TH`ESE - Library of Ph.D. Theses | EURASIP
TH`ESE - Library of Ph.D. Theses | EURASIP TH`ESE - Library of Ph.D. Theses | EURASIP
86 Chapitre 3. Techniques mono-utilisateurTab. 3.3: Paramètres N, N e et d min pour les modulations QAM.Modulation N N e d minBPSK 1 12 √2 = 1, 4142*4-QAM 2 216-QAM 4 364-QAM 6 3,52√2= 1, 41422√10= 0, 63252√42= 0, 3086256-QAM 8 3,752√170= 0, 15341024-QAM 10 3,852 √682= 0, 0766* Le d min pour la BPSK est le d min équivalent, en considérant lapuissance du bruit selon une seule dimension.Le RSB au niveau du mobile pour le bloc b s’écrit alorsγ b = P(b)σ 2 ν= P TXω H R(b)ωσ 2 ν. (3.60)Considérons l’utilisation d’une modulation linéaire. De plus, considérons que leRSB est suffisamment élevé de façon à pouvoir négliger la probabilité d’occurrenced’erreurs au-delà des points voisins de la constellation. Par ailleurs, considérons l’utilisationd’un codage de Gray. D’après [36], on peut donc approximer le TEB au blocb par l’expression suivante)TEB(b) ≈ N eN Q (√d2min2 γ b, (3.61)où N est le nombre de bits par symbole, d min est la distance minimale entre 2 pointspour une constellation de puissance unité, N e est le nombre moyen de voisins àdistance minimale et la fonction Q(·) est donnée parQ(x) = 1 √2π∫ ∞x( −t2exp2)dt . (3.62)Les paramètres N, N e et d min pour les modulations QAM sont présentés dansle tableau 3.3. Il est important de noter que l’approximation (3.61) est valable pourn’importe quelle modulation linéaire, comme la PSK par exemple, et non seulementpour la QAM.La figure 3.24 montre le TEB obtenu à partir de l’approximation (3.61) et le TEBobtenu à partir des simulations. On voit une légère déviation entre les deux courbespour des TEB au-dessus de 5 × 10 −1 . Par contre, pour des TEB au-dessous de cettevaleur, ce qui correspond à la région d’intérêt, on observe que l’approximation estbonne pour n’importe quelle modulation.
3.6. Minimisation du TEB 8710 0 RSB [dB]ApproximationSimulation10 −110 −2TEB16−QAM64−QAM256−QAM10 −3BPSKQPSK10 −40 5 10 15 20 25 30Fig. 3.24: Comparaison entre le TEB approximé donné par l’équation (3.61) et leTEB simulé.3.6.2 Critère de minimum de TEBDans un contexte mono-utilisateur, le but recherché est la meilleure utilisationde la puissance d’émission disponible. Ainsi, on peut énoncer le critère de minimumde TEB comme la minimisation du TEB pour une puissance d’émission donnée. Àpartir de l’expression (3.61), on peut écrire ce critère comme{ }min TEB = E TEB(b) = Es.c.{(√ ) }N eQ d 2 minγN 2 b. (3.63)∥∥ ω = 1On peut alors écrire la fonction coût à minimiser commeoù on a posé N s = d2 min2pour simplifier l’écriture.J(ω) = N eN E {Q(√Ns γ b) } , (3.64)En remarquant que le terme Ne est constant et ne change pas la minimisation, onNpeut réécrire le critère proposé comme{( √Ns ) }min J mBER (ω) = E Q γ b, (3.65)∥s.c. ∥ ω = 1où N s est un paramètre qui dépend de la constellation choisie.
- Page 56 and 57: 36 Chapitre 2. Antenne multi-capteu
- Page 58 and 59: 38 Chapitre 2. Antenne multi-capteu
- Page 61 and 62: 2.7. Techniques de FV multi-utilisa
- Page 63 and 64: 2.7. Techniques de FV multi-utilisa
- Page 65 and 66: 0("#$%& 0!"#$%&04"#$%&+!,!"-& 0!,1"
- Page 67 and 68: 3Techniques mono-utilisateur3.1 Int
- Page 69 and 70: 3.2. Précodeur et diversité de tr
- Page 71 and 72: 3.2. Précodeur et diversité de tr
- Page 73 and 74: 3.2. Précodeur et diversité de tr
- Page 75 and 76: 3.3. Diversité de transmission et
- Page 77 and 78: 3.3. Diversité de transmission et
- Page 79 and 80: 3.4. Allocation optimale de puissan
- Page 81 and 82: 3.4. Allocation optimale de puissan
- Page 83 and 84: 3.5. Minimisation de la variance 63
- Page 85 and 86: 3.5. Minimisation de la variance 65
- Page 87 and 88: 3.5. Minimisation de la variance 67
- Page 89 and 90: 3.5. Minimisation de la variance 69
- Page 91 and 92: 3.5. Minimisation de la variance 71
- Page 93 and 94: 3.5. Minimisation de la variance 73
- Page 95 and 96: 3.5. Minimisation de la variance 75
- Page 97 and 98: 3.5. Minimisation de la variance 77
- Page 99 and 100: 3.5. Minimisation de la variance 79
- Page 101 and 102: 3.5. Minimisation de la variance 81
- Page 103 and 104: 3.5. Minimisation de la variance 83
- Page 105: 3.6. Minimisation du TEB 85plat.On
- Page 109 and 110: 3.6. Minimisation du TEB 8910 2 γ
- Page 111 and 112: 4. Mise à jour de ω kω k = ω k
- Page 113 and 114: 3.6. Minimisation du TEB 933.6.4 R
- Page 115 and 116: 3.6. Minimisation du TEB 9510 010
- Page 117 and 118: 3.6. Minimisation du TEB 97351.1130
- Page 119: 3.7. Conclusion 99directivité vers
- Page 122 and 123: NF@ABCD N?@ABCDNR@ABCDI?J?@LD I?J?@
- Page 124 and 125: 104 Chapitre 4. Techniques multi-ut
- Page 126 and 127: 106 Chapitre 4. Techniques multi-ut
- Page 128 and 129: 108 Chapitre 4. Techniques multi-ut
- Page 130 and 131: 110 Chapitre 4. Techniques multi-ut
- Page 132 and 133: 112 Chapitre 4. Techniques multi-ut
- Page 134 and 135: 114 Chapitre 4. Techniques multi-ut
- Page 136 and 137: 116 Chapitre 4. Techniques multi-ut
- Page 138 and 139: 118 Chapitre 4. Techniques multi-ut
- Page 140 and 141: 120 Chapitre 4. Techniques multi-ut
- Page 142 and 143: 122 Chapitre 4. Techniques multi-ut
- Page 144 and 145: 124 Chapitre 4. Techniques multi-ut
- Page 146 and 147: 126 Chapitre 5. Conclusion et persp
- Page 148 and 149: 128 Bibliographie[11] J. K. Cavers.
- Page 150 and 151: 130 Bibliographie[37] B. Raghothama
- Page 153 and 154: Index d’auteursAAlamouti, S. M.,
- Page 155: Travaux publiés pendant la thèseA
86 Chapitre 3. Techniques mono-utilisateurTab. 3.3: Paramètres N, N e et d min pour les modulations QAM.Modulation N N e d minBPSK 1 12 √2 = 1, 4142*4-QAM 2 216-QAM 4 364-QAM 6 3,52√2= 1, 41422√10= 0, 63252√42= 0, 3086256-QAM 8 3,752√170= 0, 15341024-QAM 10 3,852 √682= 0, 0766* Le d min pour la BPSK est le d min équivalent, en considérant lapuissance du bruit selon une seule dimension.Le RSB au niveau du mobile pour le bloc b s’écrit alorsγ b = P(b)σ 2 ν= P TXω H R(b)ωσ 2 ν. (3.60)Considérons l’utilisation d’une modulation linéaire. De plus, considérons que leRSB est suffisamment élevé de façon à pouvoir négliger la probabilité d’occurrenced’erreurs au-delà des points voisins de la constellation. Par ailleurs, considérons l’utilisationd’un codage de Gray. D’après [36], on peut donc approximer le TEB au blocb par l’expression suivante)TEB(b) ≈ N eN Q (√d2min2 γ b, (3.61)où N est le nombre de bits par symbole, d min est la distance minimale entre 2 pointspour une constellation de puissance unité, N e est le nombre moyen de voisins àdistance minimale et la fonction Q(·) est donnée parQ(x) = 1 √2π∫ ∞x( −t2exp2)dt . (3.62)Les paramètres N, N e et d min pour les modulations QAM sont présentés dansle tableau 3.3. Il est important de noter que l’approximation (3.61) est valable pourn’importe quelle modulation linéaire, comme la PSK par exemple, et non seulementpour la QAM.La figure 3.24 montre le TEB obtenu à partir de l’approximation (3.61) et le TEBobtenu à partir des simulations. On voit une légère déviation entre les deux courbespour des TEB au-dessus de 5 × 10 −1 . Par contre, pour des TEB au-dessous de cettevaleur, ce qui correspond à la région d’intérêt, on observe que l’approximation estbonne pour n’importe quelle modulation.