Estimation de canal pour syst

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

• Avant-propos

• Laboratoire d'accueil RESA/BWA/IRI
• BWA Broadband Wireless Access
• IRI Innovative Radio Interface
• Directrice de thèse
• Maryline Hélard France Telecom RD
• 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

• Plan de la présentation

• Introduction
• Etat de lart des systèmes étudiés
• Symboles pilotes
• Etat de lart de lestimation 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

Introduction

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

5

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Contexte de létude

• Domaine des communications numériques
• Fibre optique, téléphonie mobile (GSM, UMTS),
  réseaux sans fil (WiMAX)
• Estimation dun canal de propagation radio-mobile
  
• Etat de lart des techniques dans un contexte
  MIMO-OFDM
• Proposition de nouveaux estimateurs
• Pouvant sadapter à dautres environnements de
  propagation

6

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Objectifs

• Domaine des communications numériques
• Fibre optique, téléphonie mobile (GSM, UMTS),
  réseaux sans fil (WiMAX)
• Estimation dun canal de propagation radio-mobile
  
• Etat de lart 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 sadapter à dautres environnements de
  propagation

Objectifs
7

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Association MIMO-OFDM
• Canal de propagation radio-mobile

• Canal MIMO Nt x Nr sous-canaux SISO
• sélectifs en temps (temps de cohérence Tc
  fonction de la fréquence Doppler)
• sélectifs en fréquence (bande de cohérence Bc
  fonction de la dispersion des retards)

8

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Association MIMO-OFDM
• Canal de propagation radio-mobile

Canal MIMO-OFDM

• Canal équivalent MIMO-OFDM à évanouissement plat
  par sous-porteuse
• Simplification de légalisation réalisée dans le
  domaine fréquentiel

9

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Emission
• Schéma MIMO-OFDM utilisé

• Association BICM modulation codée avec
  entrelacement par bit
• Adaptée à un canal de Rayleigh schéma itératif
  en réception
• Mapping MIMO répartition des symboles sur les
  différentes antennes

10

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Emission
• Schéma MIMO-OFDM utilisé

• Association BICM modulation codée avec
  entrelacement par bit
• Adaptée à un canal de Rayleigh schéma itératif
  en réception
• Mapping MIMO répartition des symboles sur les
  différentes antennes

11

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Emission
• Schéma MIMO-OFDM utilisé

• Association BICM modulation codée avec
  entrelacement par bit
• Adaptée à un canal de Rayleigh schéma itératif
  en réception
• Mapping MIMO répartition des symboles sur les
  différentes antennes
• Connaissance du canal à lémission et en
  réception
• Connaissance du canal en réception
• Absence de connaissance du canal

?
12

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Emission
• Schéma MIMO-OFDM utilisé

• Association BICM modulation codée avec
  entrelacement par bit
• Adaptée à un canal de Rayleigh schéma itératif
  en réception
• Mapping MIMO répartition des symboles sur les
  différentes antennes
• Connaissance du canal à lémission et en
  réception
• Connaissance du canal en réception Alamouti,
  multiplexage spatial
• Absence de connaissance du canal codage
  espace-temps différentiel

13

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Choix Connaissance du canal en réception
• Systèmes cohérents
• Schéma en réception égalisation décodage de
  canal

• Objectif de lestimateur de canal estimer de
  manière indépendante Nt x Nr coefficients de
  sous-canaux pour chaque donnée utile

14

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Choix Connaissance du canal en réception
• Systèmes cohérents
• Schéma en réception égalisation décodage de
  canal

15

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Choix Absence de connaissance du canal
• Systèmes non-cohérents
• Principe du codage espace-temps différentiel
  Hughes 00

Matrice différentielle porteuse de linformation
Matrice espace-temps émise
16

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• Choix Absence de connaissance du canal
• Systèmes non-cohérents
• Principe du codage espace-temps différentiel
  Hughes 00
• Exemple codage espace-temps différentiel
  dAlamouti Nt 2 Tarokh 00

(s1,s2)
Extensions à Nt 3 et Nt 4 proposées par
Nortel pour le standard IEEE 802.16e (2004)
18

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• 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

Aucune connaissance du canal en réception
19

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Contexte de l'étude
• Objectifs
• Systèmes étudiés

Systèmes étudiés

• 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 lensemble des matrices
  différentielles (codes en groupe)
• Expansion de la constellation pour les codes non
  en groupe
• Complexité de la détection (fonction de lordre
  de modulation)
• Moins de flexibilité que les transmissions
  cohérentes MIMO (rendement espace-temps,
  association avec technique daccès multiples par
  étalement de spectre)

Aucune connaissance du canal en réception
20

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

Symboles pilotes

• Introduction
• Problématique MIMO
• Résultats

21

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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 doptimisation
• Simplicité de mise en œuvre à lémission 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 dune faible consommation de puissance
  au niveau des symboles pilotes (contrairement à
  la technique des pilotes amplifiés ou pilotes
  boostés )

27

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Introduction

• Objectif de lestimateur 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 doptimisation
• Simplicité de mise en œuvre à lémission 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 dune faible consommation de puissance
  au niveau des symboles pilotes (contrairement à
  la technique des pilotes amplifiés ou pilotes
  boostés )

28

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Objectif de lestimateur de canal
• estimer de manière indépendante Nt x Nr
  coefficients de sous-canaux pour chaque donnée
  utile
• Contraintes sur les motifs de répartition

Remarque techniques dinsertion de symboles
pilotes superposés aux données utiles Cariou 06
29

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Objectif de lestimateur 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 dinterférence co-antenne entre données
  utiles et symboles pilotes
• Orthogonalité entre séquences dapprentissage
  émises sur chaque antenne Tx

30

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe à lémission insertion de symboles
  nuls

31

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe à lémission insertion de symboles
  nuls
• Exemple du cas MIMO Nt 2

32

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe à lémission insertion de symboles
  nuls
• Exemple du cas MIMO Nt 2

• Insertion de symboles nuls orthogonalité
• entre séquences dapprentissage

33

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe à lémission insertion de symboles
  nuls
• Exemple du cas MIMO Nt 2

• Insertion de symboles nuls orthogonalité
• entre séquences dapprentissage
• Pas dinterférence co-antenne aux niveau
• des symboles pilotes

34

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe en réception même algorithmes que dans
  un cas SISO
• Estimateur LS (moindres carrés)

35

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe en réception même algorithmes que dans
  un cas SISO
• Estimateur LMMSE Hoeher 97

Tx 1 gt Rx j
Estimées LS
Ensemble des couples k,b où le sous-canal Tx
i Rx j a été estimé
37

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine fréquentiel Moon
  2004
• Principe en réception même algorithmes que dans
  un cas SISO
• Estimateur LMMSE Hoeher 97

• Filtre de Wiener 2D exploitant les corrélations
  temporelles et fréquentielles
• Filtre optimal au sens de lerreur quadratique
  moyenne
• Difficultés
• Complexité de mise en œuvre
• Deux filtres indépendants et appliqués
  successivement Hoeher 91
• Réduction du pavé temps/fréquence
• Connaissance des matrices de corrélation des
  sous-canaux
• Calcul à partir de la connaissance de certaines
  propriétés des sous-canaux (fréquence Doppler,
  étalement maximal des sous-canaux) Tolochko 02

38

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls

39

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls
• Exemple du cas MIMO Nt 4

Emission dune impulsion sur chaque Tx
40

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls
• Exemple du cas MIMO Nt 4

Emission dune impulsion sur chaque Tx
41

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls
• Exemple du cas MIMO Nt 4

Récupération de manière indépendante des Nt
réponses impulsionnelles
Emission dune impulsion sur chaque Tx
42

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls
• Exemple du cas MIMO Nt 4

Estimateur TD (Time Domain)
Domaine fréquentiel
Coefficients des sous-canaux pour égalisation
Récupération de manière indépendante des Nt
réponses impulsionnelles
Emission dune impulsion sur chaque Tx
43

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Problématique MIMO

• Orthogonalité dans le domaine temporel Barhumi
  2003
• Principe à lémission sous-porteuses pilotes
  déphasées dune antenne Tx à lautre
• Pas dinsertion de symboles nuls
• Exemple du cas MIMO Nt 4

• Remarques
• Séquence initiale impulsion ou une autre
  séquence

L longueur de la réponse impulsionnelle P
nombre de symboles pilotes
44

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Comparaison entre systèmes cohérents et
  non-cohérents
• Codage espace-temps dAlamouti Egalisation MMSE
• Codage espace-temps dAlamouti 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

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

46

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

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

• Séquences dapprentissage orthogonale dans le
  domaine fréquentiel
• 2 estimateurs étudiés
• Chest Parfaite estimation parfaite des
  sous-canaux en réception
• Chest LS algorithme LS au niveau des symboles
  pilotes interpolation en fréquence puis en temps

47

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

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

48

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

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

Perte en efficacité spectrale
49

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Performances Alamouti Alamouti différentiel
• QPSK, Nt 2 et Nr 1, v 60 km/h et v 250
  km/h

50

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Performances Alamouti Alamouti différentiel
• QPSK, Nt 2 et Nr 1, v 60 km/h et v 250
  km/h

