EN2 06/TS2 10 - Uuu.enseirb.fr

Travaux
pratiques de
Communications
Numériques
ENSEIRB-MATMECA – E2/T2
Benoît ESCRIG, Guillaume FERRE
et François RIVET

COMPTE-RENDU : un compte-rendu est à rendre à l’encadrant, par voie électronique, au plus tard 15 jours
après la dernière séance de travaux pratiques. Le format retenu est le format pdf. Le compte-rendu ne devra
pas excéder 15 pages. Une archive contenant tous les codes sera également jointe au courrier électronique. La
notation portera essentiellement sur les commentaires et les interprétations des différents résultats.
Notion de fréquence normalisée et paramètres de simulation
Par défaut, la fréquence d’échantillonnage F s du logiciel MATLAB est de un (F s =1) 1 . Ainsi, les quantités
représentant des fréquences (ou des débits) devront être normalisées par rapport à la fréquence
d’échantillonnage utilisée. Dans toute la suite, il ne sera fait référence qu’aux fréquences normalisées. De
même, la période d’échantillonnage T s du logiciel MATLAB est de un (T s =1). Ainsi, les quantités représentant
des temps, comme les périodes, seront normalisées par rapport à la période d’échantillonnage utilisée.
Valeur réelle Valeur normalisée
Fréquence d’échantillonnage 10 MHz F s =1
Période d’échantillonnage 0,1 µs T s =1
Fréquence porteuse 2 MHz f c =0,2
Débit binaire 1 Mbit/s D b =0,1
Période binaire 1 µs T b =10
Emetteurs numériques : modulations numériques
L’objectif de cette partie est de générer des signaux issus de modulations numériques (voir Figure 1) et de
comparer les représentations en temps et en fréquence de plusieurs modulations. En se fondant sur ces
représentations, les performances des modulations numériques seront ensuite étudiées en termes d’efficacité
spectrale.
BITS
D b
ÉTAPE 1
SIGNAL
PASSE-BAS
ÉTAPE 2
SIGNAL
PASSE-BANDE
Transformation en un signal passebas
dont la bande passante est
compatible avec W
Transposition du signal
passe-bas dans la bande W
allouée au système
Figure 1 : génération de modulations numériques – schéma de principe
Cette partie commence par l’étude de la modulation de phase BPSK (Binary Phase Shift Keying). Puis, l’étude
est généralisée aux autres modulations de phase, aux modulations d’amplitude et aux modulations
d’amplitude en quadrature, et enfin aux modulations de fréquence. La dernière section est consacrée à l’étude
de l’efficacité spectrale.
Génération d’une modulation numérique de phase BPSK (programme MATLAB
intitulé modulateur_v0.m)
La génération de la modulation se fonde sur le schéma de principe de la Figure 2.
1 Le « s » de F s fait référence à « sampling » (échantillonnage).
2

α
( t) =∑α
δ( t−
)
k
BITS
k
kT b
s
jθk jθ( t) ( t) A e g( t−kT
) = A( t) e = i( t) + jq( t)
l
=∑ k
k
SIGNAL PASSE-BAS
g(t)
SYMBOLES
a
jθk ( t) =∑A e δ ( t−kT
)
( ) = A( t) cos2
f t+
θ( t)
s t
k
k
[ π ] = i( t) cos( 2πf
t) −q( t) sin( 2πf
t)
c
SIGNAL PASSE-BANDE
Figure 2 : génération de modulations numériques - schéma détaillé
c
c
Génération d’une suite aléatoire de bits α k
Générer une suite aléatoire de N b bits grâce à la fonction randint(). Pour la représentation en temps,
prendre N b =10 et, pour la représentation en fréquence, prendre N b =100.
Génération de symboles BPSK A k exp(jθ k )
Coder la suite de bits en symboles BPSK grâce à la fonction pskmod(). Il s’agit d’une modulation binaire, donc
le nombre de symboles, M, est égal à deux (M=2). Représenter les symboles avec l’instruction
scatterplot().
Conseil de programmation : prévoir une partie initialisation de variables au début du code MATLAB. L’objectif
est de programmer de façon à pouvoir passer facilement aux modulations M-PSK. Par exemple, utiliser une
variable M initialisée à 2 au lieu d’utiliser directement 2 dans le code.
NB : les symboles générés par la fonction pskmod() sont complexes, même pour une BPSK. Cela permet
notamment de générer des symboles binaires de la forme exp(jθ) et exp[j(θ+π)].
Mise en forme des symboles BPSK : génération des signaux a(t) et s l (t)
Générer un peigne de Dirac a(t) de débit D, débit symbole, dont les amplitudes correspondent aux symboles
BPSK.
Rappel : D=D b /log 2 (M).
Indication : générer un vecteur nul de durée NT où N représente le nombre de symboles, avec N=N b /log 2 (M), et
T désigne la période symbole (T=1/D), avec l’instruction zeros(). Puis, placer, à intervalles de temps
réguliers, les valeurs des symboles BPSK.
Filtrer le peigne de Dirac par un filtre porte d’amplitude unité et de durée T.
Transposition en fréquence : génération su signal s(t)
Transposer le signal autour de la fréquence porteuse f c .
Remarque sur l’hypothèse de signaux à bande étroite : l’hypothèse de signaux à bande étroite (f c très grande
devant D) permet de faire un certain nombre de simplifications dans les calculs sur les signaux numériques. Ici,
cette hypothèse n’est pas vérifiée. En effet, pour visualiser les signaux et leurs densités spectrales de puissance
sans devoir systématiquement faire un zoom avant et pour réduire le temps de simulation, cette hypothèse a
été abandonnée. Cependant, pour que les résultats établis en cours restent valables, cette hypothèse a été
remplacée par une autre hypothèse, à savoir que f c =kD, où k est un entier non nul.
3

