Commit 5e090391 authored by Pierre-antoine Comby's avatar Pierre-antoine Comby

Finition sur le cours de 433

parent 5ba8134c
......@@ -6,13 +6,99 @@
En numérique on utilise un égaliseur pour garantir le respect du critère de nyquist.
\section{Egaliseur numérique }
On rappele le schéma de chaine de transimission numérique:
\begin{figure}[H]
\centering
\begin{tikzpicture}
[every node/.style={draw,rectangle,minimum height=4em,node distance=0.5cm,scale=0.8}]
\node (S) at (0,0){Source};
\node (CS) [right= of S]{\begin{tabular}{c}Codage \\ source\end{tabular}};
\node (CC) [right= of CS]{\begin{tabular}{c}Codage \\ canal\end{tabular}};
\node (CBB) [right= of CC]{\begin{tabular}{c}Filtre emission \\ $G(f)$\end{tabular}};
\node (C) [right= of CBB]{
\begin{tabular}{c}
Canal\\ H(f)
\end{tabular}
};
\node (A) [right= of C][adder]{};
\node (Demod)[right= of A]{
\begin{tabular}{c}
filtre de Reception\\ Gr(f)
\end{tabular}
};
\node (E) [right= of Demod]{
\begin{tabular}{c}
Egaliseur \\(E)
\end{tabular}
};
\node (Decod)[right= of E]{Detecteur};
\tikzset{every node/.style={}}
\draw (S) -- (CS) -- (CC) -- (CBB)-- (C) -- (A.1) (A.3) -- (Demod) -- (E) -- (Decod);
\draw[latex-] (A.4) -- ++(0,1) node[above]{Bruit};
\end{tikzpicture}
\caption{Principe d'une chaine de transmission numérique}
\end{figure}
\begin{prop}
On considère que le canal de transmission est idéal:
\[
h(t) = K. \delta(t-\tau) \text{ soit } H(f) = K.e^{-2j\pi f\tau}
\]
Alors :
\begin{itemize}
\item Signal en sortie du canal n'est pas déformé
\item Si l'impulsion du canal vérifie le critère de Nyquist, en se
placant au meme rythme d'échantillonnage T pour ensuite detecter les
différents niveau correspondant à un code m-aire.
\end{itemize}
\end{prop}
\begin{rem}
Pour un canal quelconque on a le bruit , l'attenuation, une bande limitée... Tout cela peux conduire à une erreur de décodage sur les echantillons.
On place donc un \emph{egaliseur} pour compenser ces effets dans la chaine de reception du signal.
\end{rem}
\section{Réglage de l'égaliseur}
\begin{rem}
Le rôle de l'égaliseur n'est pas le meme suivant le type de transmission (analogique/numérique).
\begin{itemize}
\item En transmission analogique on veux :
\[
H(f).E(f) = exp(-2\pi f\tau)
\]
Pour compenser le retard dans le canal de transmission pour qu'il soit idéal du point de vue du recepteur.
\item Pour une transmission numérique :
Il faut que l'impulsion perçu respecte (après l'égaliseur)le premier critère de Nyquist.
\end{itemize}
\end{rem}
\begin{prop}
Pour respecter le critère de Nyquist en numérique il faut que:
\[
\sum_{n} G\left(f-\frac{n}{T}\right) \cdot H\left(f-\frac{n}{T}\right) \cdot G_{r}\left(f-\frac{n}{T}\right) \cdot E\left(f-\frac{n}{T}\right)=T
\]
\end{prop}
\begin{rem}
POur une impulsion issue d'un filtre rectangulaire
\[
G\left(f-\frac{n}{T}\right) . H\left(f-\frac{n}{T}\right) \cdot G_{r}\left(f-\frac{n}{T}\right) \cdot E\left(f-\frac{n}{T}\right)=T \cdot \operatorname{rect}_{1 / T}(f)
\]
\end{rem}
\begin{rem}
\begin{itemize}
\item Comme nous l’avons vu au chapitre précédent, on choisit plutôt
un impulsion de Nyquist.
\item L’égaliseur est implémenté numériquement
et s’apparente à un filtre numérique.
\item Différentes stratégies
d’optimisations sont possibles (Moindres carrés, adaptatifs,
etc...).
\end{itemize}
\end{rem}
ajout sur le diagramme de l'oeil....
\end{document}
%%% Local Variables:
......
......@@ -31,17 +31,182 @@ avec $b(t)$ brui blanc gaussien.
\end{rem}
\subsection{Exemple d'application}
\section{Introduction du rapport signal sur bruit}
\subsection{Cas d'un mot à $N$ digits}
\subsubsection{cas binaire antipolaire}
Pour une transmission binaire equiprobable ,où :
\begin{itemize}
\item $u(t_0) = +1V$,si le bit transmis est un $1_l$
\item $u(t_0) = -1V$,si le bit transmis est un $0_l$
\item ajout d'un bruit de variance $\sigma^2$.
