Professional Documents
Culture Documents
Introduction
Emetteur
Canal
Communications numériques Récepteur
Hypothèses du cours
AIR 2
Codage en ligne
Transmission en bande de base Conversion bits/symboles
Mise en forme
Propriétés des signaux en bande de base
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 1 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 2 / 99
Introduction Introduction
Introduction
Emetteur
Canal
Récepteur
Hypothèses du cours
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 3 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 4 / 99
Introduction Emetteur Introduction Emetteur
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 5 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 6 / 99
Emetteur Emetteur
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 7 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 8 / 99
Introduction Canal Introduction Canal
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 9 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 10 / 99
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 11 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 12 / 99
Introduction Récepteur Introduction Récepteur
zk = z(kT )
Décodage Décision
d̂n âk
Décodage Décision
d̂n âk
Récepteur
Récepteur
Filtre de réception :
Démodulation : inverse de l’étape de modulation ◮ Adapté au filtre de mise en forme utilisé lors de l’émission
◮ Vise à minimiser les interactions entre symboles et à maximiser le rapport
signal sur bruit
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 13 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 14 / 99
zk = z(kT ) zk = z(kT )
Récepteur Récepteur
Echantillonage : Décision :
◮ Transformation du signal physique en signal discret ◮ A partir des valeurs échantillonnées, on retrouve les symboles émis
◮ Nécessite une synchronisation sur le temps d’horloge ◮ Sensible au bruit ajouté par le canal
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 15 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 16 / 99
Introduction Récepteur Introduction Hypothèses du cours
zk = z(kT ) Hc (f ) = 1
Décodage Décision
Décodage : on transforme les symboles détectés en bits d’information d̂n âk
Récepteur
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 17 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 18 / 99
Introduction
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 19 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 20 / 99
Codage en ligne Conversion bits/symboles Codage en ligne Conversion bits/symboles
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 21 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 22 / 99
1010001101 −→ 10 10 00 11 01 −→ 2 2 0 3 1
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 23 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 24 / 99
Codage en ligne Conversion bits/symboles Codage en ligne Conversion bits/symboles
10 10 00 11 01 −→ 3 3 − 3 1 − 1 (antipolaire)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 25 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 26 / 99
log2 M
◮ Codage quaternaire antipolaire (ou 2B1Q) T = mTb = log2 M Tb =
Db
dn dn+1 ak
◮ On a un nouveau signal
00 -3
01 -1 X
a(t) = ak δ(t − kT )
11 1
k∈Z
10 3
codage de Grey : un bit de différence entre chaque état ◮ Rapidité de modulation R (débit symbole)
1
R=
T
Db
R= (bauds)
log2 M
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 27 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 28 / 99
Codage en ligne Conversion bits/symboles Codage en ligne Mise en forme
d
n
1.5
1
dn ak Filtre de x(t) e(t)
Conversion
0.5 mise en Modulation
bits/symboles
0 forme he (t)
0.5
0 1Tb 2Tb 3Tb 4Tb 5Tb 6Tb 7Tb 8Tb 9Tb ...
ak Emetteur
0 Mise en forme :
2 ◮ Transformation du signal numérique en un signal physique
0 1T=2Tb 2T=4Tb 3T=6Tb 4T=8Tb ... ◮ Choix du filtre de mise en forme dépend de la largeur de bande souhaitée, de
la présence de raies à la fréquence d’horloge...