Visualisation des résultats
Représentations en temps
Diviser une figure en trois parties et représenter les signaux suivants :
• Le signal passe-bande sur la figure du haut,
• Les parties réelles du peigne de Dirac des symboles et du signal passe-bas sur la figure centrale,
• Les parties imaginaires du peigne de Dirac des symboles et du signal passe-bas sur la figure du bas.
Indication : utiliser l’instruction subplot().
Un exemple est fourni Figure 3. L’axe temporel sera exprimé en multiples de la période symbole T. Pour la
représentation du peigne de Dirac des symboles, seuls les échantillons non nuls seront représentés. Expliquer
pourquoi le signal passe-bande n’a pas la forme exacte d’un signal sinusoïdal.
1
0
Band-Pass Signal
-1
0 2 4 6 8 10
[t/T]
1
0
-1
0 2 4 6 8 10
[t/T]
1
0
Re[Low Pass Signal]
Re[Symbols]
Im[Low Pass Signal]
Im[Symbols]
-1
0 2 4 6 8 10
[t/T]
Figure 3 : représentation temporelle du signal passe-bande, des parties réelle (Re[Low Pass Signal]) et imaginaire
(Im[Low Pass Signal]) du signal passe-bas, et des parties réelle (Re[Symbols]) et imaginaire (Im[Symbols]) des
symboles BPSK
Consignes pour toute la suite des travaux pratiques : toujours donner une légende explicite aux figures.
Différencier les courbes par un tracé différent (en prévision d’une éventuelle impression sur une imprimante
noir et blanc).
Représentation en fréquence
Sur une même figure, tracer les trois densités spectrales de puissance correspondant aux trois signaux
suivants :
• Le peigne de Dirac des symboles,
• Le signal passe-bas à la sortie du filtre de mise en forme,
• Le signal passe-bande à la sortie du modulateur.
Les densités spectrales de puissance seront tracées entre –F s /2 et F s /2 en utilisant une échelle logarithme 2 . Un
exemple est fourni Figure 4. Expliquer la forme des densités spectrales de puissance.
2 Le recentrage des densités spectrales de puissance se fait par la fonction fftshift().
4

10 2 Normalized Frequency
10 0
10 -2
10 -4
10 -6
Symbols
Low-Pass Signal
Band-Pass Signal
-0.5 0 0.5
Figure 4 : représentation en fréquence des symboles (Symbols), du signal passe-bas (Low-Pass Signal) et du signal
passe-bande (Band-Pass Signal) relatifs à une modulation BPSK
Indication : la densité spectrale de puissance d’un signal donné est obtenue par le module au carré de sa
transformée de Fourier (FFT pour Fast Fourier Transform) 3 , divisé par le nombre de points de la transformée de
Fourier, noté nfft.
Rappel : le calcul de la FFT est optimisé pour un nombre de points de la FFT multiple d’une puissance de deux. Il
est conseillé de choisir, comme nombre de points de la FFT, la puissance de deux immédiatement supérieure
au nombre d’échantillons du signal. Pour cela, utiliser la fonction nextpow2().
Compte-rendu : le programme MATLAB, intitulé modulateur_v0.m, les figures correspondant aux
représentations en temps et en fréquence, et les explications.
Impact de différents paramètres sur les représentations en temps et en
fréquence des signaux (partie optionnelle)
Pour chaque paramètre dans le tableau qui suit, changer la valeur du paramètre et expliquer les changements
au niveau des représentations en temps et/ou en fréquence des signaux.
(i)
(ii)
Paramètre Valeur initiale Nouvelle valeur
Nombre de bits émis 100 1000
Rayon de la constellation 1 2
Phase à l’origine 0 π/4
D b 0,1 0,05
f c 0,2 0,3
Nfft 2^nextpow2(Npts)(ii) 128
La nouvelle réponse impulsionnelle est de forme triangulaire.
La formule permet de récupérer la puissance de deux immédiatement supérieure au nombre
d’échantillons du signal, noté Npts.
Compte-rendu : explications de l’influence des différents paramètres sur les représentations en temps et en
fréquence des signaux 4 . Cette partie n’est pas obligatoire mais optionnelle.
3 Sous MATLAB, l’échelle des fréquences par défaut va de 0 à 1 où 1 représente la fréquence d’échantillonnage.
5

