Ppa /Rb est l’énergie de transmission consommée dans les amplificateurs de puis-
sance et Ec = Pc /Rb est l’énergie consommée dans les circuits.
Afin d’incorporer cette énergie supplémentaire dans le modèle de (4.5), supposons que
la taille de paquet à transmettre est égale à F symboles et que, dans chaque paquet,
83
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
p.nt symboles d’apprentissage sont insérés (p symboles émis par chaque nœud). Le débit
effectif du système est alors donné par [46] :
F − p.nt
Rbeff = ( ) Rb (4.6)
F
En remplaçant Rb par Rbeff dans l’équation (4.5), nous obtenons le modèle de consommation
d’énergie modifié afin de prendre en compte la consommation supplémentaire due aux
symboles d’apprentissage [46].
1- Le paramètre Eb /N0 :
Une approche pour minimiser l’énergie dans n’importe quel système de communication
est de réduire l’énergie par bit nécessaire Eb /N0 pour la communication entre l’émetteur et
le récepteur tout en assurant un TEB cible. Dans les réseaux de capteurs, une amélioration
de ce type peut être un gain important car dans la plupart des situations, l’énergie de
transmission Epa est le terme dominant dans l’énergie totale consommée Et [115]. En con-
sidérant cette approche, le système MIMO demande un Eb /N0 plus faible que le système
SISO dans des canaux à évanouissements pour assurer le même TEB cible [116]. Cela
veut dire que, pour le même TEB, le système MIMO demande une énergie de trans-
mission Ppa moindre que le système SISO. Néanmoins, dans le MIMO coopératif, il faut
ajouter certaines pénalités comme la consommation d’énergie dans le cluster lors de la
transmission locale et la consommation de circuit Ec qui est plus grande que celle du SISO
[51]. Plusieurs études dans les réseaux de capteurs ont montré qu’à partir d’une certaine
distance d, un système MIMO coopératif basé sur le code d’Alamouti consomme moins
d’énergie qu’un système SISO malgré ces pénalités [46], [51], [52].
Dans notre étude, les précodeurs max-dmin et P-OSM exploitent la CSI pour améliorer
les performances de systèmes MIMO. Leur premier potentiel consiste à diminuer encore
84
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
le paramètre Eb /N0 par rapport aux codes OSTBC tout en assurant le même TEB (figure
4.3). Cela conduit à consommer moins d’énergie de transmission Ppa .
2- Le paramètre Rb :
On définit Rb comme :
Rb = R.m.B (4.7)
où m = log2 (M) avec M est la taille de la constellation, B est la bande passante de
la modulation (B ≈ T1s , Ts est le temps symbole) et R est le rendement du système
MIMO défini dans le chapitre 2 (cf. paragraphe 2.2.1). R prend une valeur de 2 pour les
précodeurs max-dmin et P-OSM (2 symboles émis sur une période symbole) alors que le
meilleur rendement des codes OSTBC est égal à 1 pour le code d’Alamouti avec nt = 2.
Lorsque nt > 2, les codes OSTBC n’existent que pour des rendements inférieurs à 1 (3/4
ou 1/2). Ainsi, ces codes entrainent une perte significative de débit Rb .
Le deuxième potentiel des précodeurs est alors le multiplexage spatial qui consiste à
augmenter l’efficacité spectrale du système tout en utilisant la même modulation pour
les symboles émis et la même bande de fréquence. Grâce à cette efficacité spectrale des
précodeurs en comparaison avec les codes OSTBC, il est possible de réduire le temps de
transmission dans les réseaux ce qui conduit à diminuer la consommation d’énergie du
circuit.
La figure 4.3 montre un exemple d’évolution du TEB pour les précodeurs max-dmin
et P-OSM avec une CSI complète et quantifiée sur 7 bits en fonction de Eb /N0 , pour un
système MIMO 4×4 dans un canal de Rayleigh. Elle présente également le TEB des codes
OSTBC avec un rendement de 3/4. Notons qu’une MAQ-4 est toujours utilisée pour les
précodeurs ce qui donne une efficacité spectrale de 4 bits/s/Hz alors que les codes OSTBC
utilisent une MAQ-16 pour assurer le maximum du débit possible ; l’efficacité spectrale
atteinte est alors de 3 bits/s/Hz. L’information retournée est quantifiée comme suit (cf.
paragraphe 3.5) : pour le précodeur max-dmin , n1 = 7 bits et pour le précodeur P-OSM :
nθ = 2, nθ1 = 1, nk = 1, nSA = 3.
La figure 4.3 montre que la quantification introduit une perte de Eb /N0 de 1, 4 dB
pour le max-dmin et 2 dB pour le P-OSM pour un TEB cible de 10−4 . En effet, les Eb /N0
sont respectivement 2, 5 dB, 5, 1 dB et 6, 8 dB pour les max-dmin, P-OSM et les codes
OSTBC. Ces résultats indiquent l’intérêt des précodeurs même avec un canal de retour
limité.
3- Le paramètre ξ :
Enfin, le paramètre ξ (PAR) dans l’équation (4.3) dépend de la modulation et est défini
comme le rapport entre la puissance crête et la puissance moyenne de la constellation
√ [117]. Par exemple, pour les codes OSTBC avec une MAQ-M, ξ est égal à 3(M −
[114],
2 M + 1)/(M − 1). Ce calcul n’est plus valide pour les précodeurs car chaque signal émis
85
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
−1
10
−2
10
TEB
−3
10
1,4 dB 2 dB
−4
10
−4 −2 0 2 4 6 8
Eb /N0
Figure 4.3 - Comparaison des TEB des précodeurs max-dmin et P-OSM et codes OSTBC pour
une CSI complète et quantifiée avec 7 bits de retour
devient un signal composite à cause du traitement effectué. Ce signal dépend alors des
matrices de précodages qui sont calculées selon l’état du canal MIMO considéré (nt × nr ).
En fait, les valeurs du PAR pour les systèmes MIMO précodés ne sont pas faciles à
obtenir analytiquement [118]. Ainsi, nous avons trouvé ces valeurs à l’aide d’une analyse
empirique pour chaque configuration (nt × nr ) MIMO utilisée. Pour un système classique
non précodé comme le système MIMO OSTBC avec une MAQ-4, ξ est égal à 1. Lorsque
les précodeurs sont appliqués et pour un système MIMO 4 × 4, le P-OSM assure encore
cette valeur alors que le max-dmin a un PAR plus pénalisant et égal à 1, 6. Le tableau
4.1 montre les valeurs du PAR calculées pour plusieurs configurations MIMO avec une
MAQ-4.
86
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
1
2
dm 3 DGN
Cluster
1 Transmission locale 2 Initialisation (p.nt symboles d’apprentissage)
3 Canal de Feedback (NF b ) bits 4 Transmission des paquets
Les nœuds à l’émission doivent connaı̂tre la CSI avant de transmettre les paquets
de données au DGN. Pour cela, une phase d’initialisation (étape 2) doit d’abord être
effectuée où les nœuds coopèrent en mode OSTBC et débutent la transmission en envoy-
ant des symboles d’apprentissage (p.nt symboles) nécessaires pour l’estimation du canal
(les codes OSTBC nécessitent seulement la CSI à la réception). Cette opération permet
87
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
au DGN d’estimer le canal et d’envoyer la CSI quantifiée aux nœuds (étape 3). Après
avoir reçu l’information de retour, les nt nœuds transmettent leurs paquets en utilisant
le précodeur MIMO au DGN sur une distance d ≫ dm (transmission réelle des données,
étape 4) et un canal de Rayleigh. Pour les paquets suivants, les symboles d’apprentissage
sont insérés permettant la poursuite de l’estimation du canal.
L’énergie totale consommée pour tous les bits envoyés par le système MIMO coopératif
s’écrit :
ECoopPrécodeur = ELoc + EInit + EFb + ET M (4.8)
où les différentes énergies consommées correspondent à :
88
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
- Configuration 1 :
Les nœuds transmettent leur premier paquet en utilisant les codes OSTBC ce qui per-
met au DGN d’estimer le canal MIMO (nt × nr ) et de renvoyer son estimation quantifiée.
Les nœuds transmettent ensuite leur deuxième paquet en utilisant le précodeur P-OSM
sur deux antennes parmi les nt antennes (figure 4.5.a). Les paquets de données sont en-
suite envoyés en alternant les codes OSTBC et le P-OSM. Les paquets envoyés par les
codes OSTBC contiennent des données ainsi et des symboles d’apprentissage alors que
les paquets envoyés par le POSM contiennent uniquement des données. La modulation
utilisée pour les codes OSTBC est une MAQ-4 ce qui donne une efficacité spectrale égale
à : (R. log2 (M)∣OSTBC + R. log2 (M)∣P-OSM )/2 = (3/4 × 2 + 2 × 2)/2 = 2, 75 bits/s/Hz.
- Configuration 2 :
Il s’agit de la même que la configuration 1 mais les codes OSTBC utilisent une MAQ-
16 ce qui donne une efficacité spectrale égale à (3/4 × 4 + 2 × 2)/2 = 3, 5 bits/s/Hz.
(a) Configurations 1 et 2
Symboles Symboles
d’apprentissage 1er paquet d’apprentissage 2ème paquet
P-OSM P-OSM
OSTBC OSTBC
2 antennes 2 antennes
nt antennes nt antennes
(b) Configuration 3
89
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
où Pc = 2.PcT x car le P-OSM ne transmet que sur deux antennes parmi les nt antennes et
Ppa est calculée selon (4.3) pour une transmission MIMO avec précodeur P-OSM sur un
canal MIMO de Rayleigh et une modulation MAQ-4.
- Configuration 3 :
Les codes OSTBC sont sollicités pour envoyer seulement les p.nt symboles d’apprentis-
sage afin d’estimer le canal et ils ne sont pas utilisés pour envoyer les paquets de données.
Une modulation MAQ-4 est utilisée pour les codes OSTBC. L’efficacité spectrale pour la
transmission de données est égale à 4 bits/s/Hz car les paquets de données sont seulement
envoyés par le P-OSM (figure 4.5.b). L’énergie totale consommée dans ce cas est :
ECoopPOSM-3 = ELoc + Npacket .EInit + EF b + ET M 2 (4.17)
où EInit et EF b sont calculées comme dans le cas du précodeur max-dmin, et ET M 2 :
Ppa + Pc
ET 2 = Np ( ) (4.18)
Rbprécodeur
où Pc = 2.PcT x (2 antennes) et Ppa est calculée selon (4.3) pour une transmission MIMO
avec précodeur P-OSM.
Enfin, nous rappelons l’énergie totale consommée pour envoyer le même nombre de
bits Np par les systèmes étudiés dans la littérature, à savoir [46], [51] :
90
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
Notons que ELoc est la même pour tous ces systèmes coopératifs, Rbeff- est seulement
considéré lorsque les symboles d’apprentissage sont insérés dans les paquets de données
et la consommation d’énergie au DGN n’a pas été prise en compte dans les calculs car
celui-ci n’a pas de contrainte d’énergie.
