Commit 40ef555d authored by Pierre-antoine Comby's avatar Pierre-antoine Comby

433 cours du 08/04

parent cbe40799
......@@ -50,7 +50,7 @@ On prélève la valeur de $x_c(t)$ à un instant de l'ensemble discret $nT_e, n\
\begin{rem}
$\snzi$ traduit la causalité, la distribution $\delta$ traduit la durée infiniment courte de l'échantillonnage (échantillonnage idéal)
\end{rem}
\pagebreak
Dans le domaine fréquentiel, on a donc
\begin{align*}
X_E(f) & = (X_c * TF [ \snzi \delta(t-nT_e) ])(f) \\
......
\documentclass[main.tex]{subfiles}
\begin{document}
En sortie de l'égaliseur, on échantillonne le signal reçu. Dans ce chapitre on fera l'hypothèse:
\begin{itemize}
\item d'une synchronisation parfaite entre emission et réception.
\item d'une égalisation parfaite de la chaine de transmission.
\end{itemize}
\section{Taux d'erreur binaire}
Le signa reçu peus se mettre sous la forme :
\[
r(t) = u(t)+ b(t)
\]
avec $b(t)$ brui blanc gaussien.
\begin{defin}
Le taux d'erreur bianire (TEB) ou bit errror rate (BER) est défini par :
\[
BER = \frac{\text{ nb bit faux }}{\text{nb total bit transmis}}
\]
\end{defin}
\begin{defin}
On appelle \emph{taux d'erreur} $\epsilon$la probabilité de prendre une mauvaise décision sur l'information acquise:
\begin{itemize}
\item sachant les conditions de bruit ($\sigma^2$ est connu).
\item en connaissant l'emplacement des seuils de décision.
\item en connaissant la probabilité d'apparition des symboles.
\end{itemize}
\end{defin}
\begin{rem}
Cela permet a priori de connaitre la qualité de la transmission.
Dans le cas binaire on a $\epsilon = BER$
\end{rem}
\subsection{Exemple d'application}
\section{Introduction du rapport signal sur bruit}
\subsection{Cas d'un mot à $N$ digits}
\begin{rem}
Waterfilling
\end{rem}
\end{document}
%%% Local Variables:
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment