1
LES SYSTÈMES MIMO-OFDM EN PRESENCE DU BRUIT DE
PHASE ET L’EVANOUISSEMENT
DOUBLE SELECTIF
Réalisé par: Auteurs:
Rahmani Nesrine Yu Zhang
Elmoussaid Tawfik Huaping Liu
2
PLAN
Introduction Le modèle du système Impact de l’ICI causé par phase noise et
time-varying fading Suppression du phase noise et détection des
data Résultats de la simulation et discussion Conclusion
3
INTRODUCTION
Outre le bruit de phase, time-selective fading détruit également l'orthogonalité entre les différentes sous-porteuses à l'intérieur d'un symbole OFDM et provoque ICI.
Il est largement accepté que le bruit de phase en OFDM a deux effets principaux:
Common Phase Error (CPE), c’est l'erreur de phase commune : une rotation constante de la constellation de signal.
Intercarrier Interference (ICI): en raison de la perte d'orthogonalité entre les sous-porteuses causées par les changements rapides de la phase de l'oscillateur.
4
INTRODUCTION
Après avoir caractérisé CPE causé par le bruit de phase et ICI causée par le bruit de phase et time-selective fading, nous allons tirer l’erreur quadratique moyenne minimale (MMSE) à base de système d'atténuation pour minimiser efficacement l'impact du bruit de phase.
Nous allons comparer également quatre systèmes de détection:
1. Le zero-forcing (ZF). 2. Le MMSE. 3. La décorrélation (DF). 4. Le MMSE-DF .
5
LE MODÈLE DU SYSTÈME
xk = [xk1, . . . , xkNt ]T : data transmises.
yk = [yk1, . . . , ykNr ]T : data reçues.
avec 0 ≤ k ≤ Ns − 1. Le signal reçu en MIMO-OFDM sur un slowly fading
channel est :yk = Δkxk + nk
avec Δk est une Nr × Nt matrice dont (i, j)th element, {Δk}ij , désigne la réponse de fréquence de canal entre la jème antenne de transmission et la ième antenne de réception et nk est un Nr × 1 Gaussian noise vecteur de la sous-porteuse k.
6
LE MODÈLE DU SYSTÈME
Phase noise φ(t) peut être décrit comme un processus de mouvement brownien continu de moyenne nulle et de variance 2πβt, avec β désigne la two-sided 3-dB linewidth du spectre de densité de puissance de Lorentz du free-running carrier generator (générateur de porteuse).
φ(n) = φ(nTs), φ(n + 1) = φ(n) + ς(n), avec ς(n) ∼ N(0, 2πβTs) ( Variable aléatoire gaussiene de moyenne nulle et
de variance σ2ς= 2πβTs )
7
LE MODÈLE DU SYSTÈME
Si nous supposons qu'un seul oscillateur est utilisé pour supporter des antennes multiples, on a alors:
Avec:
8
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
En présence du phase noise and time-selective fading, la matrice du canal spatio-temporel (NsNr × NsNt )Ht durant le tème OFDM symbole periode est:
avec L est le nombre de chemins résolubles et 0 est une Nr × Nt matrice zero. Chaque nonzero bloc de Ht contient la Nr × Nt matrice du canal Ht,l(n) pour le trajet l au temps nTs.
9
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
Le canal est supposé avoir un profil exponentiel de délai de puissance θ(τl) = e−τl/τrms, avec τl c’est le délai du lème trajet et τrms représente the root-mean-square (rms) delay spread.
La relation entre les coefficients du canal pour le trajet l à nTs et (n + m)Ts est décrit par la relation suivante:
10
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
fd est le maximum Doppler shift, J0(·) est la fonction de Bessel d’ordre zéro et {ρl,ij(n)} sont des variables complexes aléatoires gaussiennes independantes de moyenne nulle et de variance e−τl/τrms(1 − α2m).
11
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
Après décomposition de H, on a: H = (U ⊗ INr )HΛ(U ⊗ INt )
avec U est la matrice unitaire DFT:
0 ≤ i, j ≤ Ns − 1, et Λ est une matrice diagonale par blocs dont le (k, k)ème bloc est égal à Δk.
12
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
Considérons: G = (U ⊗ INr )H(U ⊗ INt )H
Dans ce cas, le signal transmis en présence du phase noise et time-selective fading devient:
13
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
Soit Υpij une Ns × Ns matrice ayant une structure circulante :
14
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
Avec Yk :
15
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
En présence du phase noise et time-selective fading, le CIR de la kème sous-porteuse pour les systèmes MIMO-OFDM est:
16
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
17
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
L’expression du SINR des systèmes MIMO-OFDM en présence du phase noise et time-selective fading:
18
IMPACT DE L’ICI CAUSÉ PAR PHASE NOISE ET TIME-VARYING FADING
19
SUPPRESSION DU PHASE NOISE ET DÉTECTION DES DATA
On a depuis les résultats précédents :
Avec qui contienne la data Pkk est une fonction qui représente le bruit
au niveau de la phase qu’on doit estimé avec les différent méthodes : MME, ZF et dé-correlation-DF
20
SUPPRESSION DU PHASE NOISE ET DÉTECTION DES DATA
Le 3eme terme à droite représente ICI, causé par le bruit de la phase et la sélectivité temporelle (Fading).
21
SUPPRESSION DU PHASE NOISE ET DÉTECTION DES DATA
En OFDM on utilise des bits de control (pilote) pour estimé le canal dans le cas d’un canal sélective en temps (Fading), mais quand le bruit de la phase s’ajoute, on est obligé d’utilisé d’autres méthodes d’estimation plus avancée pour évité le CPE et le CSI.
Dans notre cas on considère que le CSI est connus parfaitement chez la destination.
22
SUPPRESSION DU PHASE NOISE ET DÉTECTION DES DATA
Pour le CPE il est représenté par ce terme et qu’il doit être estimé :
Avec le signal pilote on estime :
23
MMSE
Ces résultats nous permet d’estimé le CPE avec la méthode MMSE
24
MMSE
Finalement l’estimation MMSE du CPE est représenté par :
Avec :Ou on essaye de minimiser la function
par la recherche des coefficients appropriée la matrice Wk
25
MMSE
On note bien que le CPE à estimé est le même pour toutes les porteuse OFDM de notre système MIMO-OFDM.
L’effets du fading, le bruit de la phase et le RMS sont tous minimiser seulement par le paramètre .
26
MMSE
Finalement on peut exprimé le signal émis et celui reçu par la relation :
27
ZF
Quand seulement la méthode Zero forcing utiliser pour estimé, notre signal yk est comme le suivant :
Dans le cas ou Nr>Nt et l’utilisation d’une détection linéaire, une diversité de Nr-Nt+1 peut être atteinte.
On se basons sur la relation présidente le critère Least square peut être utilisé pour détecter le signal transmit comme suivant :
28
ZF
Avec : L’alphabet et est la ligne p de Dans le cas ou la méthode MMSE est utilisé, la
fonction : est minimiser par la recherche de la matrice obtenue comme suivant :
29
ZF
La détection se fait par comme suivant :
30
DÉ-CORRELATION-DF
La détection en utilisant dé-correlation-DF , le signal est multiplier par comme suivant :
Avec une matrice triangulaire obtenue par la décomposition Cholesky décomposition
La composante p de est donnée par:
31
DÉ-CORRELATION-DF
Finalement la détection des symbole transmis par :
Avec dec(.) est une fonction qui correspond à la modulation utilisé.
32
COMPARAISON
Les recherches on démontrer que la dé-correlation-DF et MMSE-DF on une meilleure estimation que les autres estimateur ZF et MMSE
33
RÉSULTATS DE LA SIMULATION ET DISCUSSION
34
RÉSULTATS DE LA SIMULATION ET DISCUSSION
35
RÉSULTATS DE LA SIMULATION ET DISCUSSION
36
RÉSULTATS DE LA SIMULATION ET DISCUSSION
37
RÉSULTATS DE LA SIMULATION ET DISCUSSION
38
RÉSULTATS DE LA SIMULATION ET DISCUSSION
39
CONCLUSION
Après avoir analysé l’effet du phase noise et la sélectivité temporelle du canal sur les performances d’un système MIMO-OFDM, on a quantifié le CIR et on a proposé la méthode basée sur le MMSE pour l’élimination de bruit de phase qui s ’est avérée la meilleure.
On a également remarquer qu’avec une augmentation de Ts, Ns et β, le CIR diminue.
Top Related