\end{itemize}
On place le seuil de décision au centre (à $0V$)
La probabilité de faire une erreur est alors:
\[
\epsilon = P(\text{tx} 0_l).P(\text{rx} 1_l) + P(\text{tx} 1_l).P(\text{rx} 0_l)
\]
Ce que l'on réecrit :
\[
\epsilon = P(0_l).P(r(t_0)>0)+P(1_l).P(r(t_0)<0)
\]
\begin{align*}
\varepsilon=& \frac{1}{2} \times \int_{0}^{+\infty} \frac{1}{\sqrt{2 \pi \sigma^{2}}} \exp \left(-\frac{(x+\Delta / 2)^{2}}{2 \sigma^{2}}\right) d x \\ &+\frac{1}{2} \times \int_{-\infty}^{0} \frac{1}{\sqrt{2 \pi \sigma^{2}}} \exp \left(-\frac{(x-\Delta / 2)^{2}}{2 \sigma^{2}}\right) d x
\end{align*}
\[
\begin{aligned} \varepsilon &=\frac{1}{2} \int_{\Delta / 2 \sigma}^{+\infty} \frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{x^{2}}{2}\right) d x+\frac{1}{2} \int_{\Delta / 2 \sigma}^{+\infty} \frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{x^{2}}{2}\right) d x \\
&=\int_{\Delta / 2 \sigma}^{+\infty} \frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{x^{2}}{2}\right)
\end{aligned}
\]
C'est la fonction de répartition complémentée de la loi normale.
\begin{align*} G_{c}\left(\frac{\Delta}{2 \sigma}\right) &=\int_{\Delta / 2 \sigma}^{+\infty} \frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{x^{2}}{2}\right) d x \\ &=1-\int_{-\infty}^{\Delta / 2 \sigma} \frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{(x)^{2}}{2}\right) d x \\ &=1-F\left(\frac{\Delta}{2 \sigma}\right) \end{align*}
\begin{defin}
Dans les télecom on utlise les fonciton $erf$ et $erfc$
\[
\operatorname{erfc}(x)=\frac{2}{\sqrt{\pi}} \int_{x}^{+\infty} \exp \left(-r^{2}\right) d r=1-\operatorname{erf}(x)
\]
\end{defin}
\begin{rem}
Waterfilling
On a :
\[
G_{c}(x)=\frac{1}{2} \cdot \operatorname{erfc}\left(\frac{x}{\sqrt{2}}\right)
\]
\end{rem}
\subsubsection{Code m-aire unipolaire}
soit un code $m$-aire unipolaire tel que:
\begin{itemize}
\item écrat entre niveaux uniforme vallant $\Delta$.
\item seuils de décision situés à $\Delta/2$.
\end{itemize}
\[
\begin{aligned} \varepsilon=& p(0) \cdot \operatorname{prob}\left(u>\frac{\Delta}{2}\right)+p(m-1) \cdot \operatorname{prob}\left(u<-\frac{\Delta}{2}\right) \\ &+\sum_{k=1}^{m-2} p(k) \cdot \operatorname{prob}\left(|u| \geq \frac{\Delta}{2}\right)
\end{aligned}
\]
avec $p(k)$ probabilité de transmettre le niveau $k$.pour des niveaux
equiprobables:
\[
\varepsilon=\frac{2(m-1)}{m} . G_{c}\left(\frac{\Delta}{2 \sigma}\right)=\frac{(m-1)}{m} \cdot \operatorname{erfc}\left(\frac{\Delta}{2 \sqrt{2} \sigma}\right)
\]
\section{Introduction du rapport signal sur bruit}
\paragraph{Rappel}: La puissance d'un signal aléatoire est:
\[
S=\sum_{k=0}^{m-1} p(k) \cdot a_{k}^{2}
\]
Si tous les niveaux sont équiprobables et pour un écart constants entre
niveaux $\Delta$, on obtient :
\begin{itemize}
\item pour les code $m$-aires unipolaires : $S=\frac{(m-1)(2 m-1)}{6}
\Delta^{2}$
\item pour les cas antipolaires :
$S=\frac{m^{2}-1}{12} \Delta^{2}$
\end{itemize}
\begin{prop}
Avec les calculs précédents on obtient:
\begin{itemize}
\item Cas unipolaire :
\[\varepsilon=\frac{2(m-1)}{m} . G_{c}\left(\sqrt{\frac{3}{2(m-1)(2 m-1)} \cdot \frac{S}{N}}\right)\]
\item cas antipolaire:
\[
\varepsilon=\frac{2(m-1)}{m} \cdot G_{C}\left(\sqrt{\frac{3}{m^{2}-1} \cdot \frac{S}{N}}\right)
\]
\item Pour le binaire on a respectivement:
\[
\epsilon_b = G_c\left(\sqrt{\frac{S}{2N}}\right) \text{ et } \epsilon_b = G_c\left(\sqrt{\frac{S}{N}}\right)
\]
\end{itemize}
\end{prop}
\subsection{Cas d'un mot à $N$ digits}
\begin{prop}
Soit un sytème de transmission dont le taux moyen d’erreur par élément binaire $\epsilon_b$ , avec lequel on transmet une information à l’aide de mots de longueur n (n digits), on peut dire :
\begin{itemize}
\item que la probabilité pour qu’un élément binaire soit juste est $(1 - \epsilon b )$
\item que la probabilité que tous les éb du mot, qui sont indépendants, soient justes, donc que le mot n’ait pas d’erreur, est $M(0) = (1 - \epsilon b )^n$
\item que la probabilité pour qu’il n’y ait qu’une erreur (un seul élément binaire faux dans le mot) est $M(1) = n.\epsilon_b .(1 -\epsilon_b)^{n-1}$.