91
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
d’apprentissage dans les paquets de données. Par exemple, Ts ≈ B1 est le temps symbole
pour le système SISO alors que TseffSISO ≈ B1eff est le temps symbole effectif où Beff =
( F −p.n
F
t
) B.
D’autre part, la variable m{−} = log2 (M), l’indice {−} indique l’étape de transmission
considérée ce qui permet de connaı̂tre la taille M de la modulation utilisée dans cette
étape, par exemple, mLoc = log2 (16), mInit = log2 (4), mMaxdmin = log2 (4).
Dans le cas des systèmes MIMO, il faut prendre en compte le rendement du système
R dans le calcul du temps symbole, par exemple :
TsInit ≈ 1
R.B où R = 1 ou 3/4 selon les codes OSTBC utilisés.
TseffMaxdmin ≈ 1
Beff où Beff = ( F −p.n
F
t
) 2B, R=2 pour les précodeurs.
Gt .Gr = 5 dBi η = 0, 35
fc = 2, 5 GHz Nr = −161 dBm/Hz
B = 10 kHz Psynth = 50 mW
Pfilt = Pfilr = 2, 5 mW PLNA = 20 mW
Ml = 40 dB Pmix = 30, 3 mW
Table 4.2 - Paramètres de modèle d’énergie
Nous choisissons les autres paramètres à titre d’exemple tel que, L = 104 bits, nt = nr =
4 antennes (MIMO 4 × 4), NF b = 7 bits, p = 10 symboles, F = 500 symboles, dm = 10 m
et β = 3, 5 une valeur typique dans un environnement dense [46]. La distance dm dans le
cluster dépend des positions réelles des capteurs dans l’environnement. Ici, dm = 10 m a
été choisie de manière aléatoire comme dans [115]. Notons que les paramètres nt , L, NF b ,
F et p peuvent changer dans certains exemples étudiés, cela sera indiqué dans le texte et
92
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
160
P−OSM Config.1
P−OSM Config.2
140 P−OSM Config.3
120
Énergie totale (Joules)
100
80
60
40
20
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.6 - Consommation totale d’énergie pour les trois configurations coopératives du P-
OSM
93
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
présente une consommation d’énergie élevée avec un délai plus faible (2,25 secondes) car
elle applique une MAQ-16 pour les codes OSTBC ce qui réduit le temps de transmission.
En revanche, la configuration 3 donne le meilleur délai (2,16 secondes) en consommant
légèrement plus que la configuration 1. Cette petite différence peut être ignorée devant le
gain obtenu par le délai. La configuration 3 est la seule qui assure une efficacité spectrale
de 4 bits/s/Hz dans la transmission de données où le précodeur P-OSM est exploité. Les
codes OSTBC ne sont sollicités que pour transmettre les p.nt symboles d’apprentissage
qui sont négligeables devant les symboles de données.
En conclusion, nous considérons que la configuration 3 offre le meilleur compromis
consommation/délai et sera celle retenue par la suite pour le système P-OSM coopératif.
Néanmoins, en présence d’une certaine erreur de synchronisation, la configuration 1 peut
être utilisée comme on le montrera plus tard.
Ec
Epa
Dans ce cas, comme nous l’avons expliqué dans le paragraphe 4.2.2, les techniques
94
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
MIMO peuvent réduire l’énergie de transmission Epa , dominante à grande distance, grâce
à leurs performances élevées dans les canaux à évanouissement.
Dans les systèmes MIMO coopératifs (max-dmin , P-OSM et codes OSTBC), l’énergie
Ec consommée dans les circuits est plus importante que celle d’un système SISO à cause
de la consommation de coopération supplémentaire. La figure 4.8 présente l’énergie Ec
pour les trois systèmes MIMO coopératifs ainsi que pour le SISO.
Bien que les systèmes coopératifs max-dmin et P-OSM demandent des étapes supplémen-
taires pour la transmission (initialisation, canal de retour), l’énergie Ec est légèrement plus
faible que l’énergie Ec consommée dans le système coopératif OSTBC. Cela s’explique par
le fait que les précodeurs présentent un multiplexage spatial (R = 2) plus important que
les codes OSTBC ce qui réduit l’énergie Ec (Ec = Pc /Rb , Rb = R.b.B). De plus, la quantifi-
cation des précodeurs permet de limiter le nombre de bits envoyés dans le canal de retour
de l’ordre de quelques bits. Par conséquent, la portion supplémentaire de l’énergie Ec con-
sommée dans le canal de retour devient très faible en comparaison avec celle consommée
pendant la transmission de données. Cependant, l’énergie Ec du précodeur P-OSM est
encore plus faible car la sélection d’antennes dans ce précodeur permet de diminuer le
nombre de circuits utilisés dans la transmission.
Néanmoins, toutes ces énergies seront négligeables devant l’énergie de transmission
Epa dominante pour les longues distances.
Ec (joules)
95
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
SISO, Beta =2
8 OSTBC, Beta =2
SISO, Beta =3,5
OSTBC, Beta =3,5
7
Énergie totale (Joules)
4 d=7 m
d= 31 m
0
50 100 150 200 250 300 350 400
Distance d (Mètres)
Figure 4.9 - Consommation totale d’énergie des systèmes MIMO OSTBC coopératif et SISO
délai (seconde)
SISO 1
MIMO OSTBC 2,47
Table 4.4 - Délais des systèmes SISO et MIMO OSTBC coopératif
96
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
Ces résultats confirment aussi le fait que l’utilisation d’un système MIMO coopératif
est plus efficace pour les grandes distances d. Par la suite, nous nous intéressons à étudier
les efficacités énergétiques des systèmes coopératifs proposés précédemment et à les com-
parer avec celles des codes OSTBC qui servent de référence.
160
OSTBC
Max−dmin
P−OSM
140
120
Énergie totale (Joules)
100
66 %
80
60
40
20
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.10 - Consommation totale d’énergie des MIMO coopératifs max-dmin , P-OSM et
OSTBC
délai (seconde)
max-dmin 2,11
P-OSM 2,16
OSTBC 2,47
Table 4.5 - Délais des systèmes MIMO coopératifs max-dmin , P-OSM et OSTBC
Il ressort que le système MIMO coopératif basé sur les précodeurs max-dmin et P-OSM
donnent les meilleures performances en termes de consommation d’énergie et de délai de
transmission en comparaison avec le MIMO OSTBC et ceci, malgré la mise en place du
lien retour.
Cela est dû aux différentes améliorations apportées par les précodeurs telles que le
rapport Eb /N0 et l’efficacité spectrale. De plus, la quantification (NF b = 7 bits retournés)
97
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
permet de réduire efficacement l’énergie et le délai dans le canal de retour tout en con-
servant des performances raisonnables de TEB. Par exemple, pour une distance d = 150
m, 66 % de l’énergie est économisée. Notons que les deux précodeurs présentent des per-
formances similaires en terme de consommation d’énergie alors que le max-dmin assure
un Eb /N0 plus faible que celui du P-OSM (figure 4.3). Cela s’explique par le fait que
le max-dmin est pénalisé par un PAR plus grand (1 pour P-OSM et 1,6 pour max-dmin ,
tableau 4.1) ce qui augmente sa consommation d’énergie (Ppa , Eq. 4.3).
160
OSTBC
P−OSM, 10 bits retournés
140 P−OSM, 7 bits retournés
120
Énergie totale (Joules)
100
76 %
80
60
40
20
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Nous avons considéré jusqu’à présent que nt > 2 (nt = 4 antennes ou nœuds) où la con-
figuration 3 a été choisie pour le P-OSM coopératif. Cependant, il est important d’étudier
le cas particulier pour nt = 2 car le système coopératif du P-OSM est la même que pour
98
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
- Cas de nt = 2 nœuds :
Lorsque nt = 2, nous avons montré dans le chapitre 2 que les précodeurs max-dmin
et P-OSM présentent des performances de TEB similaires avec une CSI complète. Dans
le chapitre 3 (figure 3.14), nous avons vu que le max-dmin présentait un TEB proche de
celui de la CSI complète pour seulement NF b = 3 bits. Pour ce même NF b , le P-OSM est
fortement dégradé car nous n’avons que 2 bits pour quantifier les deux angles nécessaires
pour le précodeur (NF b = nθ + nθ1 + nk et nk = 1 bit). Nous jugeons ce cas très pénalisant
pour ce précodeur et il ne sera pas considéré dans le P-OSM coopératif. Par contre, pour
NF b = 6 bits le P-OSM a assuré le même TEB que celui du max-dmin pour NF b = 3
bits (figure 3.14). Ainsi, nous allons évaluer leur comportement coopératif en considérant
nt = 2 nœuds dans le cluster.
La figure 4.12 montre la consommation d’énergie des systèmes MIMO coopératifs
max-dmin, P-OSM et OSTBC pour nt = 2 nœuds et nr , toujours égale, à 4. Le nombre
de bits dans le canal de retour NF b est égal à 3 bits pour le max-dmin et à 6 bits pour le
P-OSM.
160
OSTBC
Maxdmin
140 P−OSM
120
Énergie totale (Joules)
100
80
60
40
20
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.12 - Consommation totale d’énergie des systèmes MIMO coopératifs max-dmin ,
P-OSM et OSTBC, 2 × 4, NF b = 3 bits pour max-dmin et 6 bits pour P-OSM
On constate que le P-OSM coopératif économise un peu plus d’énergie que le max-dmin
coopératif car le précodeur max-dmin est pénalisé par un PAR plus grand (1,1 pour P-OSM
et 1,3 pour max-dmin, tableau 4.1) même si les deux précodeurs assurent le même TEB
de 10−4 ou même Eb /N0 . Néanmoins, le nombre de bits NF b dans le canal de retour est
99
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
différent : 3 bits pour le max-dmin et 6 bits pour le P-OSM. Comme on peut l’observer
cette augmentation de NF b a une faible importance sur la consommation d’énergie dans
le canal de retour.
Rappelons que le paquet à transmettre est composé de deux parties : les données à
envoyer et les symboles d’apprentissage nécessaires pour l’estimation du canal. Nous avons
considéré que la taille de paquet est égale à F symboles et que, dans chaque paquet, p.nt
symboles d’apprentissage sont insérés (p symboles émis par chaque nœud) [46].
Dans les résultats précédents, la valeur de p était égale à 10 symboles ce qui peut
représenter une grande valeur de p [46], [120]. Cela donne un total de p.nt = 40 symboles
d’apprentissage insérés dans chaque paquet de données de taille F égale à 500 symboles.
Toutefois, cette valeur peut être inférieure à 10 [46]. Ainsi, on peut noter que la taille de
paquets de données F devrait être assez grande devant les p.nt symboles d’apprentissage
afin d’obtenir les bonnes performances envisagées de ces systèmes coopératifs. En effet, ce
n’est pas logique par exemple d’avoir autant de symboles d’apprentissage que de symboles
de données dans le paquet de taille F . Dans ce cas, une bonne partie de la consommation
d’énergie sera consacrée à la transmission des symboles d’apprentissage.