10 10 00 11 01 −→ 3 3 − 3 1 − 1
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 29 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 30 / 99
a(t) = ak δ(t − kT )
0.8
k∈Z
0.6
Principe : associer un signal physique x(t) à cette suite de symboles en
(
◮
1 si 0 ≤ t < T
convoluant a(t) par la réponse impulsionnelle he (t) d’un filtre de mise en 0.4 he (t) =
0 sinon
forme (aussi appelé filtre d’émission). 0.2
◮ Codes à formant : même filtre de mise en forme pour tous les symboles
0
X
x(t) = a(t) ∗ he (t) = ak he (t − kT ) 0 T
k∈Z
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 31 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 32 / 99
Codage en ligne Mise en forme Codage en ligne Mise en forme
Exemple : Codage binaire unipolaire NRZ Exemple : Codage binaire antipolaire NRZ
1
1
0.8
0.6
0.8
0.4
0.6 0.2
0.4 ✄0.2
✄0.4
0.2 ✄0.6
✄0.8
0
✄1
0 1T 2T 3T 4T ✺T 6T ✼T 8T ✾T 0 1T 2T 3T 4T #T 6T ✁T 8T ✂T
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 33 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 34 / 99
0.8
0.8
0.6
0.6 (
T
1 si 0 ≤ t < 2
0.4 he (t) = 0.4
0 sinon
0.2
0.2
0
0
0 T✴2 T
0 1T 2T 3T 4T ☎T 6T ✆T 8T ✝T
1010001101 −→ 1010001101
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 35 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 36 / 99
Codage en ligne Mise en forme Codage en ligne Mise en forme
0.8 1
0.6 0.8
0.6
0.4
0.4
0.2
0
0.2
1
si 0 ≤ t < T2
0
✡0.2 ☞0.2 he (t) = −1 si T2 ≤ t < T
✡0.4 ☞0.4
0 sinon
✡0.6 ☞0.6
☞0.8
✡0.8
☞1
✡1 0 T☛2 T
0 1T 2T 3T 4T ✞T 6T ✟T 8T ✠T
1010001101 −→ 1−11−1−1−111−11
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 37 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 38 / 99
Codage en ligne Mise en forme Codage en ligne Propriétés des signaux en bande de base
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 39 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 40 / 99
Codage en ligne Propriétés des signaux en bande de base Codage en ligne Propriétés des signaux en bande de base
M
Esym 1 X
Ebit = = |si |2 Ehe
log2 M M log2 M
i =1
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 41 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 42 / 99
Codage en ligne Propriétés des signaux en bande de base Codage en ligne Propriétés des signaux en bande de base
M2 − 1 Ebit
Ebit = Eh Pe = = Ebit Db
3 log2 M e Tb
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 43 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 44 / 99
Codage en ligne Propriétés des signaux en bande de base Transmission en absence de bruit
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 45 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 46 / 99
zk = z(kT )
Décodage Décision
Rappel : d̂n âk
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 47 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 48 / 99
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Interférences entre symboles
zk = z(kT ) zk = z(kT )
Récepteur Récepteur
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 49 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 50 / 99
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Interférences entre symboles
X
zk = ak h(0) + ak ′ h((k − k ′ )T ) Filtres de Nyquist : filtre de réponse impulsionnelle h(t) telle que
k ′ 6=k
| {z } h(kT ) = h(0)δ(k) et h(0) 6= 0
IES
Exemples :
◮ Problème : pour retrouver ak à partir de zk , il y a un terme parasite qui dépend des
◮ Filtres à support temporel borné centré et strictement inférieur à 2T
symboles émis avant et après : interférence entre symboles
◮ Filtres à support temporel non borné mais s’annulant à tous les multiples de
◮ Si l’on veut que ce terme soit nul, il faut que
T
h(kT ) = 0 pour k 6= 0 ◮ Exemple important : filtre en cosinus surelevé (0 ≤ β ≤ 1)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 51 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 52 / 99
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Interférences entre symboles
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 53 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 54 / 99
