R Optimal

Sommaire
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 Transmission en absence de bruit

laurent.oudre@univ-paris13.fr Hypothèses
Interférences entre symboles
Réception en absence de bruit
Transmission en présence de bruit blanc additif gaussien

2014-2015 Hypothèses
Récepteur optimal
Réception en présence de bruit
Transmission sur un canal à largeur de bande limitée
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
Sommaire Chaı̂ne de transmission idéale : rappel
Introduction
Emetteur
Canal
Récepteur
Hypothèses du cours
Codage en ligne dn e(t) Canal de r (t) d̂n

Emetteur Récepteur
transmission
Transmission en absence de bruit
Introduction Emetteur Introduction Emetteur
Chaı̂ne de transmission idéale : emetteur Emetteur : différentes étapes
dn e(t) Canal de r (t) d̂n dn ak Filtre de x(t) e(t)

Emetteur Récepteur Conversion
transmission mise en Modulation
bits/symboles
forme he (t)
Emetteur : transformer le signal numérique dn en un signal physique e(t) (onde

électromagnétique, signal électrique, etc...) qui puisse être transmis sur le canal de Emetteur
transmission
◮ Transmettre le maximum de données avec une fiabilité maximale Conversion bits/symboles (transcodage) :
◮ S’adapter au canal de transmission utilisé ◮ Modification de la taille de l’alphabet
◮ Modification du rythme
Introduction Emetteur Introduction Emetteur
Emetteur : différentes étapes Emetteur : différentes étapes
dn ak Filtre de x(t) e(t) dn ak Filtre de x(t) e(t)

Conversion Conversion
mise en Modulation mise en Modulation
bits/symboles bits/symboles
forme he (t) forme he (t)
Emetteur Emetteur
Mise en forme : Modulation :

◮ Transformation du signal numérique en un signal physique ◮ Adaptation au canal de transmission (bande passante)
◮ Choix du filtre de mise en forme dépend de la largeur de bande souhaitée, de ◮ Large choix de possibilités : dépend de la puissance, de la probabilité d’erreur
la présence de raies à la fréquence d’horloge... acceptable...
Introduction Canal Introduction Canal
Chaı̂ne de transmission idéale : canal Canal : différentes étapes
dn e(t) Canal de r (t) d̂n e(t) e ′ (t) r (t)

Emetteur Récepteur Filtre de Bruit
transmission canal hc (t) additif b(t)
Canal de transmission : câbles coaxiaux, paires torsadées, réseau hertzien,

infrarouge, fibres optiques,.... Canal de transmission
◮ Proprietés physiques différentes selon le canal utilisé : bande passante, débit
maximal, etc... Filtre de canal hc (t)
◮ Eventuellement source d’erreurs (bruit, perte de données, etc...) ◮ Dépend à priori du temps et de la fréquence
◮ Canal idéal : Hc (f ) constant
Introduction Canal Introduction Récepteur
Canal : différentes étapes Chaı̂ne de transmission idéale : récepteur
e(t) Filtre de e ′ (t) Bruit r (t) dn e(t) r (t) d̂n

Canal de Récepteur
canal hc (t) additif b(t) Emetteur
transmission
Récepteur : transformer le signal physique reçu r (t) pour retrouver le signal

Canal de transmission
numérique envoyé d̂n
◮ Echantillonnage, détection, élimination du bruit
Bruit additif b(t) ◮ Parfois difficile s’il y a eu des erreurs de transmission
◮ Souvent supposé bruit blanc additif gaussien indépendant du signal
Γb (f ) = N20
Introduction Récepteur Introduction Récepteur
Récepteur : différentes étapes Récepteur : différentes étapes
r (t) y (t) Filtre de z(t)

Démodulation réception Echantillonage
r (t) y (t) Filtre de z(t) hr (t)
hr (t) zk = z(kT )
zk = z(kT )
Décodage Décision
d̂n âk
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
Introduction Récepteur Introduction Récepteur
Récepteur : différentes étapes Récepteur : différentes étapes
r (t) y (t) Filtre de z(t) r (t) y (t) Filtre de z(t)