• v 60 km/h
• Perte de 2.5 dB avec lestimation de canal

2.5 dB
51

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Performances Alamouti Alamouti différentiel
• QPSK, Nt 2 et Nr 1, v 60 km/h et v 250
  km/h

• v 60 km/h
• Perte de 2.5 dB avec lestimation de canal
• Gain de 2 dB par rapport au système
• non-cohérent

2 dB
52

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Performances Alamouti Alamouti différentiel
• QPSK, Nt 2 et Nr 1, v 60 km/h et v 250
  km/h

• v 60 km/h
• Perte de 2.5 dB avec lestimation de canal
• Gain de 2 dB par rapport au système
• non-cohérent
• v 250 km/h
• Palier derreurs avec estimation de canal

53

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Résultats

• Performances Alamouti Alamouti différentiel
• QPSK, Nt 2 et Nr 1, v 60 km/h et v 250
  km/h

• v 60 km/h
• Perte de 2.5 dB avec lestimation de canal
• Gain de 2 dB par rapport au système
• non-cohérent
• v 250 km/h
• Palier derreurs avec estimation de canal
• Pas de perte de performance pour le système
  non-cohérent

54

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Synthèse

• Comparaisons systèmes cohérents et non-cohérents
• Intérêt du codage espace-temps différentiel sur
  canal sélectif vis-à-vis dune 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 destimation
  de canal

55

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Introduction
• Problématique MIMO
• Résultats

Synthèse

• Comparaisons systèmes cohérents et non-cohérents
• Intérêt du codage espace-temps différentiel sur
  canal sélectif vis-à-vis dune 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 destimation
  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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

Filtrage temporel

• Principes
• Estimateurs proposés
• Résultats

57

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Filtrage temporel
• Amélioration de lestimation des sous-canaux par
  fenêtrage des réponses impulsionnelles
• Séquences dapprentissage estimateurs associés
• Orthogonalité dans le domaine temporel
• Estimateur TD Barhumi 03
• Orthogonalité dans le domaine fréquentiel
• Estimateur LS
• Estimateur LMMSE

58

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Filtrage temporel
• Amélioration de lestimation des sous-canaux par
  fenêtrage des réponses impulsionnelles
• Séquences dapprentissage 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 lalgorithme LS

59

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Principe de lestimateur IFFT FFT Morelli 01

60

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Principe de lestimateur IFFT FFT Morelli 01

• Fenêtrage temporel diminution de la puissance
  du bruit sur les coefficients estimés
• optimal connaissance de létalement maximal
  des retards
• Passages temporel/fréquentiel tire parti de la
  corrélation fréquentielle
• Interpolation à lensemble des sous-porteuses
  modulées

61

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Principe de lestimateur IFFT FFT Morelli 01

• Fenêtrage temporel diminution de la puissance
  du bruit sur les coefficients estimés
• optimal connaissance de létalement maximal
  des retards
• Passages temporel/fréquentiel tire parti de la
  corrélation fréquentielle
• Interpolation à lensemble des sous-porteuses
  modulées

62

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Principe de lestimateur IFFT FFT Morelli 01

• Fenêtrage temporel diminution de la puissance
  du bruit sur les coefficients estimés
• optimal connaissance de létalement maximal
  des retards
• Passages temporel/fréquentiel tire parti de la
  corrélation fréquentielle
• Interpolation à lensemble des sous-porteuses
  modulées

Coefficients estimés sur les sous-porteuses
pilotes
Coefficients estimés sur lensemble du spectre
OFDM
63

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Principes

• Filtrage temporel
• Amélioration de lestimation des sous-canaux par
  fenêtrage des réponses impulsionnelles
• Séquences dapprentissage 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 nest pas
  dédié à lestimation de canal
• Exemple sous-porteuses nulles insérées en
  bordure de spectre Doukopoulos 07
• Fortes discontinuités en bordure du spectre

64

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur IFFT FFT (cas SISO Doukopoulos 07)
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme IFFT FFT

avec
65

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur IFFT FFT (cas SISO Doukopoulos 07)
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme IFFT FFT
• Calcul du pseudo-inverse
• Décomposition en Valeurs Singulières (SVD)

66

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur IFFT FFT (cas SISO Doukopoulos 07)
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme IFFT FFT
• Calcul du pseudo-inverse
• Décomposition en Valeurs Singulières (SVD)
• Exemple
• Pi Nmod NFFT 1024
• Pi Nmod 704 lt NFFT 1024
• Pi Nmod/2 352 lt NFFT 1024

67

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur IFFT FFT (cas SISO Doukopoulos 07)
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme IFFT FFT
• Calcul du pseudo-inverse
• Décomposition en Valeurs Singulières (SVD)
• Exemple
• Pi Nmod NFFT 1024
• Pi Nmod 704 lt NFFT 1024
• Pi Nmod/2 352 lt NFFT 1024

Très faibles valeurs singulières grande
sensibilité au bruit
68

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur IFFT FFT proposé
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Estimateurs proposés

• Estimateur TD proposé
• Vecteur des coefficients du sous-canal Tx i Rx j
  estimés par lalgorithme 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

avec
70

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Paramètres de simulation
• Canal MIMO (Nt 2) x (Nr 2) sous-canaux BRAN
  E décorrélés
• Trame utilisée

71

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• 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

• 5 estimateurs étudiés
• Chest Parfaite estimation de canal parfaite en
  réception
• Chest LS algorithme LS au niveau des symboles
  pilotes puis interpolation linéaire en fréquence
  et en temps
• Chest LMMSE algorithme LMMSE au niveau des
  symboles pilotes (interpolation de taille 32)
  puis interpolation linéaire en temps
• Chest IFFT FFT algorithme IFFT FFT au niveau
  des symboles pilotes (fenêtrage temporel L)
  puis interpolation linéaire en temps
• Chest TD algorithme TD au niveau des symboles
  pilotes (décalage temporel L) puis
  interpolation linéaire en temps

72

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur IFFT FFT

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)

73

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur IFFT FFT

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)
• LMMSE LS MSE constant

74

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur IFFT FFT

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)
• LMMSE LS MSE constant
• IFFT FFT Morelli 01 fortes discontinuités

75

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur IFFT FFT

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)
• LMMSE LS MSE constant
• IFFT FFT Morelli 01 fortes discontinuités
• IFFT FFT proposé réduction des discontinuités
  (seuil Th)

Valeur de Th ?
76

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur IFFT FFT

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)
• LMMSE LS MSE constant
• IFFT FFT Morelli 01 fortes discontinuités
• IFFT FFT proposé réduction des discontinuités
  (seuil Th)

Th 0.01 (1 de la valeur maximale)
Plus la valeur du seuil est élevée, moins le
calcul du pseudo-inverse est précis Plus la
valeur du seuil est faible, plus les
discontinuités apparaissent
77

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• Analyse du MSE par sous-porteuse
• Estimateur TD

• MSE en fonction de lindice des sous-porteuses
  pour un SNR 24 dB (bordure du spectre modulé)
• TD Barhumi 03 fortes discontinuités
• TD proposé réduction des discontinuités (seuil
  Th)

Th 0.1 (10 de la valeur maximale)
Remarque seuil proposé dans la littérature pour
dautres applications
Seuil plus élevé que pour lestimateur IFFT FFT
car limpact des faibles valeurs singulières est
plus important pour lestimateur TD
78

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• BER de lestimateur TD
• Estimateur TD

79

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• BER de lestimateur TD
• Estimateur TD

• TD Barhumi 03 palier derreurs

80

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Résultats

• BER de lestimateur TD
• Estimateur TD

• TD Barhumi 03 palier derreurs
• TD proposé 0.5 dB de lestimateur LMMSE avec
  Th 0.1
• Th 0.000001 discontinuités trop importantes

81

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Synthèse

• Filtrage temporel
• Estimateurs IFFT FFT et TD classiques
  dégradation pour des trames où lensemble des
  sous-porteuses du spectre nest pas dédié à
  lestimation de canal
• Estimateurs IFFT FFT et TD proposés robuste
  pour nimporte 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 lestimateur TD
  (orthogonalité dans le domaine temporel)
• Applications
• Trame DVB-T2 (Nt 2 et Nr 1)
• Trame RNRT OPUS (contexte MIMO-OFDMA liaison
  descendante)

82

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Estimateurs proposés
• Résultats

Synthèse

• Filtrage temporel
• Estimateurs IFFT FFT et TD classiques
  dégradation pour des trames où lensemble des
  sous-porteuses du spectre nest pas dédié à
  lestimation de canal
• Estimateurs IFFT FFT et TD proposés robuste
  pour nimporte 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 lestimateur TD
  (orthogonalité dans le domaine temporel)
• Applications
• Trame DVB-T2 (Nt 2 et Nr 1)
• Trame RNRT OPUS (contexte MIMO-OFDMA liaison
  descendante)

83

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

Estimation de canal itérative

• Principes
• Corrélations
• Résultats

84

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Corrélations
• Résultats

Principes

• 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Corrélations
• Résultats

Principes

• 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

• Introduction
• Symboles pilotes
• Filtrage temporel
• Estimation de canal itérative
• Conclusion

• Principes
• Corrélations
• Résultats