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

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

4.4. Algorithme MU-cBER 113De façon analogue au cas mono-utilisateur, on peut réécrire l’équation d’adaptation(4.35) commeω j (k + 1) = ω j (k) + µ ∆ ωj (k) , (4.36)avec∆ ωj (k) =((∥R INT−1Rjj (k))(k) ω j (k)−1Rj − ω j (k) . (4.37)j (k))(k) ω j (k)∥R INTOn observe que ces deux premières étapes de l’algorithme sont couplées par lesquantités λ j (k) et ω j (k). De plus, il faut prendre des valeurs faibles pour µ de façon àgarantir la convergence de l’algorithme. On propose donc de prendre µ =0,1 et d’itérerplusieurs fois entre les deux premières étapes de l’algorithme pour faire converger àla fois λ j (k) et ω j (k). Ainsi, à puissances d’émission p j (k) fixées, la mise à jour desprécodeurs ω j (k) change un peu les RSIB γ j (k) qui, à leur tour, changent un peules λ j (k). Ce petit changement des λ j (k) conduit aussi a un petit changement desmatrices R j (k) et R INTj (k) et, par conséquent, à de nouveaux ω j (k) qui sont prochesde ceux du départ.Les deux premières étapes de l’algorithme peuvent être vues comme un algorithmequ’à partir d’un jeu de puissances d’émission p j (k) est capable de trouver lesprécodeurs ω j (k + 1) et les multiplicateurs de Lagrange λ j (k + 1) « optimaux » dansle sens d’annuler la dérivée du critère par rapport à ω j et à p j . La seule dérivée quipourrait être non-nulle serait celle par rapport à λ j . Les contraintes ne seraient doncpas respectées. Alors, on aurait trouvé une solution, donnée par ω j (k + 1) et p j (k),qui serait optimale pour des cibles particulières, mais pas celles recherchées.La troisième étape de l’algorithme correspond donc à la mise à jour des puissancesd’émission pour respecter les contraintes. Comme il a déjà été mentionné, on proposedeux approximations pour effectuer cette mise à jour, à savoir ne considérer que l’influencede la puissance d’émission qui intervient au numérateur dans l’expression (4.4)et linéariser la fonction Q pour trouver la valeur approximée de la puissance pourrespecter la contrainte. Ainsi, on en arrive à l’équation suivante pour la mise à jourdes puissances d’émission(g j pj (k) )p j (k + 1) = p j (k) + α {, (4.38)Ef ( γ j (b) ) x j (b)}∣ ∣∣∣∣pj=p j (k)où α est le pas d’adaptation et on utilise les nouveaux { précodeurs ω}k (k +1) pour calculerla contrainte g j(pj (k) ) et la dérivée ∂g j∂p j= − Ef ( γ j (b) ) x j (b). Le pas d’adaptationα a été introduit pour éviter la divergence de l’algorithme, vu que la méthodede Newton peut ne pas converger selon l’initialisation choisie [24].La mise à jour des puissances d’émission constitue la troisième et dernière étapede l’algorithme MU-cBER. Après cette étape, on a mis à jour les précodeurs et les

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

Saved successfully!

Ooh no, something went wrong!