Démodulation réception Echantillonage Démodulation réception Echantillonage
hr (t) hr (t)
zk = z(kT ) zk = z(kT )
Décodage Décision Décodage Décision

d̂n âk d̂n âk
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
Introduction Récepteur Introduction Hypothèses du cours
Récepteur : différentes étapes Hypothèses
dn ak Filtre de x(t) e(t)

Conversion
mise en Modulation
bits/symboles
forme he (t)
r (t) y (t) Filtre de z(t) Emetteur On s’interesse ici à la transmission en

hr (t) bande de base :
◮ Pas d’étape de
zk = z(kT ) e(t) Filtre de e ′ (t) Bruit r (t) modulation/démodulation
canal hc (t) additif b(t)
◮ Transmission des signaux tels
Canal de transmission quels, dans la bande de fréquence
d̂n âk originale
On supposera aussi que le canal utilisé
Récepteur Démodulation réception Echantillonage est idéal, invariant, et de gain unitaire
hr (t)
zk = z(kT ) Hc (f ) = 1
Décodage : on transforme les symboles détectés en bits d’information d̂n âk
Récepteur
Codage en ligne Codage en ligne
Sommaire Codage en ligne
Introduction
dn Conversion ak x(t) e(t)

Codage en ligne Mise en forme Modulation
Conversion bits/symboles bits/symboles
Mise en forme
Propriétés des signaux en bande de base
Transmission en absence de bruit Codage en ligne

Codage en ligne :
◮ Toutes les étapes en bande de base, avant l’étape de modulation
◮ But : donner de bonnes propriétés au signal physique créé (largeur de bande,
raies ou annulations du spectre à certaines fréquences, etc...)
Codage en ligne Conversion bits/symboles Codage en ligne Conversion bits/symboles
Emetteur : conversion bits/symboles Débit binaire
1.5 ◮ Entrée : signal binaire initial

dn
dn ak Filtre de x(t) e(t) 1
Conversion
mise en Modulation d = 1010001101 · · ·
bits/symboles
forme he (t)
0.5
◮ Un bit émis toutes les Tb
Emetteur
secondes
0
◮ Débit binaire :
Conversion bits/symboles (transcodage) : 0.5 1
0 1Tb 2Tb 3Tb 4Tb 5Tb 6Tb 7Tb 8Tb 9Tb ... Db = (bits/seconde)
◮ Modification de la taille de l’alphabet Tb
X
◮ Modification du rythme d(t) = dn δ(t − nTb )
n∈Z
Transcodage : conversion bits/symboles Codage par dictionnaire
◮ Dictionnaire à M symboles (M : valence)

◮ Regrouper les bits m par m et associer un symbole du dictionnaire à chaque
◮ Principe : remplacer les bits ou des groupements de bits par des symboles groupement
◮ Idée : passer de deux valeurs possibles (0 ou 1) à M valeurs possibles ◮ Dans ce cas :
◮ Plusieurs façons de procéder : M = 2m m = log2 M
◮ Codage par dictionnaire : regrouper les bits m par m et associer un symbole à ◮ Exemple avec m = 1 :
chaque groupement
◮ Codage par diagramme d’états 1010001101 −→ 1 0 1 0 0 0 1 1 0 1 −→ 1 −1 1 −1 −1 −1 1 1 −1 1
◮ Codage par équation linéaire
◮ Exemple avec m = 2 :
1010001101 −→ 10 10 00 11 01 −→ 2 2 0 3 1
Codage par dictionnaire Exemples
◮ Plusieurs façons d’attribuer un symbole ak à chaque groupe de m bits

◮ Codage M-aire unipolaire : ◮ Codage binaire unipolaire
ak ∈ {0, 1, · · · , M − 1} dn ak
0 0
◮ Codage M-aire antipolaire :
1 1
ak ∈ {−(M − 1), · · · , −3, −1, 1, 3, · · · , M − 1} (uniquement les valeurs impaires) ◮ Codage binaire antipolaire
dn ak
◮ Exemple avec m = 2 :
0 -1
10 10 00 11 01 −→ 2 2 0 3 1 (unipolaire) 1 1
10 10 00 11 01 −→ 3 3 − 3 1 − 1 (antipolaire)
Exemples Rapidité de modulation

◮ Si on regroupe les bits m par m, on transmet m fois moins vite. Un symbole
émis toutes les T secondes (période symbole) avec
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
Codage en ligne Conversion bits/symboles Codage en ligne Mise en forme
Exemple : codage 2B1Q Emetteur : 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
Codage en ligne Mise en forme Codage en ligne Mise en forme
Mise en forme Filtre NRZ (non retour à zéro)
◮ Entrée : suite de symboles M-aires ak . Un symbole émis toutes les T secondes

X 1
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
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
1010001101 −→ 1010001101 1010001101 −→ 1−11−1−1−111−11
Filtre RZ (retour à zéro) Exemple : Codage binaire unipolaire RZ
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
Exemple : Codage binaire antipolaire RZ Filtre biphase Manchester
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
Codage en ligne Mise en forme Codage en ligne Propriétés des signaux en bande de base
Exemple : Codage binaire antipolaire Manchester Energie et puissance
1 ◮ Comment évaluer l’énergie totale du signal en bande de base x(t) ?

0.8 Z ∞ Z ∞ X
0.6
Ex = |x(t)|2 dt = | ak he (t − kT )|2 dt
0.4 −∞ −∞ k∈Z
0.2
0 ◮ Si le support temporel de he (t) est égal à T , on a :

✏0.2
Z ∞
✏0.4
X X
✏0.6
Ex = |ak |2 |he (t − kT )|2 dt = |ak |2 Ehe
k∈Z −∞ k∈Z
✏0.8
✏1 ◮ Problème : on ne connait pas les ak a priori car ils sont aléatoires !

0 1T 2T 3T 4T ✌T 6T ✍T 8T ✎T
◮ Solution : au lieu de définir une énergie totale, on va définir une énergie
1010001101 −→ 1−11−1−1−111−11 moyenne
Codage en ligne Propriétés des signaux en bande de base Codage en ligne Propriétés des signaux en bande de base
Energie moyenne par symbole Exemples

◮ Si l’on utilise un dictionnaire à M éléments s1 , · · · , sM , alors l’énergie
correspondant à l’émission du symbole si est
Z ∞
◮ Exemple : dictionnaire binaire antipolaire
Esi = |si he (t)|2 dt = |si |2 Ehe
−∞
1
Esym = Ebit = ((−1)2 + (1)2 )Ehe = Ehe
◮ Si l’on suppose que tous les symboles sont équiprobables, l’énergie moyenne 2
par symbole peut donc être définie comme ◮ Exemple : dictionnaire 2B1Q
M M
1 X 1 X 1
Esym = Esi = |si |2 Ehe Esym = ((−3)2 + (−1)2 + (1)2 + (3)2 )Ehe = 5Ehe
M M 4
i =1 i =1
Esym 5
◮ Comme un symbole correspond à m = log2 M bits, on peut aussi définir Ebit = = E he
l’énergie moyenne par bit comme log2 4 2
M
Esym 1 X
Ebit = = |si |2 Ehe
log2 M M log2 M
i =1
Codage en ligne Propriétés des signaux en bande de base Codage en ligne Propriétés des signaux en bande de base
Formules générales Puissance émise moyenne
On peut montrer que pour un dictionnaire M-aire

◮ Chaque symbole est émis durant une période T , donc on peut définir la
◮ unipolaire ak ∈ {0, 1, · · · , M − 1} puissance émise moyenne comme
(M − 1)(2M − 1) Esym
Ebit = E he Pe =
log2 M T
◮ antipolaire ak ∈ {−(M − 1), · · · , −3, −1, 1, 3, · · · , M − 1} ◮ De la même façon, on peut définir la puissance émise moyenne comme
M2 − 1 Ebit
Ebit = Eh Pe = = Ebit Db
3 log2 M e Tb
Codage en ligne Propriétés des signaux en bande de base Transmission en absence de bruit
Propriétés spectrales des signaux en bande de base Sommaire
◮ Chacun des codes a des propriétés spectrales différentes (largeur de bande du