Par ailleurs, la taille de paquet F est pratiquement liée avec le temps de cohérence du
canal Tc . Rappelons que Tc indique la durée pendant laquelle la réponse impulsionnelle
du canal peut être considérée comme invariante. Par conséquent, le meilleur cas en terme
de consommation d’énergie est de considérer que F est égale à Tc /Ts où Ts est le temps
symbole et le canal est invariant par paquet.
100
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
OSTBC
Maxdmin
2.5 P−OSM
Énergie totale (Joules)
1.5
0.5
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.13 - Consommation totale d’énergie des systèmes MIMO coopératifs max-dmin ,
P-OSM et OSTBC, 4 × 4, F = 100 et p = 3 symboles
Dans les résultats précédents, nous avons considéré une synchronisation parfaite entre
les nœuds dans le cluster. Les précodeurs coopératifs ont présenté une bonne efficacité
énergétique en comparaison des codes OSTBC coopératifs. Cependant, contrairement au
système MIMO classique, les nœuds (ou antennes) coopératifs sont physiquement séparés
dans le cluster ce qui peut entrainer une désynchronisation de leurs horloges. Dans ce cas,
les nœuds coopératifs ne transmettent pas simultanément leurs données au DGN mais avec
un décalage temporel, ce qui introduit une erreur de synchronisation lors de la transmission
de données. À la réception au DGN, cela génère de l’interférence entre symboles (IES) et
réduit l’amplitude du signal reçu utile [121]. En effet, l’erreur de synchronisation dégrade
les performances des MIMO coopératifs. Pour le même Eb /N0 , le TEB va augmenter, ce
qui induit une augmentation de la puissance de transmission et donc de la consommation
d’énergie pour assurer le TEB cible.
Dans cette partie, nous étudions l’effet de l’erreur de synchronisation sur les MIMO
max-dmin et P-OSM coopératifs. Nous montrons si ces précodeurs coopératifs restent tou-
jours performants en terme de consommation d’énergie en présence de cette erreur.
101
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
où si [l] est le symbole numéro l de la séquence des symboles modulés à l’émission par le
nœud i, hji est le coefficient complexe du canal, Ts est le temps symbole, nj (t) est le bruit
blanc gaussien, △i est l’erreur de synchronisation en référence au nœud 1 et p(t) est le
filtre de mise en forme en cosinus surélevé.
En raison de l’erreur de synchronisation, le signal reçu, qui représente une super-
position des impulsions de chaque nœud décalé par △i , n’est pas conforme au critère
de Nyquist ce qui conduit à de l’interférence entre symboles [8]. Afin d’analyser les
performances du système, nous supposons que l’erreur de synchronisation △i suit une
loi aléatoire dans [−Tsyn /2, Tsyn /2] où Tsyn varie en fonction du temps symbole Ts :
0 ≤ Tsyn ≤ Ts [121].
102
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
Cluster DGN
h̃11
S̄1 [l] y1 (t) , IES1
1 = 0
h̃12
h̃21
h̃22
S̄2 [l] y2 (t) , IES2
2
S̄2 [−2] S̄2 [−1] S̄2 [1] S̄2 [2] S̄2 [3]
IES
où le filtre de mise en forme en cosinus surélevé passe par zéro aux instants multiples de
Ts (p(Ts ) = p(2Ts ) = p(3Ts ) . . . = 0) et les termes IES1 et IES2 représentent l’interférence
entre symboles exprimés comme :
IES1 = h̃12 (S̄2 [−2]p(2Ts − △2 ) + S̄2 [−1]p(Ts − △2 ) + S̄2 [2]p(Ts + △2 ) + S̄2 [3]p(2Ts + △2 ))
IES2 = h̃22 (S̄2 [−2]p(2Ts − △2 ) + S̄2 [−1]p(Ts − △2 ) + S̄2 [2]p(Ts + △2 ) + S̄2 [3]p(2Ts + △2 ))
(4.30)
103
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
Max−dmin 0Ts
Max−dmin 0,2Ts
Max−dmin 0,3Ts
−2
10
Max−dmin 0,4Ts
Max−dmin 0,5Ts
P−OSM 0Ts
P−OSM 0,2Ts
P−OSM 0,3Ts
P−OSM 0,4Ts
TEB
P−OSM 0,5Ts
−3
10
−4
10
−2 0 2 4 6 8 10 12 14
Eb /N0
Figure 4.15 - TEB des précodeurs max-dmin et P-OSM en présence d’erreur de synchronisation
pour un système MIMO 4 × 4 avec NF b = 7 bits
104
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
On remarque que ces précodeurs sont plutôt tolérants pour une faible valeur de Tsyn =
0, 2Ts . Lorsque Tsyn = 0, 3Ts , le max-dmin reste tolérant avec une faible dégradation égale
à 0, 71 dB de plus pour assurer le TEB cible de 10−4 . Alors que le P-OSM présente une
dégradation importante avec 3, 87 dB de plus. Pour un Tsyn plus grand (0, 4Ts et 0, 5Ts ),
le P-OSM est fortement dégradé et ne peut pas assurer le TEB cible contrairement au
max-dmin qui réalise ce TEB mais avec un Eb /N0 plus grand : 2,5 et 7,9 dB de plus
respectivement. À cause de l’interférence entre symboles, un effet de saturation apparait
pour les grandes valeurs de Eb /N0 .
Les figures 4.16 et 4.17 comparent le TEB des précodeurs max-dmin , P-OSM et les
codes OSTBC en présence d’erreur de synchronisation. Comme les précodeurs max-dmin
et P-OSM, les codes OSTBC sont résistants à une faible valeur de Tsyn = 0, 2Ts . De plus, à
l’instar du P-OSM, les codes OSTBC présentent une dégradation importante à partir de
Tsyn = 0, 3Ts . Le tableau 4.6 résume les pertes de Eb /N0 demandés afin d’assurer le TEB
cible de 10−4 .
0, 2Ts 0, 3Ts 0, 4Ts 0, 5Ts
OSTBC 0,31 dB 2,02 dB 7,7 dB x
max-dmin 0,31 dB 0,71 dB 2,5 7,9 dB
P-OSM 0,3 dB 3,87 dB x x
Table 4.6 - Les pertes de Eb /N0 à cause de l’erreur de synchronisation (x : le TEB cible ne
peut pas être assuré)
−1
10
Max−dmin 0Ts
Max−dmin 0,2Ts
Max−dmin 0,3Ts
P−OSM 0Ts
P−OSM 0,2Ts
P−OSM 0,3Ts
−2 OSTBC 0Ts
10
OSTBC 0,2Ts
OSTBC 0,3Ts
TEB
−3
10
−4
10
−2 0 2 4 6 8 10
Eb /N0
Figure 4.16 - TEB des précodeurs max-dmin , P-OSM et codes OSTBC en présence d’erreur de
synchronisation pour un système MIMO 4 × 4 avec NF b = 7 bits : Tsyn = 0, 2Ts et 0, 3Ts
105
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
−1
10
Max−dmin 0Ts
Max−dmin 0,4Ts
Max−dmin 0,5Ts
P−OSM 0Ts
P−OSM 0,4Ts
P−OSM 0,5Ts
−2
10 OSTBC 0Ts
OSTBC 0,4Ts
OSTBC 0,5Ts
TEB
−3
10
−4
10
−2 0 2 4 6 8 10 12 14
Eb /N0
Figure 4.17 - TEB des précodeurs max-dmin , P-OSM et codes OSTBC en présence d’erreur de
synchronisation pour un système MIMO 4 × 4 avec NF b = 7 bits : Tsyn = 0, 4Ts et 0, 5Ts
D’après ces résultats, on constate qu’à partir de Tsyn = 0, 3Ts , le max-dmin est le
plus résistant à l’erreur de synchronisation alors que le P-OSM et les codes OSTBC
sont plus sensibles et présentent une dégradation importante. En fait, les techniques P-
OSM et OSTBC sont basés sur la transmission d’une séquence orthogonale de symboles
(cf. chapitre 2). À la réception, le maintien de l’orthogonalité entre les symboles reçus
de plusieurs nœuds est indispensable pour le bon fonctionnement des P-OSM et codes
OSTBC car le récepteur MV découple les symboles reçus et estime chacun de manière
indépendante de l’autre. En présence d’erreur de synchronisation, l’interférence entre sym-
boles apparaı̂t et les symboles reçus de plusieurs nœuds ne sont plus indépendants ce qui
conduit à dégrader le TEB. En revanche, la technique de max-dmin ne repose pas sur
l’orthogonalité entre les symboles reçus. Le max-dmin traite les symboles à transmettre
comme dans (4.27) et envoie un mélange de deux symboles sur chaque nœud. Le récepteur
MV estime ensuite un couple de symboles émis contrairement au cas précédent. Cette
méthode semble moins sensible à l’erreur de synchronisation mais elle demande plus de
calcul (cf. paragraphe 3.5.2).
Dans tous les cas, les trois techniques demandent un Eb /N0 plus grand pour assurer
un certain TEB en présence d’erreur de synchronisation ce qui conduit à augmenter la
consommation d’énergie comme cela va être montré maintenant.
106
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
160
OSTBC 0,2Ts
Max−dmin 0,2Ts
P−OSM 0,2Ts
140
OSTBC 0Ts
Max−dmin 0Ts
P−OSM 0Ts
120
Énergie totale (Joules)
100
80
60
40
20
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.18 - Consommation totale d’énergie des systèmes coopératifs pour Tsyn = 0, 2Ts
250
OSTBC 0,3Ts
Max−dmin 0,3Ts
P−OSM 0,3Ts
OSTBC 0Ts
Max−dmin 0Ts
200 P−OSM 0Ts
Énergie totale (Joules)
150
100
50
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.19 - Consommation totale d’énergie des systèmes coopératifs pour Tsyn = 0, 3Ts
107
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
250
P−OSM Config.1
P−OSM Config.2
P−OSM Config.3
200
Énergie totale (Joules)
150
100
50
0
0 20 40 60 80 100 120 140 160 180
Distance d (Mètres)
Figure 4.20 - Consommation totale d’énergie pour les trois configurations coopératives de
P-OSM en présence d’erreur de synchronisation : Tsyn = 0, 3Ts
108
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
spatio-temporels présents dans la littérature. Les résultats ont montré que les systèmes
max-dmin et P-OSM coopératifs consomment moins d’énergie que le système OSTBC
coopératif dans tous les cas étudiés précédemment.
Lorsque nt > 2, nous avons réalisé trois configurations permettant de mettre en place le
P-OSM et la configuration 3 a été choisie selon un compromis consommation/délai. Dans
ce cas, les max-dmin et P-OSM coopératifs présentent les mêmes performances : énergie
et délai (figure 4.10).
