Estimation de canal radio à évanouissement plat par filtre de Kalman à modèle autorégressif : application aux canauxvéhiculaires et à relais mobiles

Autor: El Husseini, Ali Houssam
Přispěvatelé: Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF), Université de Lille, Sciences et Technologies, Eric Pierre Simon, Laurent Ros
Jazyk: francouzština
Rok vydání: 2019
Předmět:
Zdroj: Traitement du signal et de l'image [eess.SP]. Université de Lille, Sciences et Technologies, 2019. Français
Popis: Channel estimation is a crucial task of the radio receiver in wireless communicationsystems, especially in the case of mobility where the channel parameters varyover time due to the Doppler effect. In this thesis, we consider slow to moderate channelvariations, typical of vehicular applications, and in particular the following two types ofchannels : fixed-mobile (F-M) channels and mobile-mobile (M-M) channels, with in thelatter case the possible presence of mobile relays (Amplify and Forward). We started ourstudy with the F-M channel, which will serve as a basis for investigating the M-M channel.For the case of an F-M channel, modeled by Rayleigh model described by the Jakesspectrum, a common approach to estimating the channel is to use a Kalman filter (KF)based on an autoregressive model of order p (AR(p)). The conventional method for settingAR(p) model parameters is based on the correlation matching criterion (CM). However,the major disadvantage of this method is that very high orders (p > 15) are needed toapproach the Bayesian Cramer-Rao Bound. The choice of p as well as the adjustmentof the parameters of the model are therefore critical and a compromise must be foundbetween the numerical complexity and the performance. The reasonable compromise thathas attracted a lot of attention is to take p = 2. Since the CM is not ecient for p = 2,other methods of tuning have been proposed in the literature, but these are mainly basedon experimental results or exhaustive searches, which limits their application.To adjust the model, we propose to use a criterion of minimization of the asymptoticvariance (MAV) of the estimation error at the output of the Kalman filter. A general tuningformula has been derived based on the state of the channel (Doppler frequency andsignal-to-noise ratio), which can be very useful in practice. In addition, we also derivedan analytic formula for the mean squared error, which allows a better understanding ofKF behavior.Then we treated the M-M channel with the possible presence of mobile relays, followingthe same approach. The analytical expressions for the optimal adjustment of the AR(2)model parameters and the mean squared error performance were first set according to thesecond and fourth moments of the Doppler spectrum of the global channel. The analyticalformulas of these moments were derived by exploiting the convolution property ofthe density functions, after decomposing the cascading global channel channel of Jakesspectrum elementary channels. With these approaches, the results of simulations for thedifferent channels show a considerable gain in terms of mean squared error performanceestimation, compared to the literature.; L'estimation de canal est une tâche cruciale du récepteur radio dans lessystèmes de communication sans fil, en particulier en cas de mobilité où les paramètresdu canal varient avec le temps en raison de l'effet Doppler. Dans cette thèse, nous considérons des variations de canal lentes à modérées, typiques des applications véhiculaires,et en particulier les deux types de canaux suivant : canaux Fixe-Mobiles (F-M) et canauxMobiles-Mobiles (M-M), avec dans ce dernier cas la présence éventuelle de relais mobilespermettant d'amplifier et re-émettre le signal (Amplify and Forward ). Nous avons démarrénotre étude avec le canal F-M, qui servira de base pour traiter le canal M-M.Pour le cas d'un canal F-M, modélisé par le modèle de Rayleigh à spectre de Jakes, uneapproche courante pour estimer le canal consiste à utiliser un filtre de Kalman (KF)basé sur un modèle autorégressif d'ordre p (AR(p)). La méthode conventionnelle pourrégler les paramètres du modèle AR(p) est basée sur le critère de corrélation (CM). Cependant,l'inconvénient majeur de cette méthode est que des ordres très élevés (p > 15)sont nécessaires pour approcher la borne de Cramer-Rao Bayésienne. Le choix de p ainsique le réglage des paramètres du modèle sont donc critiques et un compromis doit êtretrouvé entre la complexité numérique et la performance. Le compromis raisonnable qui asuscité beaucoup d'attention est de prendre p = 2. Le CM n'étant pas performant pourp = 2, d'autres méthodes de réglage ont été proposées dans la littérature, mais celle-cireposent principalement sur des résultats expérimentaux ou des recherches exhaustives,ce qui limite leur application. Pour régler le modèle, nous proposons d'utiliser un critèrede minimisation de la variance asymptotique (MAV) de l'erreur d'estimation en sortiedu filtre de Kalman. Une formule générale de réglage a été dérivée en fonction de l'étatdu canal (fréquence Doppler et rapport signal sur bruit), qui peut s'avérer très utile enpratique. De plus, nous avons également dérivé une formule analytique pour l'erreur quadratiquemoyenne, ce qui permet de mieux comprendre le comportement du KF.Ensuite, nous avons traité le canal M-M avec présence éventuelle de relais, en suivant lamême approche. Les expressions analytiques pour le réglage optimal des paramètres dumodèle AR(2) et les performances en erreur quadratique moyenne ont d'abord été établiesen fonction des deuxièmes et quatrièmes moments du spectre Doppler du canal global.Les formules analytiques de ces moments ont été dérivées en exploitant la propriété deconvolution des fonctions de densité, après décomposition du canal global en cascade decanaux élémentaires à spectre de Jakes. Avec ces approches, les résultats de simulationspour les différents canaux montrent un gain considérable en terme d'erreur quadratiquemoyenne d'estimation, comparé à la littérature.
Databáze: OpenAIRE
Externí odkaz: