Estimation de canal pour syst mes multi-antennes multi-porteuses

1. Estimation de canal pour systèmes multi-antennes multi-porteuses Thèse présentée devant l'INSA de Rennes en vue de l'obtention du doctorat d'Electronique Le Saux Benoît Le 25 octobre 2007

2. 2 Laboratoire d'accueil : RESA/BWA/IRI BWA : Broadband Wireless Access IRI : Innovative Radio Interface Directrice de thèse Maryline Hélard : France Telecom R&D Applications RNRT OPUS : évolutions possibles de l'UMTS Technologie MIMO OFDMA liaison descendante DVB-T2 : futur standard de diffusion numérique terrestre Technologie MIMO OFDM

3. 3 Introduction Etat de l’art des systèmes étudiés Symboles pilotes Etat de l’art de l’estimation de canal Comparaisons systèmes cohérents & non-cohérents Filtrage temporel Estimateurs proposés pour traitement des symboles pilotes Estimation de canal itérative Estimateurs proposés robustes aux sélectivités Conclusion

4. 4

5. 5 Domaine des communications numériques Fibre optique, téléphonie mobile (GSM, UMTS), réseaux sans fil (WiMAX) … Estimation d’un canal de propagation radio-mobile Etat de l’art des techniques dans un contexte MIMO-OFDM Proposition de nouveaux estimateurs Pouvant s’adapter à d’autres environnements de propagation

6. 6 Domaine des communications numériques Fibre optique, téléphonie mobile (GSM, UMTS), réseaux sans fil (WiMAX) … Estimation d’un canal de propagation radio-mobile Etat de l’art des techniques dans un contexte MIMO-OFDM Proposition de nouveaux estimateurs Robustes vis-à-vis du bruit et des sélectivités Adaptés à tout type de trame MIMO-OFDM émise Bon compromis performances/efficacité spectrale Pouvant s’adapter à d’autres environnements de propagation

7. 7 Association MIMO-OFDM Canal de propagation radio-mobile

8. 8 Association MIMO-OFDM Canal de propagation radio-mobile

9. 9 Emission Schéma MIMO-OFDM utilisé

10. 10 Emission Schéma MIMO-OFDM utilisé

11. 11 Emission Schéma MIMO-OFDM utilisé

12. 12 Emission Schéma MIMO-OFDM utilisé

13. 13 Choix : Connaissance du canal en réception Systèmes cohérents Schéma en réception : égalisation + décodage de canal

14. 14 Choix : Connaissance du canal en réception Systèmes cohérents Schéma en réception : égalisation + décodage de canal

15. 15 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00]

16. 16 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Construction de la matrice différentielle Vk Code espace-temps différentiel en groupe [Hughes 00] : ensemble des matrices espace-temps émises = ensemble des matrices différentielles 1 matrice différentielle correspond à un ensemble de données utiles Code espace-temps différentiel non en groupe [Tarokh 00] = extension des codes espace-temps pour des transmissions cohérentes (motifs orthogonaux, quasi-orthogonaux)

17. 17 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Exemple : codage espace-temps différentiel d’Alamouti Nt = 2 [Tarokh 00]

18. 18 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Principe de la détection non-cohérente [Lampe 02]

19. 19 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Principe de la détection non-cohérente [Lampe 02] Contraintes Construction de l’ensemble des matrices différentielles (codes en groupe) Expansion de la constellation pour les codes non en groupe Complexité de la détection (fonction de l’ordre de modulation) Moins de flexibilité que les transmissions cohérentes MIMO (rendement espace-temps, association avec technique d’accès multiples par étalement de spectre)

20. 20

21. 21 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile 3 catégories Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06]

22. 22 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile 3 catégories Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06]

23. 23 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile 3 catégories Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06]

24. 24 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile 3 catégories Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06]

25. 25 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile Choix : techniques supervisées Insertion de symboles pilotes dans la trame Généralement utilisées dans les systèmes car bon compromis performance/complexité

26. 26 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile Choix : techniques supervisées Insertion de symboles pilotes dans la trame Généralement utilisées dans les systèmes car bon compromis performance/complexité Critères d’optimisation Simplicité de mise en œuvre à l’émission et en réception Performances sur canal MIMO sélectif en temps et/ou en fréquence Conserver un rapport (nombre de symboles pilotes/nombre de symboles dans la trame) le plus faible possible Maintien d’une faible consommation de puissance au niveau des symboles pilotes (contrairement à la technique des pilotes amplifiés ou pilotes « boostés »)

27. 27 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile Choix : techniques supervisées Insertion de symboles pilotes dans la trame Généralement utilisées dans les systèmes car bon compromis performance/complexité Critères d’optimisation Simplicité de mise en œuvre à l’émission et en réception Performances sur canal MIMO sélectif en temps et/ou en fréquence Conserver un rapport (nombre de symboles pilotes/nombre de symboles dans la trame) le plus faible possible Maintien d’une faible consommation de puissance au niveau des symboles pilotes (contrairement à la technique des pilotes amplifiés ou pilotes « boostés »)

28. 28 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile Contraintes sur les motifs de répartition :

29. 29 Objectif de l’estimateur de canal : estimer de manière indépendante Nt x Nr coefficients de sous-canaux pour chaque donnée utile Contraintes sur les motifs de répartition : Sélectivités des sous-canaux : motif de répartition des symboles pilotes doit tenir compte du sous-canal le plus sélectif (temps et fréquence) Contexte MIMO (chaque symbole reçu = superposition de Nt symboles émis) : Pas d’interférence co-antenne entre données utiles et symboles pilotes Orthogonalité entre séquences d’apprentissage émises sur chaque antenne Tx

30. 30 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls

31. 31 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls Exemple du cas MIMO Nt = 2

32. 32 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls Exemple du cas MIMO Nt = 2

33. 33 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à l’émission : insertion de symboles nuls Exemple du cas MIMO Nt = 2

34. 34 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO Estimateur LS (moindres carrés)

35. 35 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO Estimateur LS (moindres carrés) + Interpolation (constante, linéaire, polynomiale…) Ne nécessite aucune connaissance a priori en réception des sous-canaux Sensibilité au bruit (LS) + sensibilité aux sélectivités (interpolation) Impact du MIMO : motif plus sensible aux sélectivités que dans un cas mono-antenne (écart entre deux symboles pilotes dépend ici de Nt)

36. 36 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO Estimateur LMMSE [Hoeher 97]

37. 37 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO Estimateur LMMSE [Hoeher 97]

38. 38 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls

39. 39 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls Exemple du cas MIMO Nt = 4

40. 40 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls Exemple du cas MIMO Nt = 4

41. 41 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls Exemple du cas MIMO Nt = 4

42. 42 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls Exemple du cas MIMO Nt = 4

43. 43 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à l’émission: sous-porteuses pilotes déphasées d’une antenne Tx à l’autre Pas d’insertion de symboles nuls Exemple du cas MIMO Nt = 4

44. 44 Comparaison entre systèmes cohérents et non-cohérents Codage espace-temps d’Alamouti + Egalisation MMSE Codage espace-temps d’Alamouti différentiel + Récepteur Conventionnel CD Canal MIMO Nt = 2 et Nr = 1 Sous-canaux SISO décorrélés de type Broadband Radio Access Network E (BRAN E) BRAN E : canal sélectif en temps et en fréquence simulant un environnement extérieur Paramètres de simulation Entrelacement binaire sur un symbole OFDM modulé Modulation QPSK Codage convolutif K = 7 & Rc = ½ Décodage de canal de type max log MAP

45. 45 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : Système cohérent Système non-cohérent

46. 46 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : Système cohérent Système non-cohérent

47. 47 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : Système cohérent Système non-cohérent

48. 48 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : Système cohérent Système non-cohérent

49. 49 Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h

50. 50 Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h

51. 51 Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h

52. 52 Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h

53. 53 Performances Alamouti & Alamouti différentiel QPSK, Nt = 2 et Nr = 1, v = 60 km/h et v = 250 km/h

54. 54 Comparaisons systèmes cohérents et non-cohérents Intérêt du codage espace-temps différentiel sur canal sélectif vis-à-vis d’une estimation de canal réaliste sans information a priori sur les sous-canaux Mais : contraintes du codage espace-temps différentiel (flexibilité, complexité) Choix : amélioration des techniques d’estimation de canal

55. 55 Comparaisons systèmes cohérents et non-cohérents Intérêt du codage espace-temps différentiel sur canal sélectif vis-à-vis d’une estimation de canal réaliste sans information a priori sur les sous-canaux Mais : contraintes du codage espace-temps différentiel (flexibilité, complexité) Choix : amélioration des techniques d’estimation de canal Problématique à résoudre sur systèmes cohérents Conserver de bonnes performances sur canal sélectif en minimisant le nombre de symboles pilotes sans connaissance a-priori des sous-canaux en réception Estimateur par passage dans le domaine temporel Estimation de canal itérative

56. 56

57. 57 Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses impulsionnelles Séquences d’apprentissage & estimateurs associés Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03] Orthogonalité dans le domaine fréquentiel Estimateur LS Estimateur LMMSE

58. 58 Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses impulsionnelles Séquences d’apprentissage & estimateurs associés Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03] : estimer de manière indépendante par fenêtrage temporel les Nt x Nr réponses impulsionnelles Orthogonalité dans le domaine fréquentiel Estimateur LS Estimateur LMMSE Estimateur IFFT FFT [Morelli 01] : filtrage dans le domaine temporel des coefficients des sous-canaux obtenus par l’algorithme LS

59. 59 Principe de l’estimateur IFFT FFT [Morelli 01]

60. 60 Principe de l’estimateur IFFT FFT [Morelli 01]

61. 61 Principe de l’estimateur IFFT FFT [Morelli 01]

62. 62 Principe de l’estimateur IFFT FFT [Morelli 01]

63. 63 Filtrage temporel Amélioration de l’estimation des sous-canaux par fenêtrage des réponses impulsionnelles Séquences d’apprentissage & estimateurs associés Orthogonalité dans le domaine temporel Estimateur TD [Barhumi 03] Orthogonalité dans le domaine fréquentiel Estimateur IFFT FFT [Morelli 01] Problématique des estimateurs par filtrage temporel [Morelli 01] Ensemble des sous-porteuses du spectre n’est pas dédié à l’estimation de canal Exemple : sous-porteuses nulles insérées en bordure de spectre [Doukopoulos 07] Fortes discontinuités en bordure du spectre

64. 64 Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT

65. 65 Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD)

66. 66 Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD) Exemple : Pi = Nmod = NFFT = 1024 Pi = Nmod = 704 < NFFT = 1024 Pi = Nmod/2 = 352 < NFFT = 1024

67. 67 Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD) Exemple : Pi = Nmod = NFFT = 1024 Pi = Nmod = 704 < NFFT = 1024 Pi = Nmod/2 = 352 < NFFT = 1024

68. 68 Estimateur IFFT FFT proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme IFFT FFT Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD) Très faibles valeurs singulières = grande sensibilité au bruit Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD (seuil sur les valeurs singulières)

69. 69 Estimateur TD proposé Vecteur des coefficients du sous-canal Tx i Rx j estimés par l’algorithme TD [Barhumi 03 ] Calcul du pseudo-inverse Décomposition en Valeurs Singulières (SVD) Très faibles valeurs singulières = grande sensibilité au bruit Nouvelle méthode pour le calcul du pseudo-inverse : appliquer une SVD tronquée ou TSVD

70. 70 Paramètres de simulation Canal MIMO : (Nt = 2) x (Nr = 2) sous-canaux BRAN E décorrélés Trame utilisée :

71. 71 Paramètres de simulation Canal MIMO : (Nt = 2) x (Nr = 2) sous-canaux BRAN E décorrélés Trame utilisée : dérive de celle utilisée dans le projet européen IST-4MORE

72. 72 Analyse du MSE par sous-porteuse Estimateur IFFT FFT

73. 73 Analyse du MSE par sous-porteuse Estimateur IFFT FFT

74. 74 Analyse du MSE par sous-porteuse Estimateur IFFT FFT

75. 75 Analyse du MSE par sous-porteuse Estimateur IFFT FFT

76. 76 Analyse du MSE par sous-porteuse Estimateur IFFT FFT

77. 77 Analyse du MSE par sous-porteuse Estimateur TD

78. 78 BER de l’estimateur TD Estimateur TD

79. 79 BER de l’estimateur TD Estimateur TD

80. 80 BER de l’estimateur TD Estimateur TD

81. 81 Filtrage temporel Estimateurs IFFT FFT et TD classiques : dégradation pour des trames où l’ensemble des sous-porteuses du spectre n’est pas dédié à l’estimation de canal Estimateurs IFFT FFT et TD proposés : robuste pour n’importe quel type de trame Réduction de la puissance du bruit, Exploitation de la corrélation fréquentielle IFFT FFT ou TD ? IFFT FFT (insertion de symboles nuls) : plus sensible aux sélectivités que l’estimateur TD (orthogonalité dans le domaine temporel) Applications Trame DVB-T2 (Nt = 2 et Nr = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante)

82. 82 Filtrage temporel Estimateurs IFFT FFT et TD classiques : dégradation pour des trames où l’ensemble des sous-porteuses du spectre n’est pas dédié à l’estimation de canal Estimateurs IFFT FFT et TD proposés : robuste pour n’importe quel type de trame Réduction de la puissance du bruit, Exploitation de la corrélation fréquentielle IFFT FFT ou TD ? IFFT FFT (insertion de symboles nuls) : plus sensible aux sélectivités que l’estimateur TD (orthogonalité dans le domaine temporel) Applications Trame DVB-T2 (Nt = 2 et Nr = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante)

83. 83

84. 84 Estimation des coefficients des Nt x Nr sous-canaux Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06]

85. 85 Estimation des coefficients des Nt x Nr sous-canaux Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Estimation de canal itérative ou ICE

86. 86 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE

87. 87 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE

88. 88 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE

89. 89 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Interférence co-antenne

90. 90 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] Interférence co-antenne

91. 91 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] Interférence co-antenne Principe : annulation d’interférence co-antenne grâce aux estimés des coefficients des sous-canaux aux symboles OFDM précédents [Moon 04] [Qiao 05] Principe proposé :

92. 92 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Exemple : code espace-temps d’Alamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] Interférence co-antenne Principe : annulation d’interférence co-antenne grâce aux estimés des coefficients des sous-canaux aux symboles OFDM précédents [Moon 04] [Qiao 05] Principe proposé : utilisation des coefficients des sous-canaux estimés aux itérations précédents + pondération

93. 93 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Interférence co-antenne : estimateur itératif proposé Principe : annulation de l’interférence co-antenne grâce aux estimées des sous-canaux obtenus à l’itération précédente + pondération + Utilisation des corrélations fréquentielle et temporelle des sous-canaux

94. 94 Calcul des coefficients des sous-canaux Codes espace-temps orthogonaux Interférence co-antenne : estimateur itératif proposé Principe : annulation de l’interférence co-antenne grâce aux estimées des sous-canaux obtenus à l’itération précédente + pondération + Utilisation des corrélations fréquentielle et temporelle des sous-canaux Estimateur IFFT FFT appliqué aux coefficients calculés Connaissance d’un majorant à l’étalement maximal des retards Algorithme de régression linéaire pour chaque sous-porteuse utile Aucune connaissance a priori sur les sous-canaux

95. 95 Paramètres de simulation Canal MIMO : Sous-canaux BRAN E décorrélés Trame utilisée : Schémas MIMO & Egalisation Codage espace-temps d’Alamouti & MMSE Multiplexage spatial & MMSE-IC (5 itérations) Double Alamouti & MMSE-IC (5 itérations)

96. 96 Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

97. 97 Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

98. 98 Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

99. 99 Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

100. 100 Multiplexage spatial Nt = 2 Nr = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h

101. 101 Comparaisons des systèmes MIMO à même efficacité spectrale

102. 102 Comparaisons des systèmes MIMO à même efficacité spectrale

103. 103 Comparaisons des systèmes MIMO à même efficacité spectrale

104. 104 Comparaisons des systèmes MIMO à même efficacité spectrale

105. 105 Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences Exploitation de la diversité Estimation de canal itérative plus robuste Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes

106. 106 Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences Exploitation de la diversité Estimation de canal itérative plus robuste Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes

107. 107 Estimateur de canal itératifs proposés Adaptés à l’ensemble des mapping MIMO existants Robustes vis-à-vis du bruit et des sélectivités temporelle et fréquentielle Bon rapport performance/complexité Codes espace-temps orthogonaux Simplicité de calcul des coefficients des sous-canaux Estimateurs proposés plus efficaces que pour les mappings MIMO avec interférences Exploitation de la diversité Estimation de canal itérative plus robuste Cas MIMO MC-CDMA et MIMO LP-OFDM traités Tenir compte de la nature des symboles émis pouvant être nuls Estimateurs proposés avec définition d’un seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes

108. 108

109. 109 Estimation de canal MIMO-OFDM Nouvelles contraintes par rapport au SISO-OFDM Nouvelles trames / Nouveaux estimateurs Codage espace-temps différentiel Intérêt pour des modulations à faible nombre d’états (BPSK, QPSK) sur canaux sélectifs Estimateurs proposés Robustes pour tout type de trame Diminuer la puissance du bruit sur les symboles pilotes Tirer parti des corrélations temporelle et fréquentielle Traitement des symboles pilotes Estimation de canal itérative

110. 110 Comparaisons systèmes MIMO-OFDM cohérents / non-cohérents Performances de différents systèmes MIMO avec estimation de canal réaliste sur canaux sélectifs Analyse de l’influence de l’estimation de canal dans les schémas MIMO avec ou non interférences co-antenne Nouveaux estimateurs par filtrage temporel adaptés à tout type de séquence d’apprentissage Validation par simulation & Analyse et réduction de la complexité Nouveaux estimateurs de canal itératifs robustes sur canal sélectif et adaptés à l’ensemble des mapping MIMO existants MIMO-OFDM MIMO LP-OFDM MIMO MC-CDMA

111. 111 Estimation de canal pour les transmissions à accès multiples sur liaisons montantes Construction des séquences d’apprentissage (prise en compte du caractère montant) Techniques d’estimation de canal avec pilotes superposés Etude avec mapping MIMO présentant de l’interférence co-antenne Réalisation matérielle des estimateurs proposés et étudiés en simulation Estimateurs par filtrage temporel proposé Etude de l’optimisation conjointe estimation de canal/synchronisation en MIMO-OFDM Construction des séquences d’apprentissage

112. 112

113. 113 [Hughes 00] : Differential space-time modulation, B. Hughes, IEEE Transactions on Information Theory, Novembre 2000 [Tarokh 00] : A differential detection scheme for transmit diversity, IEEE Journal on Selected Areas in Communications, Juillet 2000 [Lampe 02] : Bit-interleaved coded differential space-time modulation, IEEE Transactions on communications, Septembre 2002 [Guey 99] : Signal design for transmitter diversity wireless communication systems over rayleigh fading channels, IEEE Transactions on Communications, Avril 1999 [Shin 07] : Blind channel estimation for MIMO-OFDM systems, IEEE Transactions on Vehicular Technology, Mars 2004 [Le Ruyet 06] : Pilot symbol aided iterative channel estimation for OFDM-based systems, EUSIPCO, 2005 [Cariou 06] : Superimposed pilot-based channel estimation for MIMO OFDM code division multiplexing uplink systems, MC-SS 2006 [Moon 04] : Channel estimation for MIMO OFDM systems employing spatial multiplexing, IEEE Vehicular Technology Conference, Septembre 2004 [Barhumi 03] : Optimal training design for MIMO OFDM systems in mobile wireless channels, IEEE Transactions on Signal Processing, Juin 2003 [Morelli 01] : A comparison of pilot-aided channel estimation methods for OFDM systems, IEEE Transactions on Signal Processing, Janvier 2001 [Doukopoulos 07] : Robust channel estimation via FFT interpolation for multicarrier systems, IEEE Vehicular Technology Conference, Avril 2007

114. 114 Estimateur IFFT FFT [Doukopoulos 07] Cas mono-antenne Nbr de symboles pilotes = P = Nmod < NFFT [Doukopoulos 07] : remplace le pseudo-inverse par une multiplication matricielle Pourquoi ? Par définition si est inversible, alors Or, pour Nmod < NFFT, n’est pas inversible donc le principe est de remplacer l’inversion par une pseudo-inversion Etude effectuées en MIMO : discontinuités réduites mais toujours présentes