Rapport de Master-recherche : Estimation de canal à évanouissements lents pour les communications radio-mobiles

Autor: Ghandour - Haidar, Soukayna
Přispěvatelé: Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), Ghandour - Haidar, Soukayna
Jazyk: francouzština
Rok vydání: 2010
Předmět:
Popis: encadrants du laboratoire Gipsa-lab: Ros Laurent, Brossier Jean-Marc; Ce rapport de stage de Master Recherche traite du problème de l'estimation du canal de transmission en communication radio-mobile. Les domaines d'applications visés concernent plus généralement les communications sans fil (WIFI, UMTS, WIMAX, 4G, LTE, ..). Le " modèle de Rayleigh à spectre Doppler de Jakes " est le modèle aléatoire le plus largement accepté dans la littérature pour modéliser les variations temporelles (ou évanouissements , " fading ") du gain complexe du canal équivalent en bande de base. Ce modèle n'est cependant pas toujours commode à manipuler dans les algorithmes extrêmement importants qui servent à surmonter les problèmes d'estimation et d'égalisation de ce canal. Par ailleurs, un modèle basé sur une représentation d'état du problème est plus facile à exploiter dans les algorithmes. C'est pourquoi les chercheurs en traitement du signal ont proposé un modèle autorégressif d'ordre p, AR-p (utilisé le plus souvent avec p=1), pour approcher le canal et faciliter sa manipulation. Notamment, cette approximation AR-p a été largement utilisée par les chercheurs et ingénieurs en communication numérique pour estimer le vrai canal à l'aide du filtre de Kalman, vu l'optimalité du filtre de Kalman dans un modèle dit " linéaire Gaussien ". Mais dans certaines situations, les résultats obtenus se sont montrés d'une certaine manière décevants, en particulier quand le canal est à évanouissements lents et donc théoriquement plus facile à estimer. Et c'est là que la question se pose: pourquoi l'estimation de ce canal à l'aide d'un filtre de Kalman présente parfois une variance d'estimation beaucoup plus élevée que la borne théoriquement atteignable (Bornes de Cramer Rao Bayésienne)? N'est-ce pas peut être par faute de modélisation? Ne devrait-on pas choisir un autre modèle plus proche du vrai canal? Dans ce rapport de stage, on a présenté le modèle général du canal, on a ensuite étudié et tracé les Bornes de Cramer Rao Bayesiennes pour le problème d'estimation de ce canal (à 1 seul trajet de propagation) en présence de bruit additif Gaussien. Ensuite on a présenté le modèle autorégressif d'ordre p, et les équations du filtre de Kalman appliqué à ce modèle. On a mesuré par simulations Monte-Carlo les variances des erreurs d'estimation du filtre de Kalman pour les cas AR1 et AR2, et on a effectivement remarqué qu'on était loin des bornes dans le cas de faibles fréquences Doppler. Par la suite, on a fait une étude théorique détaillée des performances asymptotiques de l'algorithme de Kalman basé sur modèle AR1, en établissant l'expression mathématique de la variance de l'erreur d'estimation (composée d'une partie dynamique et d'une partie statique) en fonction des divers paramètres : fréquence Doppler normalisée, Rapport signal à bruit, paramètre du modèle AR1. Grâce à cette étude, des propositions d'amélioration par rapport aux choix standards de la littérature ont pu être proposées à la fin.
Databáze: OpenAIRE
Externí odkaz: