12.07.2015 Views

TH`ESE - Library of Ph.D. Theses | EURASIP

TH`ESE - Library of Ph.D. Theses | EURASIP

TH`ESE - Library of Ph.D. Theses | EURASIP

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

3.6. Minimisation du TEB 933.6.4 Résultats des simulationsLes simulations présentées ici on été obtenues dans les mêmes conditions quecelles présentées dans la section 3.5.4, c’est-à-dire, une antenne multi-capteurs linéaireavec K =4 capteurs espacés de λ c/ 2 et un précodeur à L = 2 couches. On supposel’utilisation d’une modulation 4-QAM, dont l’expression du TEB est donnée parl’équation (3.56) et on considère deux des trois scénarios de simulation présentésdans la section 3.5.4, à savoir un canal NLOS et un canal sélectif en fréquence.Ici on a utilisé N t =200 000 blocs d’apprentissage au lieu de 30 000 comme auparavant,mais on a gardé N d = 100000 blocs de données pour mesurer les performancesdes techniques. L’augmentation du nombre de blocs d’apprentissage a été nécessairepour éliminer le caractère erratique des courbes correspondant à la solution mBER-TD-DB. Cela vient du fait que, en raison de la non-linéarité présente dans le critère,l’estimation de la matrice R k nécessite un plus grand nombre de blocs lorsque le TEBet, par conséquent, la fonction f(·) deviennent très faibles. Les solutions Eig-BF etCPA sont moins sensibles à ce phénomène car elles sont basées sur un critère d’ordre2 et 4, respectivement. En conséquence, le nombre de blocs nécessaires pour avoir unebonne estimation est plus faible pour ces solutions. La solution mBER-TD-DB, parcontre, estime de façon implicite les statistiques d’ordres supérieurs, ce qui demandeune fenêtre d’estimation plus importante. On souligne que l’on pourrait utiliser unnombre de blocs d’apprentissage beaucoup plus réduit lorsque le TEB de la solutionest élevé et augmenter ce nombre pour des TEB plus faibles. Cependant, poursimplifier les simulations, on a utilisé le même nombre de blocs pour tous les points.Dans la suite, on compare les solutions suivantes : Eigen-Beamforming (Eig-BF),Constant Power Approach (CPA) et la technique mBER-TD-DB proposée dans cettesection.3.6.4.1 Scénario NLOSLe scénario NLOS simulé correspond à un seul trajet dans la direction 0 ◦ etun étalement angulaire ∆ autour de cette direction. C’est donc un canal plat enfréquence. Ce scénario a été défini dans [43]. Pour plus de détails, voir la section 3.5.4.1.On s’intéresse particulièrement au cas ∆ = 5 ◦ , où la solution CPA présente unedégradation par rapport à la solution Eig-BF à des valeurs de TEB relativementhauts. Par contre, toutes les observations et conclusions relatives au scénario NLOSavec ∆ =5 ◦ sont aussi valables pour ∆ =25 ◦ .On commence par le réglage du pas d’adaptation µ. On a remarqué que la valeurmaximale de µ pour garantir la convergence de l’algorithme dépend du TEB. Pourdes valeurs de TEB plus élevées, un pas d’adaptation proche de 1 peut être utilisé.Par contre, lorsque le TEB final décroît, il faut aussi réduire la valeur de µ pourgarantir la convergence fine de l’algorithme. Dans cette situation (TEB faible), leserreurs sont surtout dues au fading et non pas au bruit thermique. Ainsi, l’adaptationdu précodeur ω k peut avoir un grand impact sur le TEB de différents blocs. Cela peut

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!