Estimation de la densité spectrale de puissance (programme MATLAB intitulé
modulateur_v1.m)
Moyenner 1 (Nstat=1) puis 100 (Nstat=100) estimations des densités spectrales de puissance pour les trois
signaux précédents. Tracer les densités spectrales de puissance estimées et les densités spectrales de
puissance théoriques. Un exemple est donné dans la figure suivante. Commenter.
10 2 Normalized Frequency
10 2 Normalized Frequency
10 2 Normalized Frequency
10 0
10 0
10 0
10 -2
10 -2
10 -2
10 -4
10 -4
10 -4
10 -6
BPSK Symbols
PSD Symbols Theo
-0.5 0 0.5
Low-Pass Signal
PSD Low Pass Theo
10 -6
-0.5 0 0.5
Band-Pass Signal
PSD Band Pass Theo
10 -6
-0.5 0 0.5
10 2 Normalized Frequency
10 2 Normalized Frequency
10 2 Normalized Frequency
10 0
10 0
10 0
10 -2
10 -2
10 -2
10 -4
10 -4
10 -4
10 -6
BPSK Symbols
PSD Symbols Theo
-0.5 0 0.5
Low-Pass Signal
PSD Low Pass Theo
10 -6
-0.5 0 0.5
Band-Pass Signal
PSD Band Pass Theo
10 -6
-0.5 0 0.5
Figure 5 : densités spectrales de puissance simulées (trait continu) et théoriques (ronds) des symboles BPSK (figures
de gauche), du signal passe-bas (figures centrales) et du signal passe-bande (figures de droite) pour un nombre de
statistiques Nstat égal à 1 (figures du haut) et 100 (figures du bas)
Compte-rendu : le programme MATLAB, intitulé modulateur_v1.m, les représentations en fréquence et les
commentaires.
Généralisation aux cas des modulations M-PSK (M-ary Phase Shift Keying)
(programme MATLAB intitulé modulateur_v2.m)
Adapter le programme modulateurv0.m pour qu’il puisse traiter toutes les modulations de phase (cas
M>2). Une étape de codage supplémentaire sera rajoutée entre la génération de bits et la génération de
symboles dans la mesure où les fonctions pskmod() n’acceptent, en entrée, que des entiers entre 0 et M-1.
Indication : utiliser la fonction bi2de().
4 Il est possible d’ajouter des figures pour illustrer une explication.
6

Influence de l’indice de modulation
Changer la valeur de M en 4 puis 8. Le décalage de phase initial pour le cas M=4 sera de π/4. Représenter les
symboles avec l’instruction scatterplot(). Expliquer les changements observés au niveau des
représentations en temps et en fréquence des signaux par rapport à la modulation BPSK.
Compte-rendu : programme MATLAB, intitulé modulateur_v2.m, l’ensemble des figures pour le cas M=4 et
explications.
Généralisation aux cas des autres modulations linéaires (programme MATLAB
intitulé modulateur_v3.m)
Adapter le programme précédent afin qu’il puisse également traiter les modulations d’amplitude, par la
fonction pammod(), et les modulations de phase en quadrature, par la fonction qammod().
Compte-rendu : programme MATLAB, intitulé modulateur_v3.m, et l’ensemble des figures pour une
modulation 16-QAM et 4-PAM. Expliquer les changements observés au niveau des représentations en temps et
en fréquence des signaux par rapport à la modulation BPSK.
Modulations de fréquence
Les modulations de fréquences M-FSK (M-ary Frequency Shift Keying) sont traitées séparément car il s’agit de
modulations non linéaires. Dans un premier temps, l’étude portera sur la modulation de fréquence binaire
BFSK (Binary FSK) puis les autres les modulations de fréquence (M>2) seront abordées. L’architecture d’un
modulateur M-FSK est présentée dans la figure suivante. Le facteur de normalisation ne sera pas pris en
compte.
( t) = 2 / T cos( 2πf
t + πf t)
f0 c
2
0
f
( t) = 2 / T cos( 2πf
t + πf t)
k c
2
f
( t) = / T cos( 2πf
t πf t)
M− 1
2
c
+ 2
M−1
k
BITS
SYMBOLES
0…M-1
SIGNAL
PASSE-BANDE
Figure 6 : modulateur M-FSK
Génération d’une modulation de fréquence numérique binaire (programme MATLAB intitulé
modulateur_v4.m)
Pour générer une modulation de fréquence avec MATLAB, il est possible d’utiliser la fonction fskmod().
Cette fonction génère l’enveloppe complexe du signal passe-bande s(t). L’enveloppe complexe est le nom
donné au signal passe-bas s l (t) associé au signal passe-bande s(t). Dans le cas d’une modulation de fréquence
numérique, si le signal émis s(t) s’écrit sous la forme cos[2πf c t+φ(t)], alors la fonction fskmod() génère le
signal exp[jφ(t)] 5 . Afin de comprendre le fonctionnement de la fonction fskmod(), une modulation BFSK sans
continuité de phase sera générée de deux façons : avec et sans la fonction fskmod(). Par la suite, seule la
fonction fskmod() sera utilisée.
La modulation de fréquence numérique binaire (M=2) sera générée avec les mêmes caractéristiques de débit
symbole D et de fréquence porteuse que la modulation BPSK précédente. L’écart Δf entre les fréquences est
fixé à 1/2T. Pour générer le signal sans continuité de phase, deux signaux porteurs seront générés pour la durée
5 Si s l (t) désigne l’enveloppe complexe de s(t), il est possible de passer de s l (t) à s(t) par s(t)=Re[s l (t)exp(j2πf c t)].
7

totale du signal s(t). Les signaux porteurs seront de la forme cos[2π(f c -Δf/2)t] pour un bit à zéro et
cos[2π(f c +Δf/2)t] pour un bit à un. Le signal de sortie sera le résultat d’une commutation entre les deux signaux
porteurs en fonction du bit émis.
Comparer les représentations en temps et en fréquence des signaux suivants :
• La modulation BFSK sans continuité de phase générée directement,
• La modulation BFSK sans continuité de phase générée avec fskmod().
Pour la représentation en temps, seuls 10 bits seront envoyés (N b =10). Un exemple est fournir dans la Figure 9.
Pour la représentation en fréquence, 100 réalisations (Nstat=100) seront moyennées et 100 bits (N b =10) seront
envoyés par réalisation (voir Figure 8).
1
BFSK disc phase
0
-1
0 2 4 6 8 10
[t/T]
1
BFSK MATLAB disc phase
0
-1
0 2 4 6 8 10
[t/T]
Figure 7 : représentation temporelle d’une modulation BFSK sans continuité de phase par commutation entre signaux
porteurs (figure du haut) et par l’instruction MATLAB fskmod() (figure du bas)
10 2 PSDs of a BFSK signal, f c
=0.2, D=0.1
10 1
BFSK disc phase
BFSK MATLAB disc phase
10 0
10 -1
10 -2
-0.5 0 0.5
Normalized Frequency
Figure 8 : représentation en fréquence d'une modulation de fréquence numérique BFSK sans continuité de phase
(méthode de commutation entre porteuses et méthode directe par fonction MATLAB)
Dans un deuxième temps, comparer les représentations en temps et fréquence des signaux suivants :
8

• La modulation BFSK sans continuité de phase générée avec fskmod().
• La modulation BFSK à continuité de phase générée avec fskmod().
Conclure sur l’utilité de générer des signaux à continuité de phase.
1
BFSK cont phase
0
-1
0 2 4 6 8 10
[t/T]
1
BFSK MATLAB disc phase
0
-1
0 2 4 6 8 10
[t/T]
Figure 9 : représentation temporelle d’une modulation BFSK avec continuité de phase (figure du haut) et sans
continuité de phase (figure du bas)
10 2 PSDs of a BFSK signal, f c
=0.2, D=0.1
10 1
10 0
BFSK cont phase
BFSK MATLAB disc phase
10 -1
10 -2
10 -3
10 -4
-0.5 0 0.5
Normalized Frequency
Figure 10 : représentation en fréquence d'une modulation de fréquence numérique BFSK avec et sans continuité de
phase
Compte-rendu : programme MATLAB intitulé modulateur_v4.m, les représentations en temps et en
fréquence, et la conclusion sur la génération de signaux à continuité de phase.
Génération d’une modulation de fréquence numérique quelconque (binaire et non binaire)
(programme MATLAB intitulé modulateur_v5.m)
Adapter le programme modulateur_v4.m afin de gérer des modulations de fréquence avec M quelconque,
avec ou sans continuité de phase. A partir de maintenant, seule la fonction fskmod() sera utilisée.
9

Influence de l’indice de modulation
Changer la valeur de M en 4. Expliquer les changements observés au niveau des représentations en temps et
en fréquence des signaux par rapport à la modulation BFSK.
Compte-rendu : programme MATLAB intitulé modulateur_v5.m, l’ensemble des figures pour le cas M=4 et
explications.
Création du programme modulateur.m
Adapter le programme modulateur_v3.m de façon à traiter tous les types de modulations numériques.
Compte-rendu : programme MATLAB modulateur.m.
Comparaison des modulations : efficacité spectrale
Les modulations sont comparées selon leur efficacité spectrale. Pour des valeurs de M de 2, 4, 8 et 16, donner
l’occupation spectrale de la modulation numérique. En déduire l’efficacité spectrale et remplir le tableau
suivant. Commenter et conclure sur l’efficacité spectrale des modulations numériques.
Occupation
spectrale
Efficacité spectrale
M-PAM M-PSK M-QAM M-FSK
2 4 8 16 2 4 8 16 2 4 8 16 2 4 8 16
Compte-rendu : le tableau ci-dessus rempli, les commentaires et les conclusions.
Récepteurs numériques
L’objectif de cette partie consiste à étudier la conception des récepteurs numériques (voir Figure 11).
L’architecture optimale sera implantée et simulée. Des versions sous-optimales seront également implantées
afin d’appréhender les éléments caractéristiques de l’architecture optimale.
SIGNAL
PASSE-BANDE
+
BRUIT
SIGNAL PASSE-BAS
SYMBOLES
BITS
Figure 11 : réception de modulation numériques - schéma de principe
Le caractère optimal fait référence ici au fait que le récepteur proposé permet d’atteindre les meilleures
performances en termes de BER (Bit Error Rate) dans le cas d’un canal AWGN (Additive White Gaussian Noise).
Dès lors que le canal n’est plus AWGN, le récepteur proposé n’est plus optimal.
Cette partie commence par l’étude de la modulation de phase BPSK. Puis, l’étude est généralisée aux autres
modulations de phase, aux modulations d’amplitude et aux modulations d’amplitude en quadrature, et enfin
aux modulations de fréquence.
10

Récepteur pour modulation BPSK (programme MATLAB intitulé
demodulateur_v0.m)
Retour en bande de base
Le retour en bande de base se fait sur deux voies. Le signal reçu est multiplié par deux porteuses pures de la
forme cos[2πf 0 t+φ] et - sin[2πf 0 t+φ] où f 0 =f c et φ=0. Pour les modulation BPSK, cela permet de traiter les
modulations dont les symboles sont de la forme exp(jθ) et exp[j(θ+π)].
Filtrage adapté
La suppression des lobes secondaires en -2f c et +2f c , et la maximisation du rapport signal à bruit aux instants de
prise de décision, se font grâce au filtrage adapté. Filtrer le signal (après le retour en bande de base) par un
filtre adapté au filtre de mise en forme.
NB : si le filtre de mise en forme est de la forme g(t), alors la réponse impulsionnelle du filtre adapté est de la
forme g*(τ-t) où τ est un retard servant à compenser les retards introduits par les différentes étapes de filtrage.
La permutation de la réponse impulsionnelle du filtre de mise en forme se fait par la fonction fliplr().
Sous-échantillonnage et prise de décision
Sous-échantillonner le signal à la sortie du filtre adapté au rythme symbole T. Représenter les échantillons avec
l’instruction scatterplot(). Décoder les symboles reçus par l’instruction pskdemod(). Comparer les bits
estimés et les bits reçus. Conclure.
NB : tenir compte des retards introduits par le filtre de mise en forme et le filtre adapté (temps de propagation
de groupe) dans le sous-échantillonnage. En particulier, le premier échantillon, étant donné la forme des filtres
(porte de durée T), est prélevé à l’instant T.
Visualisation des résultats
Représentations en temps
Superposer, sur la même figure, les signaux suivants :
• Le peigne de Dirac représentant les symboles émis (seules les amplitudes non-nulles seront tracées),
• Le signal passe-bas à la sortie du filtre de mise en forme,
• Le signal passe-bas à la sortie du filtre adapté,
• Le peigne de Dirac correspondant aux échantillons prélevés toutes les périodes T (seules les
amplitudes non-nulles seront tracées).
L’axe temporel sera exprimé en multiples de la période symbole T. Une figure sera pour la partie réelle et une
autre pour la partie imaginaire. Un exemple est fourni Figure 12. Commenter.
11

10
0
Re[Low Pass Signal]
Re[Symbols]
Re[Matched Filter Output]
Re[Output Samples]
-10
0 2 4 6 8 10
[t/T]
10
0
Im[Low Pass Signal]
Im[Symbols]
Im[Matched Filter Output]
Im[Output Samples]
-10
0 2 4 6 8 10
[t/T]
Figure 12 : représentation temporelle de la partie réelle et imaginaire du signal passe-bas (Low Pass Signal), des
symboles émis (Symbols), de la sortie du filtre adapté (Matched Filter) et des échantillons prélevés à la sortie du filtre
adapté (Output Samples)
Représentation en fréquence
Superposer, sur la même figure, les densités spectrales de puissance, entre –F s /2 et F s /2, du signal passe-bande
émis et du signal à la sortie du filtre adapté (voir Figure 13). Commenter.
10 2 Normalized Frequency
10 0
10 -2
10 -4
10 -6
Matched Filter Output
Band-Pass Signal
-0.5 0 0.5
Figure 13 : représentation en fréquence du signal passe-bande émis (Band-Pass Signal) et du signal à la sortie du filtre
adapté (Matched Filter Output)
Compte-rendu : le programme MATLAB, intitulé demodulateur_v0.m, les représentations en temps et en
fréquence, ainsi que les commentaires.
12

Impact de différents paramètres sur la réception des signaux numériques
Impact de la synchronisation
Changer la fréquence porteuse du récepteur. Pour cela, rajouter 1% à la valeur de f c . Sur une même figure,
superposer deux signaux : l’un correspondant à la sortie du filtre adapté pour une fréquence porteuse à la
réception égale à f c , et l’autre avec la nouvelle valeur de la fréquence porteuse. Commenter et conclure.
Changer la phase de la porteuse du récepteur. Faire varier la phase de 0 à π/2 par pas de π/8 (la valeur de la
fréquence porteuse doit reprendre sa valeur initiale). Sur une même figure, superposer les signaux à la sortie
du filtre adapté, correspondants aux quatre valeurs de la phase. Commenter et conclure.
Compte-rendu : les figures, les commentaires et les conclusions.
Ancienne valeur Nouvelle valeur
f 0 f c f c +1%
Φ 0 0, π/8, π/4, 3π/8, π/2
Impact du filtre adapté
Tester les combinaisons filtre de mise en forme – filtre adapté référencées dans le tableau ci-dessous.
Commenter et conclure.
Filtre à l’émission
g=ones(1,T)
Filtre à la réception
h=fliplr(g)
Filtre porte de durée T et
d’amplitude unité
Filtre aléatoire g=randn(1,T) h=fliplr(g)
Filtre non adapté g=ones(1,T) h=[0:T/2 T/2-1:-1:1]
Filtre non inversé g=randn(1,T) h=g
Compte-rendu : les commentaires et les conclusions.
Réception des modulations M-PSK (programme MATLAB intitulé
demodulateur_v1.m)
Adapter le programme précédent afin de pouvoir traiter toutes les modulations de phase. Le récepteur
comportera deux voies de réception : l’une pour la voie en phase, l’autre pour la voie en quadrature. Par
ailleurs, une étape supplémentaire de décodage sera rajoutée après le décodage des symboles afin de restituer
les bits émis. Expliquer les différences et les similitudes avec le cas BPSK.
Indication : utiliser la fonction de2bi().
Compte-rendu : programme MATLAB demodulateur_v1.m, les figures pour le cas M=4 et explications.
Réception des autres modulations linéaires (programme MATLAB intitulé
demodulateur_v2.m)
Adapter le programme précédent afin qu’il puisse également traiter les modulations d’amplitude M-PAM et les
modulations de phase en quadrature M-QAM.
Indication : un facteur ½ E g a été introduit par la transmission, où E g désigne l’énergie du filtre de mise en
forme. Ce facteur doit être pris en compte lors de la démodulation.
13

