research & development 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 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 Avant-propos

3 Plan de la présentation I. Introduction Etat de lart des systèmes étudiés II. Symboles pilotes Etat de lart de lestimation de canal Comparaisons systèmes cohérents & non-cohérents III. Filtrage temporel Estimateurs proposés pour traitement des symboles pilotes IV. Estimation de canal itérative Estimateurs proposés robustes aux sélectivités V. Conclusion

4 Introduction Contexte de l'étude Objectifs Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

5 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 Contexte de létude Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

6 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 Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

7 Association MIMO-OFDM Canal de propagation radio-mobile Canal MIMO = N t x N r sous-canaux SISO sélectifs en temps (temps de cohérence T c fonction de la fréquence Doppler) sélectifs en fréquence (bande de cohérence B c fonction de la dispersion des retards) Canal MIMO Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

8 Association MIMO-OFDM Canal de propagation radio-mobile Canal équivalent MIMO-OFDM à évanouissement plat par sous-porteuse Simplification de légalisation réalisée dans le domaine fréquentiel Canal MIMO-OFDM i : indice de l'antenne Tx j : indice de l'antenne Rx k : indice sous-porteuse b : indice du symbole OFDM Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

9 Emission Schéma MIMO-OFDM utilisé 1.Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception 2.Mapping MIMO : répartition des symboles sur les différentes antennes Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

10 Emission Schéma MIMO-OFDM utilisé 1.Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception 2.Mapping MIMO : répartition des symboles sur les différentes antennes Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

11 Emission Schéma MIMO-OFDM utilisé 1.Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception 2.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 ? Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

12 Emission Schéma MIMO-OFDM utilisé 1.Association BICM : modulation codée avec entrelacement par bit Adaptée à un canal de Rayleigh & schéma itératif en réception 2.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 Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

13 Choix : Connaissance du canal en réception Systèmes cohérents Schéma en réception : égalisation + décodage de canal Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile

14 Choix : Connaissance du canal en réception Systèmes cohérents Schéma en réception : égalisation + décodage de canal Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile Par rapport à un contexte SISO-OFDM : Définition de nouvelles trames Elaborations de nouveaux estimateurs en réception Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

15 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 Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

16 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Construction de la matrice différentielle V k 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) Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés

17 Choix : Absence de connaissance du canal Systèmes non-cohérents Principe du codage espace-temps différentiel [Hughes 00] Exemple : codage espace-temps différentiel dAlamouti N t = 2 [Tarokh 00] Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés Extensions à N t = 3 et N t = 4 proposées par Nortel pour le standard IEEE e (2004) (s1,s2)(s1,s2)

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] Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés Aucune connaissance du canal en réception

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 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) Systèmes étudiés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Contexte de l'étude Objectifs Systèmes étudiés Aucune connaissance du canal en réception

20 Symboles pilotes Introduction Problématique MIMO Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

21 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile 3 catégories 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

22 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile 3 catégories 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Simple à mettre en œuvre à lémission en réception Mais Perte defficacité spectrale Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

23 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile 3 catégories 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Pas de perte defficacité spectrale Mais Temps de convergence long, complexité Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

24 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile 3 catégories 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Utilisation dune nouvelle information Mais Sensibles aux erreurs de propagation Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

25 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r 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 Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

26 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r 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 ») Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

27 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r 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 ») Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

28 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r coefficients de sous-canaux pour chaque donnée utile Contraintes sur les motifs de répartition : Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Remarque : techniques dinsertion de symboles pilotes superposés aux données utiles [Cariou 06] Introduction Problématique MIMO Résultats

29 Objectif de lestimateur de canal : estimer de manière indépendante N t x N r 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 N t symboles émis) : 1.Pas dinterférence co-antenne entre données utiles et symboles pilotes 2.Orthogonalité entre séquences dapprentissage émises sur chaque antenne Tx Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

30 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à lémission : insertion de symboles nuls Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

31 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à lémission : insertion de symboles nuls Exemple du cas MIMO N t = 2 Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

32 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à lémission : insertion de symboles nuls Exemple du cas MIMO N t = 2 1.Insertion de symboles nuls : orthogonalité entre séquences dapprentissage Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

33 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe à lémission : insertion de symboles nuls Exemple du cas MIMO N t = 2 1.Insertion de symboles nuls : orthogonalité entre séquences dapprentissage 2.Pas dinterférence co-antenne aux niveau des symboles pilotes Appliquer par antenne de réception N t algorithmes destimation de canal existants dans un cas SISO-OFDM Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

34 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO 1.Estimateur LS (moindres carrés) Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

35 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO 1.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 N t ) Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

36 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO 2.Estimateur LMMSE [Hoeher 97] Ensemble des couples {k,b } où le sous-canal Tx i Rx j a été estimé Tx 1 => Rx j Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats Estimées LS

37 Orthogonalité dans le domaine fréquentiel [Moon 2004] Principe en réception : même algorithmes que dans un cas SISO 2.Estimateur LMMSE [Hoeher 97] Filtre de Wiener 2D exploitant les corrélations temporelles et fréquentielles Filtre optimal au sens de lerreur quadratique moyenne Difficultés 1.Complexité de mise en œuvre : Deux filtres indépendants et appliqués successivement [Hoeher 91] Réduction du pavé temps/fréquence 2.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] Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

38 Orthogonalité dans le domaine temporel [Barhumi 2003] Principe à lémission: sous-porteuses pilotes déphasées dune antenne Tx à lautre Pas dinsertion de symboles nuls Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

39 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 N t = 4 Emission dune impulsion sur chaque Tx Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

40 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 N t = 4 Emission dune impulsion sur chaque Tx Déphasage fréquentiel Décalage temporel Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

41 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 N t = 4 Emission dune impulsion sur chaque Tx Déphasage fréquentiel Décalage temporel Récupération de manière indépendante des N t réponses impulsionnelles Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

42 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 N t = 4 Emission dune impulsion sur chaque Tx Déphasage fréquentiel Décalage temporel Récupération de manière indépendante des N t réponses impulsionnelles Domaine fréquentiel Coefficients des sous-canaux pour égalisation Estimateur TD (Time Domain) Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

43 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 N t = 4 Remarques : 1.Séquence initiale = impulsion ou une autre séquence 2. Problématique MIMO Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats L = longueur de la réponse impulsionnelle P = nombre de symboles pilotes

44 Comparaison entre systèmes cohérents et non-cohérents 1.Codage espace-temps dAlamouti + Egalisation MMSE 2.Codage espace-temps dAlamouti différentiel + Récepteur Conventionnel CD Canal MIMO N t = 2 et N r = 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

45 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : 1.Système cohérent 2.Système non-cohérent Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

46 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : 1.Système cohérent 2.Système non-cohérent Séquences dapprentissage orthogonale dans le domaine fréquentiel 2 estimateurs étudiés 1.Chest Parfaite : estimation parfaite des sous- canaux en réception 2.Chest LS : algorithme LS au niveau des symboles pilotes + interpolation en fréquence puis en temps Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

47 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : 1.Système cohérent 2.Système non-cohérent Séquences dapprentissage orthogonale dans le domaine fréquentiel 2 estimateurs étudiés 1.Chest Parfaite : estimation parfaite des sous- canaux en réception 2.Chest LS : algorithme LS au niveau des symboles pilotes + interpolation en fréquence puis en temps Symboles de référence : initialisation du processus différentiel à lémission Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

48 Trame Dérive de celle utilisée dans le projet européen IST-4MORE 2 systèmes : 1.Système cohérent 2.Système non-cohérent Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats Perte en efficacité spectrale

49 Performances Alamouti & Alamouti différentiel QPSK, N t = 2 et N r = 1, v = 60 km/h et v = 250 km/h Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

50 Performances Alamouti & Alamouti différentiel QPSK, N t = 2 et N r = 1, v = 60 km/h et v = 250 km/h v = 60 km/h : Perte de 2.5 dB avec lestimation de canal Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats 2.5 dB

51 Performances Alamouti & Alamouti différentiel QPSK, N t = 2 et N r = 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats 2 dB

52 Performances Alamouti & Alamouti différentiel QPSK, N t = 2 et N r = 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

53 Performances Alamouti & Alamouti différentiel QPSK, N t = 2 et N r = 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

54 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 Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

55 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 1.Estimateur par passage dans le domaine temporel 2.Estimation de canal itérative Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Introduction Problématique MIMO Résultats

56 Filtrage temporel Principes Estimateurs proposés Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

57 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

58 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 N t x N r 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

59 Principe de lestimateur IFFT FFT [Morelli 01] Estimées LS du sous-canal Tx i Rx j Passage dans le domaine temporel Fenêtrage temporel Estimées IFFT FFT du sous-canal Tx i Rx j Passage dans le domaine fréquentiel Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats Symbole pilote Tx 1 Rx j Symbole pilote Tx 2 Rx j

60 Principe de lestimateur IFFT FFT [Morelli 01] Estimées LS du sous-canal Tx i Rx j Passage dans le domaine temporel Fenêtrage temporel Estimées IFFT FFT du sous-canal Tx i Rx j Passage dans le domaine fréquentiel 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats Symbole pilote Tx 1 Rx j Symbole pilote Tx 2 Rx j

61 Principe de lestimateur IFFT FFT [Morelli 01] Estimées LS du sous-canal Tx i Rx j Passage dans le domaine temporel Fenêtrage temporel Estimées IFFT FFT du sous-canal Tx i Rx j Passage dans le domaine fréquentiel 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats Symbole pilote Tx 1 Rx j Symbole pilote Tx 2 Rx j

62 Principe de lestimateur IFFT FFT [Morelli 01] Estimées LS du sous-canal Tx i Rx j Passage dans le domaine temporel Fenêtrage temporel Estimées IFFT FFT du sous-canal Tx i Rx j Passage dans le domaine fréquentiel 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats Symbole pilote Tx 1 Rx j Symbole pilote Tx 2 Rx j Coefficients estimés sur les sous-porteuses pilotes Coefficients estimés sur lensemble du spectre OFDM

63 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

64 Estimateur IFFT FFT (cas SISO : [Doukopoulos 07]) Vecteur des coefficients du sous-canal Tx i Rx j estimés par lalgorithme IFFT FFT avec Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

65 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) Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

66 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 : P i = N mod = N FFT = 1024 P i = N mod = 704 < N FFT = 1024 P i = N mod /2 = 352 < N FFT = 1024 Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

67 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 : P i = N mod = N FFT = 1024 P i = N mod = 704 < N FFT = 1024 P i = N mod /2 = 352 < N FFT = 1024 Très faibles valeurs singulières = grande sensibilité au bruit Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

68 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) Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

69 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 Estimateurs proposés Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

70 Paramètres de simulation Canal MIMO : (N t = 2) x (N r = 2) sous-canaux BRAN E décorrélés Trame utilisée : Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

71 Paramètres de simulation Canal MIMO : (N t = 2) x (N r = 2) sous-canaux BRAN E décorrélés Trame utilisée : dérive de celle utilisée dans le projet européen IST-4MORE 5 estimateurs étudiés 1.Chest Parfaite : estimation de canal parfaite en réception 2.Chest LS : algorithme LS au niveau des symboles pilotes puis interpolation linéaire en fréquence et en temps 3.Chest LMMSE : algorithme LMMSE au niveau des symboles pilotes (interpolation de taille 32) puis interpolation linéaire en temps 4.Chest IFFT FFT : algorithme IFFT FFT au niveau des symboles pilotes (fenêtrage temporel = L) puis interpolation linéaire en temps 5.Chest TD : algorithme TD au niveau des symboles pilotes (décalage temporel = L) puis interpolation linéaire en temps Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

72 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) Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

73 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

74 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 Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

75 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 ? Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

76 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) 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 Th = 0.01 (1% de la valeur maximale) Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

77 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) Seuil plus élevé que pour lestimateur IFFT FFT car limpact des faibles valeurs singulières est plus important pour lestimateur TD Th = 0.1 (10% de la valeur maximale) Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats Remarque : seuil proposé dans la littérature pour dautres applications

78 BER de lestimateur TD Estimateur TD Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

79 BER de lestimateur TD Estimateur TD TD [Barhumi 03] : palier derreurs Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

80 BER de lestimateur TD Estimateur TD TD [Barhumi 03] : palier derreurs TD proposé : 0.5 dB de lestimateur LMMSE avec Th = Th = : discontinuités trop importantes Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

81 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 (N t = 2 et N r = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante) Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

82 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 (N t = 2 et N r = 1) Trame RNRT OPUS (contexte MIMO-OFDMA liaison descendante) Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats

83 Estimation de canal itérative Principes Corrélations Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

84 Estimation des coefficients des N t x N r sous-canaux 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.Techniques semi-aveugles avec retour de décision Estimation des coefficients des sous-canaux grâce aux des symboles pilotes & signaux émis estimés [Le Ruyet 06] Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

85 Estimation des coefficients des N t x N r sous-canaux 1.Techniques supervisées Data Aided (DA) ou Pilot Symbol Assisted Modulation [Guey 99] Insertion dans la trame de symboles connus du récepteur ou symboles pilotes 2.Techniques aveugles Aucune insertion de symboles connus dans la trame Connaissance de certaines propriétés statistiques du signal reçu [Shin 07] 3.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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

86 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE 1.MMSE-IC 2.ICE Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

87 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE 1.MMSE-IC : traiter linterférence co-antenne grâce à linformation fournie par le décodage de canal Remarque : simple MMSE pour les codes espace-temps orthogonaux (exemple : Alamouti) 2.ICE Egalisation & démodulation soft MIMO Décodage de canal Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

88 Calcul des coefficients des sous-canaux Schéma du récepteur MMSE-IC avec ICE 1.MMSE-IC : traiter linterférence co-antenne grâce à linformation fournie par le décodage de canal Remarque : simple MMSE pour les codes espace-temps orthogonaux (exemple : Alamouti) 2.ICE : calcul des N t x N r sous-canaux 1 ère itération : à partir des symboles pilotes Autres itérations : à partir des symboles reçus et des symboles utiles estimés + opération de filtrage (Wiener [Bonnet 06], temporel [Chen 05], moyennage [Adachi 06]) Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

89 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux 2.Interférence co-antenne Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

90 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux Exemple : code espace-temps dAlamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] 2.Interférence co-antenne Symboles estimés Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

91 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux Exemple : code espace-temps dAlamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] 2.Interférence co-antenne Principe : annulation dinterférence co-antenne grâce aux estimés des coefficients des sous- canaux aux symboles OFDM précédents [Moon 04] [Qiao 05] Principe proposé : Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

92 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux Exemple : code espace-temps dAlamouti, canal MIMO 2x1 [Le Ruyet 05] [Portier 2006] 2.Interférence co-antenne Principe : annulation dinterférence 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 Principes Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats Annulation de linterférence co-antenne avec Pondération

93 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux 2.Interférence co-antenne : estimateur itératif proposé Principe : annulation de linterférence co-antenne grâce aux estimées des sous-canaux obtenus à litération précédente + pondération + Utilisation des corrélations fréquentielle et temporelle des sous-canaux Corrélations Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

94 Calcul des coefficients des sous-canaux 1.Codes espace-temps orthogonaux 2.Interférence co-antenne : estimateur itératif proposé Principe : annulation de linterférence co-antenne grâce aux estimées des sous-canaux obtenus à litération précédente + pondération + Utilisation des corrélations fréquentielle et temporelle des sous-canaux 1.Estimateur IFFT FFT appliqué aux coefficients calculés Connaissance dun majorant à létalement maximal des retards 2.Algorithme de régression linéaire pour chaque sous-porteuse utile Aucune connaissance a priori sur les sous-canaux Corrélations Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats Coefficients des sous-canaux calculés précédemment Coefficients des sous-canaux calculés par lalgorithme de régression linéaire

95 Paramètres de simulation Canal MIMO : Sous-canaux BRAN E décorrélés Trame utilisée : Schémas MIMO & Egalisation 1.Codage espace-temps dAlamouti & MMSE 2.Multiplexage spatial & MMSE-IC (5 itérations) 3.Double Alamouti & MMSE-IC (5 itérations) Estimateur TD proposé au niveau des symboles pilotes Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

96 Multiplexage spatial N t = 2 N r = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

97 Multiplexage spatial N t = 2 N r = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h Interpolation linéaire des symboles pilotes : palier derreurs dû à la sélectivité temporelle Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

98 Multiplexage spatial N t = 2 N r = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h Interpolation linéaire des symboles pilotes : palier derreurs dû à la sélectivité temporelle ICE sans exploitation des corrélations : principe itératif inefficace Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

99 Multiplexage spatial N t = 2 N r = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h Interpolation linéaire des symboles pilotes : palier derreurs dû à la sélectivité temporelle ICE sans exploitation des corrélations : principe itératif inefficace Exploitation de la corrélation temporelle sur chaque sous-porteuse utile : ICE efficace (noté Chest TD ICE Corr) 2 dB Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