lobe principal, annulation pour certaines valeurs, pics à certaines valeurs,
Introduction
etc...)
◮ Ces propriétés dépendent du dictionnaire utilisé et du filtre de mise en forme Codage en ligne
et peuvent être étudiées en estimant la densité spectrale de puissance du
signal en bande de base (cf TP1). Hypothèses
Interférences entre symboles
◮ Tous les signaux en bande de base ont la majorité de leur puissance dans une Réception en absence de bruit
bande de fréquence [−B , +B]
◮ Selon l’application et le type de transmission, on choisira un dictionnaire ou
un autre, un filtre ou l’autre etc... Transmission sur un canal à largeur de bande limitée
Exemples :
◮ Bande passante finie : volonté que 95% de la puissance soit dans le lobe
principal
◮ Récupération de la fréquence d’horloge : importance d’une densité spectrale de
puissance qui ait des pics aux multiples de T1
Transmission en absence de bruit Hypothèses Transmission en absence de bruit Hypothèses
Transmission en absence de bruit Transmission en absence de bruit
dn ak Filtre de x(t) e(t) e(t) e ′ (t) r (t)

Conversion Filtre de Bruit
mise en Modulation
bits/symboles canal hc (t) additif b(t)
e(t) Filtre de e ′ (t) Bruit r (t) forme he (t)
canal hc (t) additif b(t) Emetteur Canal de transmission

Canal de transmission hr (t)
zk = z(kT )
Rappel : d̂n âk
◮ On travaille en bande de base Récepteur
◮ On suppose le canal idéal, invariant et de gain unitaire Hc (f ) = 1

X
◮ Ici, on suppose une absence de bruit b(t) = 0 y (t) = x(t) = ak he (t − kT )
k∈Z
r (t) = e(t)
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Interférences entre symboles
Récepteur : filtre de réception Récepteur : échantillonnage
r (t) y (t) Filtre de z(t) r (t) y (t) Filtre de z(t)

Démodulation réception Echantillonage Démodulation réception Echantillonage
hr (t) hr (t)
zk = z(kT ) zk = z(kT )
Décodage Décision Décodage Décision

d̂n âk d̂n âk
Récepteur Récepteur
z(t) = (y ∗ hr )(t) Si synchronisation parfaite :

  X
X zk = z(kT ) = ak ′ h(kT − k ′ T )
z(t) =  ak he (t − kT ) ∗ hr (t)
k ′ ∈Z
k∈Z
X X
z(t) = ak h(t − kT ) avec h = he ∗ hr zk = ak h(0) + ak ′ h((k − k ′ )T )
k∈Z k ′ 6=k
Interférence entre symboles (IES) Filtres de Nyquist
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)
ce qui s’écrit aussi sin(πt/T ) cos(πβt/T )

h(t) =
πt/T 1 − (2βt/T )2
h(kT ) = h(0)δ(k) : condition de Nyquist
Filtre en cosinus surélevé Filtre en cosinus surélevé
Filtre en cosinus surélevé : h(t)
β=0 0≤β≤1 Fonction de transfert :

0.8
β=0.25
β=0.5

1−β
T h i si |f | < 2T
0.6 β=0.75 
β=1 ◮ Réponse impulsionnelle :

1−β
0.4
H(f ) = T2 1 + cos πt
β (|f | − 2T ) si 1−β
2T < |f | ≤
1+β
2T
sin(πt/T ) cos(πβt/T )
h(t) =
0.2

0

sinon
πt/T 1 − (2βt/T )2
0
◮ Support temporel infini
−0.2
−4T −3T −2T −T 0 T 2T 3T 4T

Temps (t)
Transmission en absence de bruit Interférences entre symboles Transmission en absence de bruit Réception en absence de bruit
Filtre en cosinus surélevé Décision en absence de bruit

Filtre en cosinus surélevé : H(f) réception Echantillonage
Démodulation
hr (t)
T
zk = z(kT )
◮ Largeur de bande :
β=0 d̂n âk
β=0.25 1+β
T/2
β=0.5 B=
β=0.75 2T Récepteur
β=1
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
−1/T −1/2T 0 1/2T 1/T

zk = ak h(0)
Fréquence (f)
zk
En connaissant h(0) on peut donc estimer âk = h(0)
. La probabilité d’erreur symbole est ici nulle
car âk = ak
Transmission en absence de bruit Réception en absence de bruit Transmission en présence de bruit blanc additif gaussien
Décodage en absence de bruit Sommaire
Introduction