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Réception en absence de bruit
1 1
comprise entre 2T et T
Si l’on suppose que h = he ∗ hr est un filtre de Nyquist, alors l’IES est nulle et on a donc
0
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 55 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 56 / 99
Transmission en absence de bruit Réception en absence de bruit Transmission en présence de bruit blanc additif gaussien
Introduction
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 57 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 58 / 99
Transmission en présence de bruit blanc additif gaussien Hypothèses Transmission en présence de bruit blanc additif gaussien Hypothèses
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 59 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 60 / 99
Transmission en présence de bruit blanc additif gaussien Hypothèses Transmission en présence de bruit blanc additif gaussien Hypothèses
+∞
1
Z
−z 2 Emetteur Canal de transmission
Q(x) = √ e 2 dz
2π x
r (t) y (t) Filtre de z(t)
Démodulation réception Echantillonage
Si b(t) est un bruit gaussien de moyenne nulle et de variance σ 2 hr (t)
zk = z(kT )
b0 b1 b1 Décodage Décision
p(b(t) > b0 ) = Q p(b(t) < b1 ) = Q − =1−Q d̂n âk
σ σ σ
Récepteur
b0 b1 X
p(b0 < b(t) < b1 ) = Q −Q y (t) = x(t) + b(t) = ak he (t − kT ) + b(t)
σ σ
k∈Z
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 61 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 62 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
zk = z(kT )
Décodage Décision
d̂n âk
Décodage Décision
d̂n âk
Récepteur
Récepteur
Si synchronisation parfaite :
z(t) = (y ∗ hr )(t) X
X zk = z(kT ) = ak ′ h(kT − k ′ T ) + n(kT )
z(t) = ak h(t − kT ) + n(t) avec h = he ∗ hr et n = b ∗ hr k ′ ∈Z
k∈Z X
zk = ak h(0) + ak ′ h((k − k ′ )T ) + n(kT )
k ′ 6=k
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 63 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 64 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 65 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 66 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
x(t)
2
hr (t) = he (−t), h est un filtre de Nyquist (ex : filtre NRZ, RZ, biphase −1
0 1 2 3 4 5 6
Manchester...) Temps (s)
Message binaire 101011 codé avec un dictionnaire binaire unipolaire et mis en forme par un filtre
NRZ avec une période symbole T =1s
x(t)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 67 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 68 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)
Lors du passage dans le canal, ce signal a été perturbé par un bruit additif gaussien b(t) de Au niveau du récepteur, le signal bruité est passé dans un filtre de réception adapté au filtre de
variance σ2 =0.1 mise en forme :
y (t) = x(t) + b(t) z(t) = (y ∗ hr )(t) = y (t) ∗ he (−t)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 69 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 70 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
z =z (kT)
k
2
1.5
Dans le domaine fréquentiel :
1
◮ Si le filtre de réception est adapté au filtre d’émission, on a Hr (f ) = H ∗ (f )
e
0.5 ◮ On a donc H(f ) = He (f )Hr (f ) = |He (f )|2 , qui est réel et positif
0 ◮ Cas simple : partir d’un filtre de Nyquist de réponse fréquentielle H(f ) réelle
et positive et prendre p
−0.5
He (f ) = Hr (f ) = H(f )
−1
0 1 2 3 4 5 6
Temps (s)
Lorsqu’on échantillonne ce signal aux multiples de la période symbole T on retrouve les symboles
envoyés (mais pas exactement à cause du bruit)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 71 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 72 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
1.2
sqrt(T)
1 β=0
β=0.25
◮ Dans le domaine fréquentiel : racine de la 0.8 β=0.5 ◮ Dans le domaine temporel : ce n’est plus
β=0.75
β=0
fonction de transfert d’un filtre en cosinus β=1
un filtre de Nyquist (pas d’annulation aux
β=0.25 0.6
0
−0.2
−1/T −1/2T 0 1/2T 1/T
Fréquence (f) −4T −3T −2T −T 0 T 2T 3T 4T