Compte-rendu : programme MATLAB demodulateur_v2.m et les explications relatives au facteur de
normalisation.
Réception de modulations de fréquence
La démodulation d’une modulation BFSK est envisagée avant d’aborder celle des autres modulations de
fréquence (M>2).
Réception d’une modulation de fréquence numérique binaire (programme MATLAB intitulé
demodulateur_v3.m)
Le signal généré par l’émetteur BFSK est constitué d’une suite de signaux de durée T. Ces signaux
correspondent soit à la porteuse associée au bit 0, soit à la porteuse associée au bit 1. Le principe du récepteur
est le suivant. Le récepteur doit décider, pour chaque période T, à quelle porteuse ressemble le plus le signal
reçu. La notion de ressemblance va être objectivement quantifiée par une mesure de corrélation. Dans la partie
précédente, deux types de modulation ont été générées : avec ou sans continuité de phase. Il faut tenir compte
de ce paramètre dans le décodage. Dans un premier temps, deux récepteurs pour modulations de fréquence
sans continuité de phase seront étudiés : l’un sera entièrement programmé, l’autre utilisera la fonction
MATLAB fskdemod().
SIGNAL
PASSE-BANDE
+
BRUIT
MESURE DE M
CORRELATIONS
MAX
BITS
Figure 14 : architecture d'un récepteur M-FSK
Programmer un récepteur BFSK pour une modulation de fréquence sans continuité de phase. Pour cela, une
mesure de corrélation sera effectuée à chaque période symbole. Il s‘agit de mesurer la corrélation entre le
signal reçu sur une période T et les deux porteuses pures. Pour cela, il faut utiliser la formule suivante
,
0,1
où r ki désigne la mesure de corrélation du signal r(t) sur la période [kT,(k+1)T[, noté r kT (t), avec la porteuse f i (t)
correspondant au bit i.
Pour chaque période, le récepteur détecte la plus forte mesure de corrélation et en déduit le bit émis :
i ˆ = argmax
k
Vérifier que le fonctionnement de ce récepteur est correct en s’assurant que le nombre d’erreurs en sortie du
récepteur est bien nul.
Comparer le résultat à celui donné par l’instruction MATLAB fskdemod(). Par la suite, seul le récepteur
fondé sur cette fonction sera utilisé.
Indication : la fonction fskdemod() se fonde sur l’enveloppe complexe du signal reçu. Pour récupérer
l’enveloppe complexe env_compl du signal signalfsk, il faut suivre les instructions suivantes :
i
{ r }
env_compl=hilbert(signalfsk).*conj(carrier)
ki
où carrier=exp(i*2*pi*fc*[0:Npts-1]), fc représente la fréquence porteuse et Npts, le nombre
d’échantillons du signal.
14

Tester également le récepteur fondé sur la fonction MATLAB fskdemod().pour une modulation de
fréquence avec continuité de phase.
Compte-rendu : programme MATLAB demodulateur_v3.m.
Généralisation au cas d’une modulation de fréquence quelconque (programme MATLAB intitulé
demodulateur_v4.m)
Adapter le programme demodulateur_v3.m afin qu’il puisse gérer des modulations de fréquence avec M
strictement supérieur à 2 (M>2). Seule la méthode par la fonction MATLAB fskdemod() sera utilisée.
Compte-rendu : programme MATLAB intitulé demodulateur_v4.m.
Création du programme demodulateur.m
Adapter le programme demodulateur_v2.m de façon à traiter tous les types de modulations numériques.
Performances des transmissions numériques en présence d’un canal
AWGN
L’objectif de cette partie est d’établir les performances des transmissions numériques en présence d’un canal
AWGN (Additive White Gaussian Noise). Dans un premier temps, les performances d’une transmission BPSK
seront établies ; puis les modulations M-PSK seront étudiées avant de passer aux modulations M-PAM, M-QAM
et M-FSK.
Simulation d’un canal AWGN
L’hypothèse de canal AWGN consiste à supposer que l’ensemble des perturbations subies par le signal transmis
par l’émetteur peut se modéliser sous la forme d’une seule et même source de perturbation aléatoire placée
entre l’émetteur et le récepteur. L’ensemble des perturbations comprend notamment les imperfections des
équipements électroniques d’émission et de réception (au niveau composants, connectique), les perturbations
apportées par le milieu de transmission (câble, air, etc) et les perturbations ou interférences dues à la présence
d’autres systèmes et/ou d’autres utilisateurs du système.
L’hypothèse de blancheur du bruit signifie que les échantillons de bruit ne sont pas corrélés les uns aux autres.
Cette hypothèse est justifiée par le fait que la valeur d’un échantillon d’une source de bruit particulière n’est
pas conditionnée par les valeurs des échantillons des autres sources de bruit. Par exemple, si les défauts de
connectique de l’émetteur sont modélisés par une source de bruit, les valeurs aléatoires de cette source de
bruit ne sont pas conditionnées par les valeurs de la source de bruit modélisant les perturbations liées au
milieu de transmission, et inversement.
Test : tracer la fonction d’auto-corrélation d’un bruit blanc gaussien de moyenne nulle, de variance unité, de
1000 échantillons. Un exemple est fourni dans la figure suivante. Commenter.
15

1.2
Auto-Correlation Function of an AWGN
1
0.8
0.6
0.4
0.2
0
-0.2
-1000 -500 0 500 1000
τ
Figure 15 : fonction d'auto-corrélation d'un bruit AWGN de variance unité
L’hypothèse relative au caractère gaussien de la source de bruit vient du théorème de la limite centrale : toute
combinaison de N variables aléatoires indépendantes et identiquement distribuées tend vers une loi
gaussienne lorsque N tend vers l’infini. Il faut également tenir compte du fait que toute combinaison linéaire de
variables aléatoires gaussiennes suit une loi gaussienne. Ainsi, lorsque toutes les sources de bruit sont
référencées et classées selon leur densité de probabilité, il est possible d’obtenir, pour chaque classe, une
variable aléatoire globale suivant une loi gaussienne qui, une fois combinée aux variables aléatoires globales
associées aux autres classes, donne également une loi gaussienne.
Test : tracer l’histogramme d’une variable aléatoire uniformément répartie sur [0,1[ comprenant 1000
réalisations. Puis, tracer l’histogramme de la somme de 2, 3 et 10 variables aléatoires. Commenter. Tracer
l’histogramme d’un bruit AWGN. Un exemple est fourni dans la figure suivante.
60
Histogram of an AWGN
50
40
30
20
10
0
-4 -3 -2 -1 0 1 2 3 4
Figure 16 : histogramme d'un bruit AWGN de variance unité (1000 échantillons générés)
Compte-rendu : les courbes d’auto-corrélation, l’histogramme d’un bruit blanc et les commentaires.
16

Génération d’un bruit AWGN et caractéristiques du rapport Eb/N0
(programme MATLAB intitulé canal.m)
Ajouter un bruit blanc gaussien à un signal QPSK de sorte que le rapport E b /N 0 soit de 3 dB.
Indication : l’énergie moyenne transmise pour un symbole, E s , est de la forme
Eg
2
E
s
= σa
avec Eg
= g
=
2
∫ + ∞
−∞
2
2
2
( t) dt et σa
E[ ak
]
où E g est l’énergie du filtre de mise en forme et σ a ² est la variance des symboles, à condition que ces derniers
soient centrés et où les a k sont les symboles de la constellation. L’énergie moyenne E b d’un bit est de la forme
E s /log 2 (M). Le bruit blanc gaussien doit être généré avec une variance N 0 /2.
Représentation en temps
Sur une première figure, superposer le signal reçu sans bruit et le signal reçu avec bruit. Sur une autre figure,
superposer le signal à la sortie du filtre adapté dans le cas sans bruit et dans le cas avec bruit. Commenter.
Représentation en fréquence
Sur une même figure, représenter les densités spectrales de puissance des trois signaux suivants : le signal
émis, le signal reçu et le bruit. Commenter. La visualisation dépend de la réalisation des processus observés.
Pour visualiser le comportement moyen, moyenner 100 réalisations et représenter les trois densités spectrales
sur la même figure. Commenter. Un exemple est fourni dans la figure suivante.
10 1 Normalized Frequency
10 0
10 -1
10 -2
Received Signal
Band-Pass Signal
AWGN
-0.5 0 0.5
Figure 17 : représentation en fréquence du signal émis (Band-Pass Signal), du signal reçu (Received Signal) et du
bruit AWGN (AWGN)
Recommencer les représentations en temps et en fréquence pour un rapport E b /N 0 de 10 dB. Commenter.
Compte-rendu : le code MATLAB intitulé canal.m, les figures et les commentaires.
Performances d’une modulation BPSK dans un canal AWGN (programme
MATLAB intitulé perf_BPSK.m)
Tracer la courbe donnant le BER en fonction du rapport E b /N 0 , pour un rapport allant de 0 à 6 dB. Superposer à
la courbe issue des simulations, la courbe théorique
17

P
b =
1
erfc
2
E
N
b
0
Commenter. Modifier le code MATLAB pour obtenir des courbes complètes. Superposer aux courbes
précédentes les courbes d’écart-type sur l’estimation de la probabilité d’erreur par le BER, c’est-à-dire
BER ±
σ BER
. Commenter.
Indication : le BER est un estimateur de la probabilité d’erreur P b avec les caractéristiques suivantes
m
σ
BER
2
BER
= E
= E
[ BER]
= P
b
2 2 Pb
[ ]
( 1 − Pb
)
BER − m =
La précision de la mesure de la probabilité d’erreur est quantifiée par l’erreur relative quadratique moyenne,
ε², définie par
ε
σ
( 1 − P )
2
2 BER
b
2
= =
avec ε =
2
mBER
NbPb
NbPb
si Pb

10 -1 E b
/N 0
(dB)
10 -2
Simulated BER + σ BER
Fixed N b
10 -3
Simulated BER - σ BER
Fixed N b
Simulated BER + σ BER
Fixed N e
10 -4
Simulated BER - σ BER
Fixed N e
Theoretical BER
Simulated BER
0 1 2 3 4 5 6
Figure 18 : courbe de BER théorique (Theoretical BER), courbe de BER simulé (Simulated BER), courbes de BER
avec les écarts-type de l’estimateur suivant que le nombre de bits émis est fixe (Fixed N b ) ou que le nombre d’erreurs
observées est fixe (Fixed N e )
Compte-rendu : le code MATLAB, nommé perf_BPSK.m, les courbes de BER, les commentaires et
explications.
Performances d’une modulation QPSK
Généraliser les résultats précédents au cas d’une modulation QPSK. Visualiser la dispersion gaussienne des
échantillons prélevés à la sortie du filtre adapté. Un exemple est fourni dans la figure qui suit. Puis, tracer les
courbes de BER. Tester les programmes avec et sans le codage de Gray. Commenter et conclure.
15
Scatter plot
10
5
Quadrature
0
-5
-10
-15
-15 -10 -5 0 5 10 15
In-Phase
Figure 19 : dispersion des échantillons d'une modulation QPSK avant la prise de décision
Compte-rendu : les courbes de BER et les commentaires.
19

Performances d’autres modulations
Tracer les courbes de BER simulé et de BER théorique pour les modulations M-PAM avec M=4, M-QAM avec
M=16 et BFSK dans la même gamme de rapport E b /N 0 utilisé précédemment. Commenter. Pour M=4
superposer les courbes de BER des modulations 4-PAM, QPSK, 4-QAM et 4-FSK pour un E b /N 0 de 0 à 10 dB et
commenter les résultats.
Compte-rendu : les courbes de BER et les commentaires.
Comparaison de l’efficacité en puissance des modulations numériques
Envoyer un signal tel que l’énergie moyenne émise par bit soit unité. Mesurer le BER pour un rapport signal à
bruit de 3 dB et remplir le tableau suivant. Commenter et Conclure.
Modulation M-PAM M-PSK M-QAM M-FSK
M 2 4 8 16 2 4 8 16 16 2 4 8 16
BER pour un E b /N 0
de 3dB
Compte-rendu : le tableau rempli, les commentaires et les conclusions.
Performances des transmissions numériques en présence d’un canal à
bande limitée
L’objectif de cette partie est d’établir les performances des transmissions numériques en présence d’un canal à
bande limitée. Dans un premier temps, le diagramme de l’œil de la sortie du filtre adapté sera visualisé pour le
cas d’une transmission dans un canal AWGN et ce afin de bien vérifier l’absence d’ISI (Inter-Symbol
Interference). Puis la chaîne de base sera simplifiée et un canal à bande limité sera modélisé. Les performances
en termes de BER et en présence d’ISI seront établies. Puis, la chaîne de base sera adaptée à ce nouveau
scénario. Des filtres en racine de cosinus surélevés seront utilisés. Les performances seront de nouveau établies
avec ces nouveaux filtres.
Diagramme de l’œil
Tracer le diagramme de l’œil à la sortie du filtre adapté pour une modulation QPSK grâce à la fonction
eyediagram(). La visualisation sera faite sans bruit. Un exemple est donné dans la figure suivante.
Commenter.
20

20
Eye Diagram for In-Phase Signal
Amplitude
Amplitude
10
0
-10
-20
-20 -10 0 10 20
Time
Eye Diagram for Quadrature Signal
20
10
0
-10
-20
-20 -10 0 10 20
Time
Figure 20 : diagramme de l'œil d'une modulation QPSK à la sortie du filtre adapté pour un canal AWGN
Compte-rendu : le diagramme de l’œil et les commentaires.
Simplification de la chaîne de transmission (programme MATLAB intitulé
chaine_bande_de_base.m)
Retirer la partie transposition en fréquence de la chaîne de transmission de base. Vérifier que le diagramme de
l’œil n’a pas changé. Tracer la courbe de BER dans le cas de la chaîne simplifiée.
NB : faire attention à modifier correctement la variance du bruit AWGN de façon à ce que le rapport signal à
bruit soit identique au cas précédent.
Compte-rendu : le code MATLAB intitulé chaine_bande_de_base.m.
Modélisation d’un canal à bande limitée (programme MATLAB intitulé
chaine_w_ISI.m)
Filtrer le signal à la sortie de l’émetteur par un filtre passe-bas de fréquence de coupure D, avec 100
coefficients. Tracer le diagramme de l’œil à la sortie du filtre adapté. Un exemple est donné dans la figure
suivante. Tracer les courbes de BER (simulée et théorique). Commenter.
21

20
Eye Diagram for In-Phase Signal
Amplitude
Amplitude
10
0
-10
-20
-20 -10 0 10 20
Time
Eye Diagram for Quadrature Signal
20
10
0
-10
-20
-20 -10 0 10 20
Time
Figure 21: diagramme de l'œil d'une modulation QPSK à la sortie du filtre adapté pour un canal à bande limitée
NB : tenir compte du retard introduit par le filtre modélisant le canal.
Compte-rendu : le code MATLAB intitulé chaine_w_ISI.m ainsi que les courbes de BER et les digrammes de
l’œil et les commentaires.
Utilisation de filtres de mises en forme en en racine de cosinus surélevés
(programme MATLAB intitulé chaine_wo_ISI.m)
Remplacer les filtres porte par des filtres en racine cosinus surélevé. Tracer le diagramme de l’œil à la sortie du
filtre adapté (toujours sans bruit). Tracer les courbes de BER. Commenter.
Compte-rendu : le code MATLAB intitulé chaine_wo_ISI.m ainsi que les courbes de BER et les digrammes
de l’œil et les commentaires.
22