Lorsque nt = 2, la mise en place du P-OSM est la même que pour le max-dmin . Même
si les deux précodeurs assurent le même TEB ou même Eb /N0 pour nt = 2, le P-OSM
coopératif consomme moins d’énergie que le max-dmin coopératif car ce précodeur est
pénalisé par un PAR plus grand (figure 4.12). Néanmoins, pour nt = 2, le P-OSM avait
besoin de NF b = 6 bits pour assurer ce résultat alors que NF b = 3 bits sont suffisants pour
le max-dmin.
Rappelons que la quantification de la CSI dans les précodeurs permet de réduire effi-
cacement l’énergie et le délai dans le canal de retour tout en conservant des performances
raisonnables de TEB. Nous avons supposé un nombre faible de bits disponibles (NF b = 7
bits pour un système 4 × 4) dans le canal de retour alors que ce nombre peut en pratique
être plus grand.
Pour NF b = 7 bits et même si les précodeurs ont nécessité un Eb /N0 plus grand pour
assurer un certain TEB (figure 4.3), les systèmes ont économisé plus d’énergie que le
système OSTBC coopératif. En augmentant légèrement NF b à 10 bits, les précodeurs
nécessitent un Eb /N0 plus faible pour assurer le TEB cible ce qui conduit à économiser
encore plus d’énergie que le système OSTBC coopératif (figure 4.11). Notons que seul le
précodeur P-OSM est actuellement disponible pour Eb /N0 > 7 bits et MIMO 4×4. D’autre
part, le P-OSM présente certaines limites lorsque le nombre de bits disponibles dans le
canal de retour est très faible. Par exemple, pour un système MIMO 2 × 4 et NF b = 3
bits, le max-dmin peut assurer une bonne performance de TEB alors que la performance
du P-OSM est fortement dégradée (figure 3.14). Il fallait augmenter NF b à 6 bits pour le
P-OSM afin d’obtenir une bonne performance en terme de consommation d’énergie dans
le système coopératif (figure 4.12).
Les systèmes MIMO coopératifs sont en général sujets à l’erreur de synchronisa-
tion. Nous avons étudié les systèmes coopératifs présentés précédemment en présence
de cette erreur. Pour une faible erreur de synchronisation Tsyn = 0, 2Ts , les trois systèmes
coopératifs sont plutôt résistants et consomment un peu plus d’énergie : 7 % d’augmenta-
tion (figure 4.18). Lorsque l’erreur de synchronisation augmente à Tsyn = 0, 3Ts et plus, ces
systèmes coopératifs subissent une dégradation plus importante. Le max-dmin coopératif
présente la meilleure performance (augmentation de 17 %) alors que les P-OSM et OS-
TBC coopératifs sont plus sensibles et l’augmentation de la consommation d’énergie est
respectivement 134 % et 58 % (figure 4.19). Notons que, dans ce cas et pour certaines
applications, le P-OSM coopératif peut être utilisé en configuration 1 ce qui réduit l’aug-
109
CHAPITRE 4. PRÉCODEURS COOPÉRATIFS MAX-DMIN ET P-OSM POUR LES
RÉSEAUX DE CAPTEURS
110
Chapitre 5
Réseaux de capteurs : application
aux postes électriques haute-tension
Sommaire
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.2 Le bruit impulsionnel dans les postes HT . . . . . . . . . . . . . 113
5.2.1 Les lignes de transport : bruit couronne et Gap . . . . . . . . . . 113
5.2.2 Décharges partielles : transformateurs et isolateurs de traverse . 114
5.2.3 Mesures de bruit impulsionnel . . . . . . . . . . . . . . . . . . . . . 114
5.3 Modélisation statistique du bruit impulsionnel . . . . . . . . . 115
5.3.1 Modèle de Middleton Classe A . . . . . . . . . . . . . . . . . . . . 115
5.3.2 Identification du modèle par confrontation simulations-mesures . 118
5.3.3 Extension du modèle de Middleton classe A pour les systèmes
multi-antennaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.4 Performances des précodeurs en présence de bruit impul-
sionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.4.1 Contexte de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.4.2 Récepteur MV avec l’hypothèse de bruit gaussien (MV-BG) . . 123
5.4.3 Récepteur MV avec l’hypothèse de bruit impulsionnel (MV-BI) 125
5.5 Première simulation réaliste d’un réseau de capteurs dans
un poste HT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5.1 Environnement étudié . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5.2 Définition des configurations étudiées . . . . . . . . . . . . . . . . 128
5.5.3 Évaluation de la consommation d’énergie des systèmes coopératifs129
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
111
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
5.1 Introduction
Dans le chapitre précédent, nous avons étudié la mise en place des précodeurs max-dmin
et P-OSM dans un système MIMO coopératif avec un canal de retour conduisant à réduire
la consommation d’énergie dans les réseaux de capteurs. Ceux-ci ont de nombreuses per-
spectives d’utilisations dans des domaines variés et leur déploiement demande des nœuds
autonomes en énergie. Nous nous intéressons ici à l’utilisation de réseaux de capteurs
dans les postes électriques haute-tension (HT). Ce travail a été mené dans le cadre d’une
collaboration scientifique entre le département SIC du laboratoire XLIM (Université de
Poitiers) et l’Institut de recherche d’Hydro-Québec (IREQ) dans le cadre du programme
Franco-Québécois Samuel de Champlain (projet 62-113). J’ai effectué un stage de deux
mois à l’Institut de recherche d’Hydro-Québec. Le contexte de recherche s’inscrit dans le
thème de communications sans fil pour les réseaux de capteurs en milieux perturbés.
Afin d’économiser l’énergie électrique, de sécuriser le réseau électrique et de réduire
les coûts, les fournisseurs d’électricité, comme Hydro-Québec, tentent de contrôler et de
surveiller leurs réseaux électriques en utilisant le “Smart Grid” (réseau de distribution
d’électricité intelligent) [5]. Par exemple, il consiste à connaı̂tre les besoins des équipe-
ments électriques des consommateurs et à adapter la transformation d’énergie à partir
des postes HT. L’idée consiste à interagir avec ces postes en utilisant la technologie de
réseaux de capteurs. Ainsi, le personnel technique, à partir des informations collectées par
le réseau de capteurs, peut intervenir à distance avec les équipements du poste. Il serait
très coûteux de relier les capteurs avec des fibres optiques ou des câbles en raison des
grandes dimensions des postes HT qui peuvent atteindre une surface de 1 km2 à Hydro-
Québec par exemple. Par conséquent, l’une des solutions les plus appropriées est d’adapter
un réseau de capteurs sans fil à ces postes : il est plus facile à installer et présente une
solution rentable pour ces applications [125], [126].
Cependant, cet environnement est très difficile notamment à cause d’effets partic-
uliers de l’appareillage créant un bruit impulsionnel. Ce bruit, appelé aussi bruit électro-
magnétique, affecte les systèmes de communication. Il peut dégrader les performances et
la fiabilité de ces systèmes notamment les systèmes de communication sans fil même avec
un RSB élevé [127].
Dans ce chapitre, nous évaluons les performances des systèmes MIMO coopératifs
proposés précédemment en présence de bruit impulsionnel et dans un environnement réel
des postes électriques HT au Québec. Ainsi, la modélisation du bruit impulsionnel dans
les postes électriques HT sera étudiée. Nous utilisons une série de mesures de ce bruit
effectuée par l’École de Technologie Supérieure de Montréal (ÉTS) pour déterminer un
modèle statistique du bruit impulsionnel. Afin d’utiliser des systèmes multi-antennaires,
nous proposons une extension du modèle de bruit en réception [128], [129]. L’impact de
ce bruit impulsionnel sur le TEB de systèmes MIMO sera ensuite estimé en utilisant deux
récepteurs MV. Le premier est basé sur l’hypothèse de bruit gaussien : la fonction de
112
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
vraisemblance est équivalente à minimiser la distance entre le signal reçu et les points
dans la constellation. Le deuxième est basé sur l’hypothèse de bruit impulsionnel. Dans
ce cas, la définition précédente n’est plus valide et le modèle statistique déterminé du
bruit sera considéré dans ce récepteur [129].
113
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
HT Conducteurs HT
114
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
où Um est la mème forme d’onde d’une source d’interférence. α représente un ensemble de
paramètres aléatoires qui décrivent la forme d’onde. Sous l’hypothèse que les sources suiv-
ent la loi de Poisson dans l’espace et émettent leurs formes d’onde de façon indépendante
115
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
où B0 est l’enveloppe de U, J0 est la fonction de Bessel d’ordre zéro. La quantité A est le
premier paramètre fondamental du modèle et sera discuté plus tard.
La deuxième composante XG (t) est un processus gaussien stationnaire qui représente
le bruit du récepteur ou les contributions des sources de bruit de fond insolubles, ou les
deux. Sous l’hypothèse que cette composante ait une moyenne nulle et une variance σG ,
la fonction caractéristique de premier ordre de XG (t) est :
−x2 σG
2
FG (x) = e 2 (5.4)
où : m
+Γ
2
σm = A
(5.7)
1+Γ
La quantité Γ est le deuxième paramètre fondamental du modèle et sera discuté ci-
après. Notons que fP +G (x) est une somme pondérée de gaussiennes de moyenne nulle
et de variance croissante. Le terme m = 0 correspond à la composante gaussienne de
l’interférence, alors que tous les autres termes correspondent à la composante de Poisson
(composante impulsive).
Comme indiqué ci-dessus, A et Γ sont les paramètres fondamentaux du modèle. Nous
présentons maintenant leur définition et leur signification physique.
A = vTm (5.8)
Plus le nombre d’émissions et/ou leurs durées diminuent, plus les propriétés du bruit
sont alors dominées par les caractéristiques de la forme d’onde d’une émission individu-
elle : comportement impulsif. Par contre, quand A est plus grand, le bruit devient moins
structuré, c’est-à-dire que ses statistiques s’approchent de celles de la distribution gaussi-
enne selon la théorie de la limite centrale [140]. Par exemple A = 10 est considéré comme
116
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
une grande valeur de A. Le paramètre A est donc une mesure de la nature non-gaussienne
du bruit.
Les paramètres A et Γ prennent en général leurs valeurs dans les intervalles [10−4 , 1]
et [10−6 , 1] respectivement [146], [147]. La figure 5.2 présente la densité de probabilité de
Middleton Classe A pour différentes valeurs de A (A = 0, 1 et 10, Γ = 0, 8), elle présente
également la DDP du bruit gaussien pour référence.
0.7
A = 0,1
A = 10
Bruit gaussien
0.6
0.5
0.4
DDP
0.3
0.2
0.1
0
−10 −8 −6 −4 −2 0 2 4 6 8 10
Amplitude
En ajustant les paramètres A et Γ, la DDP exprimée par (5.6) peut être paramétrée
pour s’adapter à une grande variété de densités non-gaussiennes. La large applicabilité du
modèle de Classe A a suscité le développement de méthodes d’estimation de ses paramètres
[138], [147]. Ce modèle sera considéré dans notre étude.