Temps (t)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 73 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 74 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
1.5 1.5
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Temps (s) Temps (s)
Message binaire 101011 codé avec un dictionnaire binaire unipolaire et mis en forme par un filtre Lors du passage dans le canal, ce signal a été perturbé par un bruit additif gaussien b(t) de
TRC avec une période symbole T =1s variance σ2 =0.1
x(t) y (t) = x(t) + b(t)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 75 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 76 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
1.5
1.5
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
0 1 2 3 4 5 6 −1
Temps (s) 0 1 2 3 4 5 6
Temps (s)
Au niveau du récepteur, le signal bruité est passé dans un filtre de réception adapté au filtre de
mise en forme : Lorsqu’on échantillonne ce signal aux multiples de la période symbole T on retrouve les symboles
z(t) = (y ∗ hr )(t) = y (t) ∗ he (−t) envoyés (mais pas exactement à cause du bruit)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 77 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 78 / 99
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
Conditions : Rappel : X
◮ hr (t) doit être le filtre adapté he (t) pour maximiser le SNR en sortie du al h((k − l)T ) + n(kT )
zk = ak h(0) +
| {z }
récepteur l 6=k
| {z } bruit
hr (t) = he (−t) Hr (f ) = He∗ (f ) IES
◮ h = he ∗ hr doit être un filtre de Nyquist Si le récepteur est optimal (ce qui sera le cas dans la suite du cours) :
◮ IES = 0
h(kT ) = h(0)δ(k) R +∞
◮ h(0) = −∞ He (f )He∗ (f )df = Ehe
Deux cas simples de filtres formant un récepteur optimal Donc :
◮ he (t) de support temporel inférieur à T , et hr (t) = he (−t) zk = Ehe ak + n(kT )
−→ Il va falloir estimer aˆk à partir de zk , malgré le bruit
p
◮ OU He (f ) = Hr (f ) = H(f ) où H(f ) est un filtre de Nyquist
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 79 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 80 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
r (t)
Démodulation
y (t) Filtre de
réception
z(t)
Echantillonage ◮ Idée : utiliser un seuillage pour décider de la valeur de chaque symbole
hr (t)
zk = z(kT )
◮ Exemple : codage binaire antipolaire ak = 1 ou ak = −1 (qu’on suppose
Décodage Décision
équiprobable)
d̂n âk
◮ On a donc zk = Ehe + n(kT ) ou zk = −Ehe + n(kT )
Récepteur ◮ n(kT ) est aléatoire et gaussien, de moyenne nulle
◮ Une idée intuitive est de seuiller :
Etape supplémentaire à cause de la présence de bruit : il faut affecter une valeur de symbole à ◮ si zk > 0 alors aˆk = 1
chaque zk ◮ sinon aˆk = −1
Exemple : zk = 1.26Ehe → aˆk = 1, zk = −0.34Ehe → aˆk = 0, etc...
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 81 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 82 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
zk Cette erreur sur les symboles se répercute ensuite sur les bits après décodage.
Exemple : M = 4 et Ehe = 1.56 3.82 2.10 − 2.10
Probabilité d’erreur par bit
−→ 1 3 3 −3
err
Pbit = p(dˆn 6= dn )
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 83 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 84 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
Calcul de la probabilité d’erreur (cas binaire) Calcul de la probabilité d’erreur (cas binaire)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 85 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 86 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
◮ Si ak = −1 alors zk = −Eh + n(kT ). Si on a zk > 0, c’est donc que n(kT ) > Eh . Or n(t)
e e
est gaussien de moyenne nulle et de variance Pn donc
s ! Généralisation (admise) : on peut montrer qu’avec un dictionnaire antipolaire à M
p(n(kT ) > Ehe ) = Q
Eh
√ e =Q
2Ehe éléments, on a r !
Pn N0 M −1 2Ehe
err
Psym = 2 Q
◮ Si ak = 1 alors zk = Eh + n(kT ). Si on a zk < 0, c’est donc que n(kT ) < −Eh . Or n(t) M N0
e e
est gaussien de moyenne nulle et de variance Pn donc
s !