Démodulation réception Echantillonage Codage en ligne
hr (t)
zk = z(kT ) Transmission en absence de bruit
Décodage Décision Transmission en présence de bruit blanc additif gaussien

d̂n âk Hypothèses
Récepteur optimal
Réception en présence de bruit
Récepteur

En connaissant le dictionnaire utilisé, on peut retrouver d̂n à partir de âk = ak de façon parfaite.
La probabilité d’erreur binaire est nulle car d̂n = dn .
Transmission en présence de bruit blanc additif gaussien Hypothèses Transmission en présence de bruit blanc additif gaussien Hypothèses
Transmission en présence de bruit blanc additif gaussien Bruit blanc gaussien
◮ Signal aléatoire : on ne peut pas savoir

e(t) Filtre de e ′ (t) Bruit r (t) 1.5
quelles valeurs le signal va prendre, donc

canal hc (t) additif b(t) 1
on utilise des probabilités
0.5 ◮ Caractérisation par la moyenne (nulle pour
N0
un bruit blanc) et la variance σ2 = 2
Canal de transmission 0
◮ A priori, le signal peut prendre n’importe
−0.5 quelle valeur, on sait juste que plus cette
Rappel : valeur est éloignée de la moyenne, moins
◮ On travaille en bande de base (e(t) = x(t), r (t) = y (t))
−1 elle est probable
−1.5
◮ Plus la variance est elevée, plus le signal a
◮ On suppose le canal idéal, invariant et de gain unitaire Hc (f ) = 1 0 200 400 600 800 1000
Temps (t) le droit de prendre des valeurs éloignées
◮ Ici, on suppose que b(t) est un bruit blanc gaussien de densité spectrale de puissance Ici σ2 = 0.1 de la moyenne
N0
Γb (f ) = 2
y (t) = x(t) + b(t)
Transmission en présence de bruit blanc additif gaussien Hypothèses Transmission en présence de bruit blanc additif gaussien Hypothèses
Bruit gaussien Transmission en présence de bruit blanc additif gaussien
Fonction de Marcum Q(x) dn Conversion ak Filtre de

mise en
x(t) e(t) e(t) Filtre de e ′ (t) Bruit r (t)
bits/symboles Modulation canal hc (t) additif b(t)
forme he (t)
+∞
1
Z
−z 2 Emetteur Canal de transmission
Q(x) = √ e 2 dz
2π x
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
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Récepteur optimal
Récepteur : filtre de réception Récepteur : échantillonnage

r (t) y (t) Filtre de z(t) hr (t)
hr (t) zk = z(kT )
zk = z(kT )
d̂n âk
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
Récepteur optimal Rappel : filtrage adapté
X x(t) = ak δ(t) he (t) + hr (t) y (t)

zk = ak h(0) + ak ′ h((k − k ′ )T ) + n(kT )
| {z }
k ′ 6=k
| {z } bruit
IES
b(t)
◮ Si on veut faire le moins d’erreur possible, il faut que l’IES soit nulle et que l’influence du
bruit soit la plus faible possible.
◮ On a déjà vu que pour que l’IES soit nulle : h = he ∗ hr doit être un filtre de Nyquist ◮ Pour maximiser le rapport signal sur bruit en sortie du récepteur il faut
h(kT ) = (he ∗ hr )(kT ) = h(0)δ(k)
Hr (f ) = He∗ (f ) ce qui implique hr (t) = he∗ (−t)
◮ Comment choisir le filtre de réception hr (t) pour que l’influence du bruit soit la plus faible
possible ? ◮ Dans ce cas, le rapport signal sur bruit vaut
q
h(0)2
◮ cf TD 1 : maximisation du rapport signal sur bruit SNR = Pn
r
hr doit être le filtre adapté à he
2Ehe
◮
SNR =
N0
Récepteur optimal : domaine temporel Exemple : filtre NRZ
x(t)
2
Dans le domaine temporel : 1.5
◮ Si le filtre de réception est adapté au filtre d’émission, on a hr (t) = he (−t) 1
(on suppose ici que les filtres sont réels)

0.5
◮ On a donc h(t) = he (t) ∗ he (−t)
0
◮ On veut que h soit un filtre de Nyquist
◮ Cas simple : si he (t) a un support strictement inférieur à T , alors en prenant −0.5
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)
Exemple : filtre NRZ Exemple : filtre NRZ
y(t) = x(t) + b(t) z(t)=(y * h )(t) = y(t) * h (−t)

r e
2 2
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)
Exemple : filtre NRZ Récepteur optimal : domaine fréquentiel
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)
Filtre en racine de cosinus surelevé Filtre en racine de cosinus surelevé
Filtre en racine de cosinus surélevé : h (t)