117
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Estimation de A et de Γ Comparaison
À partir du bruit mesuré, nous utilisons la méthode des moments [138] pour estimer
les paramètres A et Γ de modèle du Classe A :
9(e4 − 2e22 )3
Aest = (5.10)
2(e6 + 12e32 − 9e2 e4 )2
118
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
5.3.2.2 Résultats
Nous utilisons deux ensembles de mesures des décharges partielles fournis par l’École
de Technologie Supérieure de Montréal. Ces ensembles sont appelés Bruit mesuré-1 et
Bruit mesuré-2. À partir de ces deux bruits mesurés et en appliquant (5.10) et (5.11),
nous estimons les paramètres A et Γ de modèle de Classe A, ce qui donne :
20
Bruit mesuré−1
18 Middleton−1
Bruit gaussien
16
14
12
DDP
10
0
−0.2 −0.15 −0.1 −0.05 0 0.05 0.1 0.15 0.2
Amplitude
Figure 5.4 - Densité de probabilité pour le Bruit mesuré-1, le bruit généré Middleton-1 et le
bruit gaussien
119
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
450
Bruit mesuré−2
400 Middleton−2
Bruit gaussien
350
300
250
DDP
200
150
100
50
0
−0.01 −0.008 −0.006 −0.004 −0.002 0 0.002 0.004 0.006 0.008 0.01
Amplitude
Figure 5.5 - Densité de probabilité pour le Bruit mesuré-2, le bruit généré Middleton-2 et le
bruit gaussien
Ces figures montrent que les DDP des bruits générés à partir de paramètres estimés
(Middleton-1 et Middleton-2) approchent la distribution des bruits mesurés nettement
mieux que le modèle gaussien.
Le tableau 5.1 confirme ces observations en présentant les divergences (K-L) entre les
bruits mesurés et les deux modèles de bruit (Middleton et gaussien). Ainsi, la divergence
(K-L) de Bruit mesuré-1 est à 0,04 du modèle de Middleton classe A et à 0,3 du modèle
gaussien. Pour le Bruit mesuré-2, la divergence (K-L) est à 0,02 de du modèle de Middleton
classe A et à 0,27 du modèle gaussien.
D’après ces résultats et même si nous n’avons pas une concordance parfaite entre
le modèle de Middleton et les bruits mesurés de décharges partielles, ces derniers sont
nettement mieux approximés par le modèle de Middleton classe A que par le modèle
gaussien.
Ainsi, cette étude nous a permis de considérer le modèle statistique de Middleton
classe A comme un modèle satisfaisant du bruit impulsionnel dans les postes électriques
HT. En utilisant les paramètres A et Γ estimés à partir de bruits mesurés, nous pouvons
générer le bruit impulsionnel correspondant.
120
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
où
e−A Am 1 −x2
am = et 2
g(x, σm )= √ 2
e 2σm (5.13)
m! 2
2πσm
Selon [146], le modèle de Middleton classe A peut être approximé par deux termes
(m = 0 et 1) :
f (x) = a0 g(x, σ02 ) + (1 − a0 )g(x, σ12 ) (5.14)
e−A A0
où a0 = 0! = e−A , ce qui donne :
où am est le même que dans (5.12), Km est la matrice de covariance qui représente la
corrélation spatiale entres les bruits xk et g est la loi normale multidimensionnelle :
1 −xT K−1
mx
g(x, Km ) = nr 1 e 2 (5.17)
(2π) 2 ∣Km ∣ 2
121
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
⎛ Var(x1 )m . . . Cov(x1 , xk )m ⎞
Km = ⎜ ⋮ ⋱ ⋮ ⎟ (5.20)
⎝ Cov(xk , x1 )m . . . Var(xk )m ⎠
⎧
⎪
m
+Γ
⎪
⎪ Var(xk )m = A1+Γkk = σkm2
⎪
où ⎨ .
⎪
⎪
⎪
⎩ Cov(xi , xj )m = ρij σim σjm
⎪
122
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
du bruit. Ici, les précodeurs eux-mêmes ne représentent pas une solution contre le bruit
impulsionnel mais ils sont plutôt utilisés dans le système coopératif afin d’exploiter leurs
performances. en terme de réduction de consommation d’énergie comme nous l’avons
montré dans le chapitre 4. Toutes les solutions précédentes pourraient être appliquées
dans les systèmes MIMO coopératifs afin de réduire les effets du bruit. Cependant, elles
vont augmenter la consommation d’énergie dans le réseau de capteurs ce qui n’est pas
souhaitable.
Par la suite, nous évaluons les performances en terme de TEB des précodeurs max-dmin
et P-OSM en présence de bruit impulsionnel. Pour cela, le contexte de simulation est
d’abord défini. Nous présentons ensuite les résultats de TEB.
123
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Gaussien, 2x2
Middleton−1, 2x2
Middleton−2, 2x2
−1
10 Gaussian, 2x4
Middleton−1, 2x4
Middleton−2, 2x4
−2
10
TEB
−3
10
−4
10
0 5 10 15 20 25
RSB
Figure 5.6 - TEB des précodeurs max-dmin et P-OSM en présence de bruits impulsionnels
estimés Middleton-1 et 2 avec le récepteur MV-BG, systèmes MIMO 2 × 2 et 2 × 4
On remarque que le TEB des précodeurs est dégradé en présence de bruit impulsionnel
(Middleton-1 et 2). En effet, l’énergie du modèle de Middleton classe A est une somme
de deux composantes de bruit : gaussienne et impulsive.
À faible RSB, le TEB est sensible à la composante gaussienne du modèle qui a moins
d’énergie qu’un bruit gaussien classique. Ainsi, le TEB du modèle de Middleton classe A
est meilleur par rapport à un bruit gaussien classique à faible RSB. En revanche, à RSB
élevé, le système MIMO devient sensible à la composante impulsive ce qui dégrade les
performances des précodeurs, la perte de RSB peut atteindre 8 dB. Le TEB de Middleton-
1 est plus dégradé que celui de Middleton-2 car le paramètre A pour Middleton-1 est plus
petit que celui de Middleton-2. Comme nous l’avons expliqué dans le paragraphe 5.3.1,
lorsque la valeur de A augmente, le bruit devient moins impulsif et le TEB de Middleton-2
est proche du cas gaussien.
La figure 5.7 présente le TEB des précodeurs max-dmin et P-OSM en présence de bruit
impulsionnel estimé (Middleton-1 seulement) pour un système 4 × 4.
124
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Nous savons que pour un bruit gaussien et lorsque nt > 2 , la performance en terme de
TEB du précodeur max-dmin est mieux que celle du précodeur P-OSM. Cela est toujours
valide pour un bruit impulsionnel selon la figure 5.7. De plus, à faible RSB ou à RSB
élevé, on observe les mêmes remarques expliquées précédemment pour la figure 5.6.
Max−dmin, gaussien
−1 P−OSM, gaussien
10 Max−dmin, Middleton−1
P−OSM, Middleton−1
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18
RSB
Figure 5.7 - TEB des précodeurs max-dmin et P-OSM en présence de bruit impulsionnel estimé
Middleton-1 avec le récepteur MV-BG, système MIMO 4 × 4
(2π) ∣K0 ∣
2 2
(5.23)
1 − e−A −xT K−1
1 x
+ nr 1 e 2 }
(2π) 2 ∣K1 ∣ 2
125
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Max−dmin, MV−BG
Max−dmin, MV−BI
P−OSM, MV−BG
P−OSM, MV−BI
−2
10
TEB
−3
10
−4
10
0 2 4 6 8 10 12 14 16 18
RSB
Figure 5.8 - TEB des précodeurs max-dmin et P-OSM en présence de bruit impulsionnel estimé
Middleton-1 avec le récepteur MV-BI, système MIMO 4 × 4
Ainsi, le gain présenté par le récepteur MV-BI peut être très utile pour le système
MIMO coopératif afin de réduire la consommation d’énergie de transmission dans les
réseaux de capteurs.
Néanmoins, la complexité de calcul de ce récepteur est plus élevée que celle de MV-BG.
En fait, dans le récepteur MV-BI, la fonction de vraisemblance L(s∣y), qui doit être max-
imisée, représente la somme de deux fonctions exponentielles. C’est différent du récepteur
MV-BG où la fonction de vraisemblance ne représente qu’une fonction exponentielle, elle
est alors équivalente à minimiser la distance entre le signal reçu et les points dans la
constellation [13]. De plus, le récepteur MV-BI nécessite la connaissance des paramètres
du modèle de bruit (A, Γ et ρ).
126
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Figure 5.9 - Poste HT des Laurentides vue aérienne avec Google Earth
127
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Cluster de 3
capteurs d= 1029 m
DGN
La distance locale dm entre les capteurs dans le cluster est environ égale à 14 mètres.
Contrairement aux systèmes coopératifs étudiés dans le quatrième chapitre, la distance d
entre le cluster et le DGN est ici fixe et égale à 1029 mètres. Nous choisissons de placer
les capteurs à deux hauteurs différentes sur les transformateurs : 1,5 mètres (hauteur
d’homme) et 6 mètres (hauteur maximale du transformateur). Les antennes du DGN sont
placées à une hauteur de 60 mètres ce qui assure une visibilité directe entre le DGN et le
cluster.
Le simulateur de canal permet de simuler les liens entre les capteurs et le DGN ce
qui donne la RI utilisée pour calculer le TEB des systèmes MIMO en présence de bruit
impulsionnel. Il permet également de calculer l’atténuation du canal Ls nécessaire pour
le modèle d’énergie (cf. section 4.2.1).
128
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
- Le récepteur MV-BG
Les figures 5.11 et 5.12 montrent la consommation d’énergie des systèmes coopératifs
en présence de bruit impulsionnel et en comparaison avec le bruit gaussien pour les deux
hauteurs.
Figure 5.11 - Comparaison de la consommation d’énergie des systèmes coopératifs pour les
bruits Middleton-1 et gaussien : hauteur = 1,5 m
129
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Figure 5.12 - Comparaison de la consommation d’énergie des systèmes coopératifs pour les
bruits Middleton-1 et gaussien : hauteur = 6 m
Ces figures montrent une augmentation considérable d’énergie consommée dans le cas
du bruit impulsionnel ce qui est normal car les valeurs Eb /N0 nécessaires pour assurer le
TEB cible augmentent en présence de ce bruit.
Dans le chapitre 4, le canal théorique de Rayleigh était considéré. Nous avons montré
que les systèmes coopératifs max-dmin et P-OSM donnent les meilleures performances
en terme de consommation d’énergie en comparaison avec le système coopératif OSTBC
malgré la mise en place du canal de retour. Cela est dû aux différentes améliorations
apportées par les précodeurs telles que le rapport Eb /N0 , l’efficacité spectrale et la quan-
tification (cf. paragraphe 4.4.4). Ici, avec un canal réaliste issu du simulateur de canal,
les précodeurs coopératifs consomment toujours moins d’énergie que le système coopératif
OSTBC pour les mêmes raisons précédentes.
De plus, le P-OSM coopératif minimise l’énergie consommée par rapport au max-dmin
coopératif. Cela s’explique par la fait que le dictionnaire pour la quantification du max-dmin
n’est pas optimisé pour ce type du canal. En fait, nous avons utilisé le dictionnaire con-
struit dans le chapitre 3 pour un canal de Rayleigh alors que le canal est ici un canal
réaliste produit par le simulateur de canal. Rappelons que pour construire un diction-
naire pour le max-dmin , le modèle du canal de transmission et ses statistiques doivent être
prises en compte. Dans le troisième chapitre, nous avons montré comment construire un
dictionnaire pour le canal théorique de Rayleigh. En pratique, si le max-dmin est utilisé,
le changement des statistiques de canal devra être anticipé et pris en compte dans la
conception du système.
Nous allons maintenant comparer la consommation d’énergie entre les deux hauteurs
des capteurs, 1,5 et 6 mètres. La figure 5.13 présente cette consommation pour le bruit
impulsionnel uniquement car celui-ci domine en pratique dans cet environnent.
130
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Figure 5.13 - Comparaison de la consommation d’énergie des systèmes coopératifs entre les
hauteurs 1,5 et 6 m pour le bruit Middleton-1
On constate que la position des capteurs sur les transformateurs choisis peut jouer un
rôle dans la consommation d’énergie des systèmes coopératifs. À une hauteur de 1,5 m,
nous avons moins d’énergie consommée qu’à une hauteur de 6 m. Cette étude peut être
utile pour le personnel technique par exemple. Au lieu de travailler à une hauteur de 6 m
en utilisant une échelle, il peut travailler à hauteur d’homme : 1,5 m.
Néanmoins, nous rappelons que la configuration étudiée précédemment est choisie à
titre d’exemple et n’est pas généralisable à n’importe quelle configuration des capteurs
dans la scène. En pratique, une étude plus approfondie et plus de simulations devront être
effectuées avant d’installer les capteurs.
- Le récepteur MV-BI
Nous appliquons par la suite le récepteur MV-BI optimisé pour le bruit impulsionnel.
Ainsi, la figure 5.14 montre la réduction de la consommation d’énergie après avoir appliqué
ce récepteur pour la hauteur 1,5 m. La hauteur de 6 m n’est pas présentée car le résultat
est identique. On constate que 50 % de l’énergie est environ économisée grâce au récepteur
MV-BI en comparaison avec le récepteur MV-BG.
En fait, le récepteur MV-BI permet de réduire les valeurs Eb /N0 nécessaires pour
assurer le TEB cible ce qui conduit à diminuer la consommation d’énergie. Rappelons que
ce récepteur est plus complexe que celui du MV-BG et il nécessite la connaissance des
paramètres du modèle de bruit (A, Γ et ρ). Néanmoins, un tel récepteur sera installé au
DGN qui possède une alimentation et peut assurer le calcul nécessaire.
131
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
Figure 5.14 - Consommation d’énergie des systèmes coopératifs : comparaison des récepteurs
MV-BI et MV-BG avec le bruit Middleton-1, hauteur = 1,5 m
5.6 Conclusion
Dans ce chapitre, nous nous sommes intéressés à l’application des réseaux de capteurs
dans les postes électriques HT dans le contexte du “Smart Grid”. Cet environnement
est caractérisé par la présence de bruit impulsionnel qui peut dégrader les performances
de système de communication. En utilisant une série de mesures de bruit impulsionnel
effectuées par l’ÉTS, nous avons déterminé un modèle statistique du bruit impulsionnel :
le modèle de Middleton classe A. Les résultats ont montré que ce modèle représente une
bonne approximation pour le bruit impulsionnel dans les postes électriques HT. Nous
avons évalué les performances en terme de TEB des précodeurs max-dmin et P-OSM en
présence de ce bruit. En considérant le récepteur MV-BG et à RSB élevé, les performances
sont dégradées : la perte de RSB peut atteindre 8 dB. En revanche, lorsque le récepteur
MV-BI est appliqué, nous obtenons un gain important de RSB pour le même TEB.
132
CHAPITRE 5. RÉSEAUX DE CAPTEURS : APPLICATION AUX POSTES
ÉLECTRIQUES HAUTE-TENSION
133
Conclusion et perspectives
Au cours de ces dernières années, les réseaux de capteurs sans fil ont connu un
formidable essor dans de nombreux domaines. Cela est principalement attribuable à l’am-
pleur sans précédent des possibilités qu’offre cette technologie. Toutefois, les réseaux de
capteurs doivent aussi faire face à d’importants défis de conception en raison de leur
dépendance à l’égard d’une énergie limitée fournie par une batterie. L’énergie est une
ressource critique et constitue souvent un obstacle majeur au déploiement des réseaux
de capteurs qui prétendent à l’omniprésence dans le monde de demain. D’autre part, les
systèmes MIMO sont, depuis quelques années maintenant, le sujet de nombreuses études
car ils présentent une solution intéressante pour répondre aux besoins des communica-
tions sans fil dans différents domaines. Ils proposent des améliorations notables pour les
transmissions dans des canaux à évanouissements en termes de débit et de robustesse.
Cette thèse a porté sur l’efficacité énergétique des systèmes MIMO coopératifs dans les
réseaux de capteurs, avec un accent particulier sur l’application des nouvelles techniques
MIMO à boucle fermée : les précodeurs max-dmin et P-OSM. Ces précodeurs nécessitent
la connaissance du canal à l’émission (TX-CSI). Ils maximisent la distance minimale
de la constellation à la réception (dmin) mais utilisent deux philosophies de précodage
différentes. La CSI à l’émission nécessite la mise en place d’un canal du retour d’informa-
tion du récepteur vers l’émetteur en renvoyant l’estimation du canal.
Afin d’introduire le contexte de l’étude, nous avons commencé par quelques généralités
sur les transmissions numériques et le principe des systèmes MIMO. Une présentation
générale des réseaux de capteurs a été introduite. Nous avons montré que certains travaux
ont commencé à adapter le principe de système MIMO aux réseaux de capteurs afin de
réduire la consommation d’énergie.
Ensuite, nous avons exposé des techniques MIMO exploitant la diversité spatiale dans
les systèmes MIMO à boucle ouverte, les codes OSTBC, et à boucle fermée, les précodeurs.
Les codes OSTBC représentent une solution simple assurant notamment un ordre de
diversité maximal (nt ×nr ). L’inconvénient est l’apparition d’un rendement 1/2 ≤ R ≤ 1 du
débit et le nombre de codes proposant R = 1 est limité. Par exemple, le code d’Alamouti
est valable pour nt = 2 avec R = 1. Lorsque nt > 2, les codes OSTBC n’existent que pour
des rendements inférieurs à 1 (3/4 ou 1/2) ce qui entraine une perte significative de débit.
Les précodeurs linéaires optimisent un critère particulier à l’aide de la connaissance
135
Conclusion et perspectives
du canal. Ils sont basés sur la SVD pour diagonaliser le canal. Parmi ces précodeurs, le
précodeur max-dmin maximise la distance minimale de la constellation en réception. Il
présente un ordre de diversité maximal (nt × nr ) et un rendement de R = 2. Une technique
récente de précodage a aussi été étudié, le précodeur P-OSM. Ce précodeur n’est pas basé
sur la SVD, il propose une orthogonalisation des symboles reçus en optimisant le même
critère que le max-dmin . Il présente un rendement de R = 2 et un ordre de diversité maximal
lorsque nt = 2. En comparant les TEB pour plusieurs modèles de canaux, nous avons
montré que les performance des max-dmin et P-OSM en terme de TEB sont équivalentes
pour un système MIMO (2×nr ). Lorsque nt ≥ 2, le P-OSM doit être associé à une méthode
de sélection d’antennes et le max-dmin est le plus performant. Ces deux précodeurs sont
considérés par la suite de nos travaux.
136
Conclusion et perspectives
ce précodeur est pénalisé par un PAR plus grand. Néanmoins, pour nt = 2, le P-OSM a
besoin de NF b = 6 bits pour assurer ce résultat alors que NF b = 3 bits sont suffisants pour
le max-dmin.
Ces systèmes coopératifs ont ensuite été étudiés en introduisant une erreur de synchro-
nisation. Nous avons montré que pour une faible erreur de synchronisation Tsyn = 0, 2Ts ,
ces systèmes coopératifs sont plutôt résistants et consomment légèrement plus d’énergie :
7 % d’augmentation. À partir d’une erreur de synchronisation égale à Tsyn = 0, 3Ts , ces
systèmes coopératifs subissent une dégradation plus importante. Il ressort que le max-dmin
coopératif présente la meilleure performance, avec une augmentation de la consommation
de 17 %, alors que les P-OSM et OSTBC coopératifs atteignent respectivement 134 % et
58 %.
137
Conclusion et perspectives
Plusieurs travaux pourront être menés à partir des axes de recherche considérés dans
ce manuscrit :
- La quantification du max-dmin s’appuie sur la construction d’un dictionnaire pour les ma-
trices Fv et Fd . Nous avons montré que la construction du dictionnaire n’est pas facile car
le modèle du canal de transmission et ses statistiques doivent être prises en compte. Dès
lors, pour chaque modèle de canal considéré, il faut construire un dictionnaire. Dans nos
travaux, seul un dictionnaire pour le canal de Rayleigh a été construit. Toutefois, il serait
important d’anticiper le changement des statistiques de canal pour le prendre en compte
dans la conception du système. Par conséquence, des travaux supplémentaires pourront
être effectuées sur la construction du dictionnaire pour d’autres modèles de canaux.
Concernant le précodeur P-OSM, nous avons uniformément quantifié les deux angles θ
et θ1 sur les intervalles [0, π] et [−π/2, +π/2] respectivement. Il serait intéressant d’étudier
statistiquement la distribution des angles selon le canal MIMO (nr × nt ) considéré et
d’appliquer une quantification non-uniforme. Cela permettra peut-être de diminuer le
nombre de bits nécessaires pour la quantification.
En fait, l’application d’un canal de retour quantifié dans les systèmes MIMO à boucle
fermée attire actuellement beaucoup d’attention. Cependant, nous n’avons à présent au-
cune théorie générale de la communication MIMO avec un canal de retour quantifié. Une
étude approfondie de cette problématique semble nécessaire.
- Dans les systèmes coopératifs proposés, la phase d’initialisation nécessaire pour en-
voyer les symboles d’apprentissage pourra être exploitée afin de faire d’autres opérations.
Il serait donc intéressant d’utiliser cette phase pour effectuer une synchronisation initiale
des nœuds dans le cluster selon un certain algorithme. De plus, le canal de retour peut
être également exploité afin d’envoyer d’autres informations que la CSI. Nous envisageons
d’étudier certains mécanismes permettant l’agrégation de données dans le cluster [91].
