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

118 Chapitre 4. Techniques multi-utilisateurs50454035Puissance d’émission30252015105DBPCMU−cBER − L=2010 −110 −210 −3TEB cible10 −410 −5Fig. 4.6: Puissance d’émission totale pour l’algorithme DBPC et MU-cBER (L =2)en fonction du TEB cible pour 2 utilisateurs et K =4.capteurs virtuels vaut 0, 03. En conséquence, le canal virtuel entre la SB et l’utilisateur1 possède un ordre de diversité de 2, qui est exploité par la technique de diversitéde transmission utilisée pour réduire la puissance d’émission. Le même raisonnementest valable pour l’utilisateur 2, dont les capteurs virtuels ont une corrélation normaliséede 0, 15. Cette plus grande corrélation par rapport à l’utilisateur 1 explique lefait que la puissance d’émission de l’utilisateur 2 soit légèrement supérieure à celle del’utilisateur 1, comme montre la figure 4.3(a).Cet exemple simple permet de comprendre l’interprétation physique de la solutionMU-cBER. Cette solution est capable de servir plusieurs utilisateurs, mais en pluschaque transmission mono-utilisateur possède des capteurs virtuels dont les canauxprésentent un ordre de diversité élevé.Finalement, la figure 4.6 montre l’évolution de la puissance totale d’émission enfonction du TEB cible pour les deux techniques. On note un gain significatif depuissance entre la solution MU-cBER et DBPC, de 4, 5 dB à 10 −2 jusqu’à 18, 5 dB à10 −5 . Ce gain montre l’avantage de l’exploitation de la diversité de transmission parla technique MU-cBER.3 utilisateurs On garde le même scénario à 2 trajets, mais on passe maintenant à 3utilisateurs. Le tableau 4.3 montre la direction des trajets de chaque utilisateur, ainsique leurs transmittances. On a utilisé le même nombre de couches dans le précodeur(L =2) et les mêmes paramètres pour l’algorithme MU-cBER. Par contre, on a faitvarier le nombre de capteurs entre 4 et 6 de façon à analyser le comportement des