Filtre en racine de cosinus surélevé : He(f) e
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
sqrt(T)/2 β=0.5 surelevé multiples de T )

β=0.75 0.4
β=1 ◮ Bande passante B = 1+β ◮ En revanche, h(t) = he (t) ∗ he (−t) est un
2T 0.2
filtre de Nyquist
0
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)
Exemple : filtre RCS Exemple : filtre RCS
x(t) y(t) = x(t) + b(t)

2 2
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)
Exemple : filtre RCS Exemple : filtre RCS
z(t)=(y * h )(t) = y(t) * h (−t)

r e z =z (kT)
k
2
2
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)
Transmission en présence de bruit blanc additif gaussien Récepteur optimal Transmission en présence de bruit blanc additif gaussien Réception en présence de bruit
Récepteur optimal : bilan Récepteur optimal : conséquences
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
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
Décision Décision par seuil : cas binaire
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
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...
Décision par seuil : cas M-aire Probabilité d’erreur
Si le bruit est trop important, on risque de faire des erreurs

Dans le cas de M symboles, on utilise le même principe
Probabilité d’erreur par symbole
◮ On calcule zk et on regarde quel symbole du dictionnaire est le plus proche
Ehe
(au sens de la distance euclidienne) err
Psym = p(aˆk 6= ak )
◮ On décide ensuite que aˆk est ce symbole
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 )
Calcul de la probabilité d’erreur (cas binaire) Calcul de la probabilité d’erreur (cas binaire)
Supposons que l’on utilise un dictionnaire binaire antipolaire (ak = 1 ou ak = −1).

Quelle est la probabilité de faire une erreur sur le symbole ?
◮ On a soit zk = Ehe + n(kT ), soit zk = −Ehe + n(kT ) Quand va-t-on faire une erreur ? 2 cas :
R +∞ N E ◮ Quand ak = −1 et que zk > 0
◮ On a déjà vu que Pn = N20 −∞ |Hr (f )|2 df = 02 he (car le récepteur est supposé
optimal) ◮ Quand ak = 1 et que zk < 0
◮ n(t) est un bruit gaussien de moyenne nulle et de variance σn2 = Pn
◮ Intuitivement on va dire que si zk > 0, alors aˆk = 1, et sinon aˆk = −1
Calcul de la probabilité d’erreur (cas binaire) Probabilité d’erreur M-aire (antipolaire)
◮ 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
Energie moyenne par bit Probabilité d’erreur M-aire (antipolaire)
Avec cette définition, on peut réécrire pour un dictionnaire M-aire antipolaire

r !
err M −1 2Ebit 3 log2 M
Rappel : Dans le cas d’un dictionnaire antipolaire à M symboles, on peut montrer Psym = 2 Q
M N0 M 2 − 1
que
M2 − 1
Ebit = Eh err
3 log2 M e ◮ Pour minimiser Psym , il faut augmenter Ebit donc soit augmenter la puissance
émise moyenne Pe , soit diminuer le débit binare Db
où Ebit est l’énergie moyenne par bit émis. On a aussi Ebit = Pe Db où Pe est la
◮ A ENbit0 fixé, plus on augmente M, plus la probabilité d’erreur augmente
puissance émise moyenne et Db le débit binaire. ◮ Remarque : si on utilise un codage de Grey on a
err
err
Psym
Pbit ≈
log2 M
Probabilité d’erreur M-aire (antipolaire) Décodage
Probabilité d’erreur symbole pour un dictionnaire M−aire antipolaire

0
10
−2 r (t) y (t) Filtre de z(t)

10 réception Echantillonage
Démodulation
hr (t)
−4
10 zk = z(kT )
Psym
−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)
Transmission sur un canal à largeur de bande limitée Transmission sur un canal à largeur de bande limitée
Sommaire Bande passante du signal
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 ]
◮ 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
◮ 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
Bande passante du canal Utilisation de la bande passante
◮ 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...)
Paramètres d’une chaı̂ne de transmission Evaluation d’une chaı̂ne de transmission
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
Dimensionnement d’une chaı̂ne de transmission
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
Laurent Oudre laurent.oudre@univ-paris13.fr Communications numériques 2014-2015 99 / 99