Dans ce cas, le DGN peut envoyer des paramètres nécessaires pour cette opération dans
le canal de retour ce qui conduit à économiser plus d’énergie.
Dans notre étude, nous avons considéré un exemple type d’une communication coop-
érative entre un cluster de nt nœuds et un DGN [46], [53]. Rappelons que les nœuds
ne coopèrent qu’à l’émission et ils sont soumis à des contraintes strictes de consomma-
tion d’énergie alors que le DGN possède une alimentation et agit comme un système
multi-antennaire. Dans ce scénario, le DGN a assuré le plus possible de calculs nécessaires
pour les précodeurs : estimation du canal, SVD, codage, quantification, etc. Pour une
138
Conclusion et perspectives
communication coopérative entre deux clusters (figure 1.10), les précodeurs ne sont pas
applicables car les nœuds coopérants à la réception ne peuvent pas assurer les calculs
précédents. Dans ce cas, le système OSTBC peut être utilisé [51]. En résumé, dans un
réseau de capteurs, les systèmes coopératifs max-dmin et P-OSM peuvent être trouvés en
parallèle avec le système coopératif OSTBC. Ils peuvent ensemble participer à réduire
considérablement la consommation globale d’énergie si les paramètres des systèmes sont
judicieusement choisis. La figure figure 5.15 présente un exemple où le système OSTBC
est utilisé entre les clusters alors que les systèmes max-dmin et P-OSM sont utilisés entre
les clusters et le DGN. Notons que le nombre de nœuds est choisi à titre d’exemple.
STBC
STBC
P-OSM
Cluster
max-dmin
max-dmin
DGN
STBC
STBC
Figure 5.15 - Exemple d’un réseau de capteurs avec plusieurs systèmes MIMO coopératifs
- L’étude réaliste des capteurs dans le poste électrique HT des Laurentides représente la
première étape de futurs travaux possibles. Les simulations permettent à Hydro-Québec
d’envisager et de caractériser le comportement des capteurs dans le poste avant de les in-
staller et sans se déplacer sur le site pour faire des tests. Ainsi, nous envisageons d’effectuer
plus de simulations et d’étudier plusieurs configurations des capteurs dans le poste.
139
Bibliographie
141
BIBLIOGRAPHIE
142
BIBLIOGRAPHIE
[31] G. Foschini and M. Gans, “On limits of wireless communications in fading environ-
ment when using multiple antennas,” Wireless Personal Communications, vol. 6,
pp. 331–335, 1998.
[32] B. Vrigneau, “Systèmes MIMO précodés optimisant la distance minimale : étude
des performances et extension du nombre de voies,” Ph.D. Université de Bretagne
occidentale, Brest, 2006.
[33] E. Larsson and P. Stoica, Space-Time Block Coding dor Wireless Communications.
Cambridge university press, 2003.
[34] S. M. Alamouti, “A simple diversity technique for wireless communications,” IEEE
J. Select. Areas Commun, vol. 16, pp. 1451–1458, Oct. 1998.
[35] V. Tarokh, N. Seshadri, and A. R. Calderbank, “Space-time codes for hight data
rate wireless communication : Performance criterion and code construction,” IEEE
Trans. Inform. Theory, vol. 44, pp. 744–765, Mar 1998.
[36] V. Tarokh, H. Jafarkhani, and A. R. Calderbank, “Space-time codes from orthogonal
designs,” IEEE Trans. Inform. Theory, vol. 45, no. 5, pp. 1456–1467, Jul. 1999.
[37] Y. Chartois, Y. Pousset, and R. Vauzelle, “A SISO and MIMO radio channel char-
acterization with a 3D ray tracing propagation model in urban environment.” Eu-
ropean Conference on Propagation and Systems, Mars 2005.
[38] G. Madi, B. Vrigneau, Y. Pousset, and R. Vauzelle, “A realistic MIMO time-variant
channel applied to diagonalizing precoders,” The 9th International Conference on
Intelligent Transport System Telecommunications, ITS-T, pp. 158–163, Lille France.
Oct. 2009.
[39] G. D. Golden, G. J. Foschini, P. W. Wolnianski, and R. A. Valenzuela, “V-BLAST :
A high capacity space-time architecture for the rich-scattering wireless channel,”
Proc. Int. Symp. Advanced Radio Technol, Sept. 1998.
[40] ——, “Detection algorithm an initial laboratory results using V-BLAST space-time
communication architecture,” Electronics Letters, vol. 1, no. 35, pp. 14–15, Jan.
2000.
[41] O. Damen, A. Chkeif, and J. C. Belfiore, “Lattice code decoder for space-time
codes,” Communications Letters, IEEE, vol. 4, no. 5, pp. 161–163, may 2000.
[42] H. Vikalo, B. Hassibi, and P. Stoica, “Efficient joint maximum-likelihood channel
estimation and signal detection,” Wireless Communications, IEEE Transactions on,
vol. 5, no. 7, pp. 1838–1845, july 2006.
[43] M. Stojnic, H. Vikalo, and B. Hassibi, “Further results on speeding up the sphere
decoder,” Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings.
IEEE International Conference on, vol. 4, may 2006.
[44] I. Stojmenovic, Handbook of Sensor Networks - Algorithms and Architectures. John
Wiley Sons, 2005.
143
BIBLIOGRAPHIE
[45] M. Horton and J. Suh, “A vision for wireless sensor networks,” in Microwave Sym-
posium Digest, 2005 IEEE MTT-S International, june 2005.
[46] S. K. Jayaweera, “Virtual MIMO-based cooperative communication for energy-
constrained wireless sensor networks,” IEEE Transactions on Wireless Communi-
cation, vol. 5, no. 5, pp. 984–989, May 2006.
[47] K. A. AGHA, “Réseaux de capteurs,” Techniques de l’ingénieur, Réf. H8500, Oct.
2010.
[48] J. Laneman and G. Wornell, “Distributed space-time-coded protocols for exploit-
ing cooperative diversity in wireless networks,” IEEE Transactions on Information
Theory, vol. 49, no. 10, pp. 2415–2425, 2003.
[49] X. Li, “Energy efficient wireless sensor networks with transmission diversity,” Elec-
tronics Letters, vol. 39, 2003.
[50] X. Li, M. Chen, and W. Liu, “Application of STBC-encoded cooperative transmis-
sions in wireless sensor networks,” IEEE Signal Processing Letters, vol. 12, no. 2,
pp. 134–137, 2005.
[51] S. Cui, A. J. Goldsmith, and A. Bahai, “Energy-efficiency of MIMO and cooper-
ative MIMO techniques in sensor networks,” IEEE Journal on Selected Areas in
Communications, vol. 22, no. 6, Aug. 2004.
[52] L. X. H. Dai and Q. Zhou, “Energy efficiency of MIMO transmission strategies in
wireless sensor networks,” in International Conference on Computing, Communica-
tions and Control Technologies (CCCT), Austin, TX, USA, Aug. 2004.
[53] S. K. Jayaweera and M. L. Chebolu, “Virtual MIMO and distributed signal pro-
cessing for sensor network- An integrated approachs,” IEEE International Conf. on
Communications (ICC ’05), Seoul, Korea, May 2005. Invited Paper.
[54] C. Long, H. Chen, and L. Li, “Energy-efficiency cooperative communications with
node selection for wireless sensor networks,” IEEE Pacific-Asia Workshop on Com-
putational Intelligence and Industrial Application, vol. 2, pp. 761–765, Los Alamitos,
CA, USA, 2008.
[55] T.-D. Nguyen, “Cooperative MIMO strategies for energy constrained wireless sensor
networks,” Ph.D. Université de Rennes 1, IRISA, 2009.
[56] M. Dong and L. Tong, “Optimal design and placement of pilot symbols for channel
estimation,” in Proceedings of the IEEE International Conference on Acoustics,
Speech, and Signal Processing ICASSP, USA, May 2011.
[57] Y. G. Li, “Simplified channel estimation for OFDM systems with multiple transmit
antennas,” Transactions on Wireless Communications, vol. 1, no. 1, pp. 67–75, Jan.
2002.
[58] C. Budianu and L. Tong, “Channel estimation for space-time orthogonal block
codes,” in Proceedings of the IEEE International Conference Communications ICC,
2001.
144
BIBLIOGRAPHIE
[59] H. Artés and F. Hlawatsch, “Blind equalization of mimo channels using determinis-
tic precoding,” in Proceedings of the IEEE International Conference on Acoustics,
Speech, and Signal Processing ICASSP, pp. 2153–2156, May 2001.
[60] A. Grant, “Joint decoding and channel estimation for linear MIMO channels,” in
Proceedings of the Wireless Communication and Networking Conference, vol. 3, pp.
1009–1012, Sept. 2000.
[61] H. Bölcskei, R. W. Heath, and A. J. Paulraj, “Blind channel estimation in spatial
multiplexing systems using nonredundant antenna precoding,” in Proceedings of the
IEEE Asilomar Conference on Signals, Systems, and Computers CSSC, Oct. 1999.
[62] D. GORE, R. NABAR, and A. PAULRAJ, “Selecting an optimal set of transmit
antennas for a low rank matrix channel,” In Proceedings of the IEEE International
Conference on Acoustics, Speech and Signal Processing ICASSP, June 2000.
[63] E. Larsson and P. Stoica, Space-Time Block Coding dor Wireless Communications.
Cambridge university, 2003.
[64] S. M. Alamouti, “A simple diversity technique for wireless communications,” IEEE
J. Select. Areas Commun, vol. 16, pp. 1451–1458, Oct. 1998.
[65] V. Tarokh, N. Seshadri, and A. R. Calderbank, “Space-time codes for hight data
rate wireless communication : Performance criterion and code construction,” IEEE
Trans. Inform. Theory, vol. 44, pp. 744–765, Mar 1998.
[66] V. Tarokh, H. Jafarkhani, and A. R. Calderbank, “Space-time codes from orthogonal
designs,” IEEE Trans. Inform. Theory, vol. 45, no. 5, pp. 1456–1467, Jul. 1999.
[67] G. Tsoulos, MIMO system technology for wireless communications. CRC Press,
2006.
[68] C. Oestges and B. Clerckx, MIMO Wireless Communications : From Real-World
Propagation to Space-Time Code Design. ACADEMIC Presss, 2007.
[69] H. Jafarkhani and A. Calderbank, “A quasi-orthogonal space-time block code,”
IEEE Trans. Inform. Theory, 2001.
[70] H. Sampath, P. Stoica, and A. Paulraj, “Generalized linear precoder and decoder
design for MIMO channels using the weighted MMSE criterion,” IEEE Trans. Com-
mun, vol. 49, no. 2198-2206, p. 12, Dec. 2001.
[71] L. Collin, O. Berder, P. Rostaing, and G. Burel, “Optimal minimum distance-based
precoder for MIMO spatial multiplexing systems,” Signal Processing, IEEE Trans-
actions on, vol. 52, no. 3, pp. 617–627, 2004.