−Ehe
Eh
2Ehe
◮ Remarque : on retrouve bien notre expression quand M = 2 !
p(n(kT ) < −Ehe ) = 1 − Q √ =Q √ e =Q
Pn Pn N0 ◮ La probabilité d’erreur dépend du nombre de symboles du dictionnaire M, de
la variance du bruit blanc additif gaussien σ 2 = N20 , et de l’énergie du filtre de
Finalement comme les ak sont équiprobables,
s ! s ! s !
mise en forme/filtre de réception Ehe .
err 1 2Ehe 1 2Ehe 2Ehe
Psym = Q + Q =Q
2 N0 2 N0 N0
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 87 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 88 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 89 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 90 / 99
Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
−6 Décodage Décision
err
10 âk
d̂n
M=2
−8 M=4
10 Récepteur
M=8
M = 16
−10 M = 32
10
En connaissant le dictionnaire utilisé, on peut retrouver d̂n à partir de âk = ak . La probabilité
−12
10
d’erreur binaire dépend de la probabilité d’erreur par symbole et du dictionnaire utilisé.
0 5 10 15 20 25 30
Ebit/N0 (en dB)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 91 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 92 / 99
Transmission sur un canal à largeur de bande limitée Transmission sur un canal à largeur de bande limitée
Introduction
◮ Nous avons vu en TP que les signaux en bande de base ont une bande
Codage en ligne passante que l’on peut écrire [−Bsignal , +Bsignal ]
Transmission en absence de bruit
◮ filtre NRZ : Bsignal ≈ T1
◮ filtre RZ : Bsignal ≈ T2
Transmission en présence de bruit blanc additif gaussien ◮ filtre biphase Manchester : Bsignal ≈ T2
1+β
◮ filtre en racine de cosinus surelevé : Bsignal = 2T
Transmission sur un canal à largeur de bande limitée
◮ Bsignal dépend du type de filtre de mise en forme he (t), du débit binaire Db ,
et de la taille M de l’alphabet utilisé
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 93 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 94 / 99
Transmission sur un canal à largeur de bande limitée Transmission sur un canal à largeur de bande limitée
◮ Pour le moment, on a considéré que le canal était idéal et avait une bande
passante infinie (Hc (f ) = 1)
◮ En réalité, la largeur de bande du canal Bcanal est limitée et le canal est ◮ Afin de transmettre le plus d’information possible on fait en sorte d’utiliser
plutot de la forme toutes les capacités du canal, mais sans les dépasser !
( ◮ Si l’on connait la bande passante du canal, on va faire en sorte que la largeur
1 si − Bcanal < f < Bcanal du bande du signal en bande de base soit du même ordre
Hc (f ) =
0 sinon
Bsignal = Bcanal = B
◮ Ceci est du
◮ soit à la nature physique du canal (ex : type de câble, atténuation du signal
◮ Ceci va contraintre les choix de dictionnaire, filtres de mise en forme, etc...
sur de grandes distances, etc...)
◮ soit à des réglementations (ex : bande de fréquence achetée par un opérateur
téléphonique, etc...)
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 95 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 96 / 99
Transmission sur un canal à largeur de bande limitée Transmission sur un canal à largeur de bande limitée
Efficacité spectrale
◮ Db : débit binaire (en bits/seconde) Db log2 M
◮ B : largeur de bande occupée (en Hz) = η=
B T B
◮ Pe = Ebit Db : puissance émise moyenne (en W) η le plus grand possible : Db maximal et B minimal
err
◮ Pbit : probabilité d’erreur par bit
Taux d’erreur binaire
err
But : maximiser Db avec B, Pe et Pbit minimaux nombre de bits mal détectés
TEB =
nombre total de bits emis
err
NB : Pbit est le TEB quand le nombre total de bits est infini
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 97 / 99 Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 98 / 99
err
◮ Principe : on a des contraintes sur Db , B, Pe et/ou Pbit
◮ Selon l’application et le type de transmission, on va réaliser des compromis
entre ces paramètres
◮ On va choisir en fonction de ces contraintes le dictionnaire (valence + type
de dictionnaire) et les filtres d’émission/réception