100 Multiplexage spatial N t = 2 N r = 2 Modulation QPSK, Egalisation MMSE-IC (5 It), v = 250 km/h Interpolation linéaire des symboles pilotes : palier derreurs dû à la sélectivité temporelle ICE sans exploitation des corrélations : principe itératif inefficace Exploitation de la corrélation temporelle sur chaque sous-porteuse utile : ICE efficace (noté Chest TD ICE Corr) Estimateurs proposés : IFFT FFT sur les données utiles et algorithme RL efficaces (noté Chest TD ICE Temp RL) Estimateurs proposés estimation de canal itérative robuste vis-à-vis des sélectivités fréquentielle et temporelle Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

101 Comparaisons des systèmes MIMO à même efficacité spectrale Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats : estimation parfaite : estimation de canal Pas dinterférence co-antenne Interférence co-antenne

102 Comparaisons des systèmes MIMO à même efficacité spectrale DA : meilleures performances car exploitation dune diversité de 4 et dune modulation QPSK Simple interpolation linéaire des symboles pilotes Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats : estimation parfaite : estimation de canal Pas dinterférence co-antenne Interférence co-antenne

103 Comparaisons des systèmes MIMO à même efficacité spectrale DA : meilleures performances car exploitation dune diversité de 4 et dune modulation QPSK Al : modulation 16-QAM donc plus grande sensibilité à lestimation de canal Simple interpolation linéaire des symboles pilotes Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats : estimation parfaite : estimation de canal Pas dinterférence co-antenne Interférence co-antenne

104 Comparaisons des systèmes MIMO à même efficacité spectrale DA : meilleures performances Ecart entre Chest Parfaite et Chest plus faible pour Al car calcul des coefficients des sous-canaux sans annulation dinterférence co-antenne Al 2x2 : 2 dB Mux 2x2 : 3.5 dB DA 4x2 : 3 dB Estimation de canal itérative (ICE RL) Résultats Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats : estimation parfaite : estimation de canal Pas dinterférence co-antenne Interférence co-antenne

105 Estimateur de canal itératifs proposés Adaptés à lensemble 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 dun seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

106 Estimateur de canal itératifs proposés Adaptés à lensemble 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 dun seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

107 Estimateur de canal itératifs proposés Adaptés à lensemble 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 dun seuil sur les symboles estimés et utilisation des coefficients des sous-canaux obtenus aux itérations précédentes Synthèse Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Corrélations Résultats

108 Conclusion Conclusion générale Principales contributions Perspectives Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

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 détats (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 Conclusion générale Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Conclusion générale Principales contributions Perspectives

110 Comparaisons systèmes MIMO-OFDM cohérents / non-cohérents Performances de différents systèmes MIMO avec estimation de canal réaliste sur canaux sélectifs Analyse de linfluence de lestimation de canal dans les schémas MIMO avec ou non interférences co-antenne Nouveaux estimateurs par filtrage temporel adaptés à tout type de séquence dapprentissage Validation par simulation & Analyse et réduction de la complexité Nouveaux estimateurs de canal itératifs robustes sur canal sélectif et adaptés à lensemble des mapping MIMO existants MIMO-OFDM MIMO LP-OFDM MIMO MC-CDMA Principales contributions Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Conclusion générale Principales contributions Perspectives

111 Estimation de canal pour les transmissions à accès multiples sur liaisons montantes Construction des séquences dapprentissage (prise en compte du caractère montant) Techniques destimation de canal avec pilotes superposés Etude avec mapping MIMO présentant de linterférence co-antenne Réalisation matérielle des estimateurs proposés et étudiés en simulation Estimateurs par filtrage temporel proposé Etude de loptimisation conjointe estimation de canal/synchronisation en MIMO- OFDM Construction des séquences dapprentissage Perspectives Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Conclusion générale Principales contributions Perspectives

112 Questions Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion

113 Bibliographie Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion [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 Estimateur IFFT FFT [Doukopoulos 07] Cas mono-antenne Nbr de symboles pilotes = P = N mod < N FFT [Doukopoulos 07] : remplace le pseudo-inverse par une multiplication matricielle Pourquoi ? Par définition si est inversible, alors Or, pour Nmod < NFFT, nest pas inversible donc le principe est de remplacer linversion par une pseudo-inversion Etude effectuées en MIMO : discontinuités réduites mais toujours présentes Annexe Introduction Symboles pilotes Filtrage temporel Estimation de canal itérative Conclusion Principes Estimateurs proposés Résultats