[72] P. Stoica and G. Ganesan, “Maximum-snr spatial-temporal for matting designs for
MIMO channels,” IEEE Transactions on Signal Processing, vol. 50, no. 3036-3042,
p. 12, Dec. 2002.
[73] A. Scaglione, P. Stoica, S. Barbarossa, G. Giannakis, and H. Sampath, “Optimal de-
signs for space-time linear precoders and decoders,” IEEE Trans. Signal Processing,
vol. 50, no. 5, pp. 1051–1064, May 2002.
145
BIBLIOGRAPHIE
[74] P. Rostaing, O. Berder, G. Burel, and L. Collin, “Minimum ber diagonal precoder
for MIMO digital transmissions,” Signal Processing, vol. 82, no. 1477-1480, p. 10,
Oct. 2002.
[75] X. Zhu and R. Murch, “Performance analysis of maximum likeliwood detection in
a MIMO antenna system,” IEEE Trans. Commun, vol. 50, pp. 187–191, Feb. 2002.
[76] L. Collin, “Optimisation de systèmes multi-antennes basée sur la distance mini-
male,” Ph.D. Université de Bretagne occidentale, Brest, 2002.
[77] Q. tuong, O. Berder, B. Vrigneau, and O. Sentieys, “Minimum distance based pre-
coder for MIMO-OFDM systems using a 16-QAM modulation,” IEEE ICC’09, Ger-
many, 2009.
[78] B. Vrigneau, J. Letessier, P. Rostaing, L. Collin, and G. Burel, “Extension of the
MIMO precoder based on the minimum euclidean distance : a cross-form matrix,”
IEEE Signal Processing, vol. 2, no. 2, pp. 135–146,, May 2008.
[79] ——, “Theoretical results about MIMO minimal distance precoder and perfor-
mances comparison,” IEICE Transactions on Communications, 2008.
[80] Q.-T. Ngo, O. Berder, and P. Scalart, “Neighbor-dmin precoder for three data-
stream MIMO systems,” 19th European Signal Processing Conference, EUSIPCO,
Barcelona, Spain. Sept. 2011.
[81] S. Mohammed, E. Viterbo, Y. Hong, and A. Chockalingam, “X- and y-codes for
MIMO precoding,” Information Theory Proceedings ISIT, 2010 IEEE International
Symposium on, no. 2143-2147, june 2010.
[82] ——, “MIMO precoding with x- and y-codes,” submitted to IEEE Trans. on Infor-
mation Theory, no. 2143-2147, Nov. 2009.
[83] D. Palomar, J. Cioffi, and M. Lagunas, “Joint tx-rx beamforming design for mul-
ticarrier MIMO channels : a unified framework for convex optimization,” Signal
Processing, IEEE Transactions on, vol. 51, no. 9, pp. 2381 – 2401, 2003.
[84] H. Lee, S. Park, and I. Lee, “Orthogonalized spatial multiplexing for closed-loop
MIMO systems,” IEEE Transactions on Communications, vol. 55, pp. 1044–1052,
2007.
[85] Y. Kim, H. Lee, S. Park, and I. Lee, “Optimal precoding for orthogonalized spatial
multiplexing in closed-loop MIMO systems,” IEEE Journal on Selected Areas in
communication, vol. 26, no. 8, 2008.
[86] H. Lee, S. Park, and I. Lee, “A new MIMO beamforming technique based on rota-
tion transformations,” Proceedings of IEEE International Conference on Commu-
nications, ICC, 2007.
[87] Y. Kim, H. Lee, S. Park, and I. Lee, “Optimal precoding for orthogonalized spa-
tial multiplexing in MIMO wireless systems,” Proceedings of IEEE International
Conference on Communications, ICC, 2008.
146
BIBLIOGRAPHIE
147
BIBLIOGRAPHIE
148
BIBLIOGRAPHIE
[118] H. Myung, K. J.-L. Pan, R. Olesen, and D. Grieco, “Peak power characteristics of
single carrier FDMA MIMO precoding system,” VTC Fall, 2007.
[119] R. Min and A. Chandrakasan, “A framework for energy-scalable communication in
high-density wireless networks,” in Proceedings of the 2002 international symposium
on Low power electronics and design, ACM New York, 2002.
[120] B. Hassibi and B. M. Hochwald, “How much training is needed in multiple-antenna
wireless links,” IEEE Trans. Inform. Theory, Apr. 2003.
[121] S. Jagannathanand, H. Aghajan, and A. Goldsmith, “The effect of time synchro-
nization errors on the performance of cooperative MISO systems,” IEEE Global
Communications Conference, pp. 102–107, 2004.
[122] Y. Mei, Y. Hua, A. Swami, and B. Daneshrad, “Combating synchronization errors in
cooperative relays,” in Acoustics, Speech, and Signal Processing, 2005. Proceedings.
(ICASSP ’05). IEEE International Conference on, vol. 3, march 2005.
[123] T.-D. Nguyen, O. Berder, and O. Sentieys, “Impact of transmission synchronization
error and cooperative reception techniques on the performance of cooperative MIMO
systems,” in Communications, 2008. ICC ’08. IEEE International Conference on,
may 2008, pp. 4601–4605.
[124] H. Wan, J. F. Diouris, and G. Andrieux, “Effect of synchronization errors on Alam-
outi coding in wireless sensor networks,” in Wireless Communications and Network-
ing Conference, 2009. WCNC 2009. IEEE, april 2009, pp. 1–6.
[125] A. Willig, K. Matheus, and A. Wolisz, “Wireless technology in industrial networks,”
Proceedings of the IEEE, vol. 93, pp. 1130–1151, 2005.
[126] A. Shapoury and M. Kezunovic, “Noise profile of wireless channels in high voltage
substations,” IEEE Power Engineering Society General Meeting, 2007.
[127] A. Spaulding and D. Middleton, “Optimum reception in an impulsive interference
environment-part 1 : Coherent detection,” IEEE Transactions on Communications,
vol. COMM-25, no. 9, pp. 910–923, sept. 1977.
[128] G. Madi, B. Vrigneau, Y. Pousset, R. Vauzelle, and B. Agba, “Impulsive noise of
partial discharge and its impact on minimum distance-based precoder of MIMO
system,” 18th European Signal Processing Conference, EUSIPCO, Danemark. Sept.
2010.
[129] G. Madi, F. Sacuto, B. Vrigneau, B. Agba, Y. Pousset, R. Vauzelle, and F. Gagnon,
“Impacts of impulsive noise from partial discharges on wireless systems perfor-
mance : Application to MIMO precoders,” EURASIP Journal on Wireless Com-
munications and Networking, 2011 :186, 2011.
[130] F. Sacuto, Revue de littérature pour le projet CARMEN. École de technologie
supérieure, Montréal, 2009.
[131] R. Olsen and B. Stimson, “Predicting VHF/UHF electromagnetic noise from corona
on power-line conductors,” IEEE Transactions on Electromagnetic Compatibility,
vol. 30, no. 1, 1988.
149
BIBLIOGRAPHIE
150
BIBLIOGRAPHIE
151
Bibliographie personnelle
153
Bibliographie personnelle
154
Résumé
Les réseaux de capteurs ont de nombreuses perspectives d’utilisations dans des do-
maines variés et leur déploiement demande des nœuds autonomes en énergie. Ainsi,
la réduction de la consommation d’énergie afin d’augmenter la durée de vie du réseau
représente une contrainte très forte. L’enjeu de cette thèse est d’étudier l’application des
nouvelles techniques MIMO dans le contexte de coopération pour les réseaux de capteurs
afin de réduire la consommation l’énergie. Ces techniques sont basées sur les précodeurs
max-dmin et P-OSM qui nécessitent la connaissance du canal à l’émission (Channel State
Information ou CSI).
Afin de rendre l’utilisation de la CSI réaliste dans les réseaux de capteur, nous avons
quantifié l’information de retour de ces précodeurs avec comme objectif de réduire l’in-
formation envoyée vers l’émetteur dans le canal de retour tout en fournissant des per-
formances acceptables. Nous avons exploité certaines techniques de la littérature et pro-
posé d’autres pour effectuer cette quantification. Plusieurs schémas coopératifs sont alors
proposés pour la mise en place des précodeurs max-dmin et P-OSM avec un canal de
retour quantifié. Les performances des systèmes proposés en termes de consommation
d’énergie et de délai de transmission sont évaluées et analysées en les comparant avec le
système MIMO coopératif de la littérature basé sur des codes spatio-temporels (STBC).
Les résultats montrent que les systèmes proposés consomment moins d’énergie même en
présence d’une erreur de synchronisation entre les capteurs.
Nous nous sommes ensuite intéressés à l’application des réseaux de capteurs dans les
postes électriques haute-tension (HT) dans le contexte du ”Smart Grid”. L’objectif est
d’évaluer les performances des systèmes proposés en présence de bruit impulsionnel et
dans un environnement réel d’un poste électrique HT au Québec. En utilisant une série
de mesures de ce bruit effectuée par l’École de Technologie Supérieure de Montréal, nous
déterminons un modèle statistique du bruit impulsionnel. Nous proposons une extension
de ce modèle afin d’utiliser des systèmes multi-antennaires.
Mots clés : Réseaux de capteur, précodeurs MIMO, MIMO coopératif, consommation
d’énergie, bruit impulsionnel, poste électrique haute-tension.
155
Abstract
Wireless sensor networks (WSN) have a wide range of applications in various fields
and consist of a large number of low-cost, low-power distributed sensors. Energy efficiency
of sensors is the most critical issue in the system design of the network. The aim of this
thesis is to study the application of recent MIMO techniques in the context of cooperative
MIMO for WSN in order to reduce energy consumption. These techniques are based on
the max-dmin and P-OSM precoders which require the knowledge of the channel state
information (CSI) at transmitter.
To make the use of the CSI realistic in WSN, we quantized these two precoders.
The idea is to reduce the information sent on the feedback channel while still having
a good performance of the precoders. We used some techniques from the literature and
proposed others to perform this quantization. We then proposed various energy-efficient
cooperative schemes that allow the implementation of max-dmin and P-OSM precoders
with a quantized feedback channel. Performances of the proposed schemes in terms of
energy consumption and transmission delay are evaluated and analyzed by comparing
them with the space-time block codes (STBC) based cooperative scheme used in literature.
Results show that our proposed systems provide more energy savings than the STBC one
even in the presence of synchronization errors between the sensors.
We are further interested in the application of sensor networks in high-voltage substa-
tions in the context of the Smart Grid. The objective is to evaluate the performance of
proposed cooperative systems in the presence of impulsive noise and in a real environment
of high-voltage substation in Quebec. By using measured data of impulsive noise obtained
from the École de Technologie Supérieure of Montreal, we determined a statistical model
of the impulsive noise. In order to use the multi-antenna system, we propose an extension
of this model.
Key words : Sensor networks, MIMO precoders, cooperative MIMO, energy con-
sumption, impulsive noise, high-voltage substation.
157