R Optimal

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

R Optimal

Uploaded by

Copyright:

Available Formats

Sommaire

Laurent Oudre Transmission en absence de bruit

Transmission en présence de bruit blanc additif gaussien

Transmission sur un canal à largeur de bande limitée

Sommaire Chaı̂ne de transmission idéale : rappel

Codage en ligne dn e(t) Canal de r (t) d̂n

Transmission en présence de bruit blanc additif gaussien

Transmission sur un canal à largeur de bande limitée

Chaı̂ne de transmission idéale : emetteur Emetteur : différentes étapes

dn e(t) Canal de r (t) d̂n dn ak Filtre de x(t) e(t)

Emetteur : transformer le signal numérique dn en un signal physique e(t) (onde

Introduction Emetteur Introduction Emetteur

Emetteur : différentes étapes Emetteur : différentes étapes

dn ak Filtre de x(t) e(t) dn ak Filtre de x(t) e(t)

Mise en forme : Modulation :

Chaı̂ne de transmission idéale : canal Canal : différentes étapes

dn e(t) Canal de r (t) d̂n e(t) e ′ (t) r (t)

Canal de transmission : câbles coaxiaux, paires torsadées, réseau hertzien,

Introduction Canal Introduction Récepteur

Canal : différentes étapes Chaı̂ne de transmission idéale : récepteur

e(t) Filtre de e ′ (t) Bruit r (t) dn e(t) r (t) d̂n

Récepteur : transformer le signal physique reçu r (t) pour retrouver le signal

Récepteur : différentes étapes Récepteur : différentes étapes

r (t) y (t) Filtre de z(t)

Introduction Récepteur Introduction Récepteur

Récepteur : différentes étapes Récepteur : différentes étapes

r (t) y (t) Filtre de z(t) r (t) y (t) Filtre de z(t)

Décodage Décision Décodage Décision

Récepteur : différentes étapes Hypothèses

dn ak Filtre de x(t) e(t)

r (t) y (t) Filtre de z(t) Emetteur On s’interesse ici à la transmission en

Codage en ligne Codage en ligne

Sommaire Codage en ligne

dn Conversion ak x(t) e(t)

Transmission en absence de bruit Codage en ligne

Transmission en présence de bruit blanc additif gaussien

Emetteur : conversion bits/symboles Débit binaire

1.5 ◮ Entrée : signal binaire initial

Codage en ligne Conversion bits/symboles Codage en ligne Conversion bits/symboles

Transcodage : conversion bits/symboles Codage par dictionnaire

◮ Dictionnaire à M symboles (M : valence)

Codage par dictionnaire Exemples

◮ Plusieurs façons d’attribuer un symbole ak à chaque groupe de m bits

Codage en ligne Conversion bits/symboles Codage en ligne Conversion bits/symboles

Exemples Rapidité de modulation

Exemple : codage 2B1Q Emetteur : mise en forme

Codage en ligne Mise en forme Codage en ligne Mise en forme

Mise en forme Filtre NRZ (non retour à zéro)

◮ Entrée : suite de symboles M-aires ak . Un symbole émis toutes les T secondes

1010001101 −→ 1010001101 1010001101 −→ 1−11−1−1−111−11

Codage en ligne Mise en forme Codage en ligne Mise en forme

Filtre RZ (retour à zéro) Exemple : Codage binaire unipolaire RZ

Exemple : Codage binaire antipolaire RZ Filtre biphase Manchester

Exemple : Codage binaire antipolaire Manchester Energie et puissance

1 ◮ Comment évaluer l’énergie totale du signal en bande de base x(t) ?

0 ◮ Si le support temporel de he (t) est égal à T , on a :

✏1 ◮ Problème : on ne connait pas les ak a priori car ils sont aléatoires !

Energie moyenne par symbole Exemples

Formules générales Puissance émise moyenne

On peut montrer que pour un dictionnaire M-aire

Propriétés spectrales des signaux en bande de base Sommaire

◮ Chacun des codes a des propriétés spectrales différentes (largeur de bande du

Transmission en absence de bruit Hypothèses Transmission en absence de bruit Hypothèses