\item que la probabilité pour qu’il y ait k erreurs dans le mot (k<n) est
\[
M(k)=C_{n}^{k} \varepsilon_{b}^{k}\left(1-\varepsilon_{b}\right)^{n-k}
\]
\item que la probabilité pour qu’il y ait au moins une erreur dans le mot est
\[
M(>0)=1-\left(1-\varepsilon_{b}\right)^{n}\simeq n\epsilon_b
\]
\item que la probabilité pour qu’il y ait plus d’une erreur dans le mot est:
\[
M(>1)=1-\left(1-\varepsilon_{b}\right)^{n}-n \cdot \varepsilon_{b} \cdot\left(1-\varepsilon_{b}\right)^{n-1}
\]càd tous les cas possible
sauf ceux où il n’y a pas d’erreur et ceux où il n’y a qu’une erreur.
\end{itemize}
\end{prop}
\section{Filtre adapté (Optimisation du RSB)}
\subsection{Conception du filtre adpaté}
On a vu que le BER est directement lié au RSB. L'objectif du filtre de réception est donc de maximiser le RSB à l'instant de prise de décision, on parle alors de filtre adapté.
\begin{prop}
Àl'instant de décision on a :
\[
\frac{\mathcal{S}}{\mathcal{N}}= \frac{r^2(t_0+nT)}{E[b^2(t_0+nT)]}
\]
\begin{itemize}
\item $r(t) = g_r(t)\ast s(t) = \int_{-\infty}^{+\infty}g_r(t-\tau)s(\tau)\d \tau$
\item $b(t) = g_r(t)\ast n(t) $
\item $n$ un BABG centrée et de variance $\sigma_n$.
\end{itemize}
\end{prop}
On fait les hypothèses suivantes:
\begin{itemize}
\item L'égaliseur a parfaitement compensé l'effet du canal
\item Le sysytème est parfaitement synchronisé $\implies s(t_0+nT)\simeq g_e(t_0+nT)$
\end{itemize}
\begin{defin}
\emph{Puissance de bruit}
\[
\begin{aligned}
\mathcal{N} &=\int_{-\infty}^{+\infty} \phi_{b b}(f) d f \\ &=\int_{-\infty}^{+\infty}\left|G_{r}(f)\right|^{2} \phi_{n n}(f) d f \\ &=\frac{\sigma_{n}^{2}}{2} \int_{-\infty}^{+\infty}\left|g_{r}(\tau)\right|^{2} d f
\end{aligned}
\]
\emph{Puissance du signal}
\[
r\left(t_{0}+n T\right)=\int_{-\infty}^{+\infty} g_{e}\left(t_{0}+n T-\tau\right) g_{r}(\tau) d \tau
\]
Puis
\[
\begin{aligned} \mathcal{S}\left(t_{0}+n T\right) &=\left|r\left(t_{0}+n T\right)\right|^{2} \\ &=\left|\int_{-\infty}^{+\infty} g_{e}\left(t_{0}+n T-\tau\right) g_{r}(\tau) d \tau\right|^{2} \\ \end{aligned}
\]
\end{defin}
\begin{prop}
On a d'apres l'inégalité de Cauchy-Schwarz:
\[
\mathcal{S}\left(t_{0}+n T\right) \leq \int_{-\infty}^{+\infty}\left|g_{e}\left(t_{0}+n T-\tau\right)\right|^{2} d \tau \times \int_{-\infty}^{+\infty}\left|g_{r}(\tau)\right|^{2} d \tau
\]
La puissance sera maximale si $g_r(t) =C\times g_e^*(t_0+nT-\tau)$ avec $C$ une constante.On choisit donc cette expression pour le filtre adapté.
On a le RSB suivant:
\[
\mathcal{S} / \mathcal{N}=\frac{\int_{-\infty}^{+\infty}\left|g_{e}\left(t_{0}+n T-\tau\right)\right|^{2} d \tau}{\frac{\sigma_{0}^{2}}{2}}
\]
\end{prop}
\subsection{Réalisation du filtre adapté}
On réalise filtre adatpé en réalisatant une corrélation entre $g_e$ et $s$. Tout est très bien expliqué dans le cours de l'UE451.
\end{document}
%%% Local Variables:
%%% mode: latex
%%% TeX-master: "main"
%%% TeX-master: t
%%% End:
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