Rapport de Master-recherche : Estimation de canal à évanouissements lents pour les communications radio-mobilesReport as inadecuate




Rapport de Master-recherche : Estimation de canal à évanouissements lents pour les communications radio-mobiles - Download this document for free, or read online. Document in PDF available to download.

1 GIPSA-lab - Grenoble Images Parole Signal Automatique

Résumé : 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.

Mots-clés : Fonction de Bessel Estimation de canal Filtre de Kalman Spectre de Jakes Canal de Rayleigh Modèle autorégressif AR Bornes de Cramer Rao Bayesiennes Fonction de Bessel.





Author: Soukayna Ghandour - Haidar -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents