TH`ESE - Library of Ph.D. Theses | EURASIP
TH`ESE - Library of Ph.D. Theses | EURASIP TH`ESE - Library of Ph.D. Theses | EURASIP
4Techniques multi-utilisateurs4.1 IntroductionDans un contexte multi-utilisateurs, le souci principal est la coexistence de plusieursutilisateurs dans la même cellule au vu de l’interférence occasionnée entre eux.Ainsi, la question dans ce cas est plutôt comment utiliser au mieux la puissanced’émission en considérant l’antenne multi-capteurs pour servir le plus grand nombred’utilisateurs possible, tout en respectant la qualité de lien demandée par chaque utilisateur.Cette question nous conduit, pour un nombre fixé d’utilisateurs, à un critèrebasé sur la minimisation de la puissance d’émission sous les contraintes de TEB ciblede chaque utilisateur. Ce critère peut être vu comme une extension de la techniquemBER-TD-DB au cas multi-utilisateurs.Ce chapitre présente donc l’extension de la technique mBER-TD-DB proposée auchapitre 3 au cas multi-utilisateurs. La technique mBER-TD-DB considère l’existenced’un seul utilisateur mobile et est basée sur la minimisation du TEB au niveau de cetutilisateur sous la contrainte d’une puissance d’émission maximale. Cela répond à laquestion de comment utiliser au mieux la puissance d’émission pour avoir la meilleurequalité au niveau de la couche physique concernant la transmission point-à-point entrela station de base et l’utilisateur mobile.Dans ce chapitre on pose le problème multi-utilisateurs et on propose commecritère de minimiser la puissance d’émission tout en respectant les TEB cibles dechaque utilisateur. Ce faisant, on augmente la capacité du système puisque la stationde base aura une réserve de puissance d’émission pour servir encore d’autres utilisateurs.On propose aussi un algorithme itératif pour trouver la solution optimale ducritère proposé.101
- 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 and 106: 3.6. Minimisation du TEB 85plat.On
- Page 107 and 108: 3.6. Minimisation du TEB 8710 0 RSB
- 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 123 and 124: 4.3. Critère multi-utilisateurs av
- Page 125 and 126: 4.3. Critère multi-utilisateurs av
- Page 127 and 128: 4.3. Critère multi-utilisateurs av
- Page 129 and 130: 4.3. Critère multi-utilisateurs av
- Page 131 and 132: 4.4. Algorithme MU-cBER 1114.4 Algo
- Page 133 and 134: 4.4. Algorithme MU-cBER 113De faço
- Page 135 and 136: 4.5. Résultats des simulations 115
- Page 137 and 138: 4.5. Résultats des simulations 117
- Page 139 and 140: 4.5. Résultats des simulations 119
- Page 141 and 142: 4.6. Idées et perspectives 121La f
- Page 143 and 144: 4.7. Conclusion 123La matrice A, é
- Page 145 and 146: 5Conclusion et perspectivesDans ce
- Page 147 and 148: Bibliographie[1] S. M. Alamouti.
- Page 149 and 150: 129[23] G. H. Golub et C. F. Van Lo
- Page 151: 131[49] R. Vishwakarma et K. S. Sha
- Page 154 and 155: 134 Index d’auteursJöngren, G.,
- Page 157 and 158: XXII SIMPÓSIO BRASILEIRO DE TELECO
- Page 159 and 160: XXII SIMPÓSIO BRASILEIRO DE TELECO
- Page 161 and 162: XXII SIMPÓSIO BRASILEIRO DE TELECO
- Page 163 and 164: VI INTERNATIONAL TELECOMMUNICATIONS
- Page 165 and 166: VI INTERNATIONAL TELECOMMUNICATIONS
- Page 167 and 168: VI INTERNATIONAL TELECOMMUNICATIONS
- Page 169 and 170: VI INTERNATIONAL TELECOMMUNICATIONS
4Techniques multi-utilisateurs4.1 IntroductionDans un contexte multi-utilisateurs, le souci principal est la coexistence de plusieursutilisateurs dans la même cellule au vu de l’interférence occasionnée entre eux.Ainsi, la question dans ce cas est plutôt comment utiliser au mieux la puissanced’émission en considérant l’antenne multi-capteurs pour servir le plus grand nombred’utilisateurs possible, tout en respectant la qualité de lien demandée par chaque utilisateur.Cette question nous conduit, pour un nombre fixé d’utilisateurs, à un critèrebasé sur la minimisation de la puissance d’émission sous les contraintes de TEB ciblede chaque utilisateur. Ce critère peut être vu comme une extension de la techniquemBER-TD-DB au cas multi-utilisateurs.Ce chapitre présente donc l’extension de la technique mBER-TD-DB proposée auchapitre 3 au cas multi-utilisateurs. La technique mBER-TD-DB considère l’existenced’un seul utilisateur mobile et est basée sur la minimisation du TEB au niveau de cetutilisateur sous la contrainte d’une puissance d’émission maximale. Cela répond à laquestion de comment utiliser au mieux la puissance d’émission pour avoir la meilleurequalité au niveau de la couche physique concernant la transmission point-à-point entrela station de base et l’utilisateur mobile.Dans ce chapitre on pose le problème multi-utilisateurs et on propose commecritère de minimiser la puissance d’émission tout en respectant les TEB cibles dechaque utilisateur. Ce faisant, on augmente la capacité du système puisque la stationde base aura une réserve de puissance d’émission pour servir encore d’autres utilisateurs.On propose aussi un algorithme itératif pour trouver la solution optimale ducritère proposé.101