ELE113-Chap 01-Le Canal AWGN

ELE113Click to edit Master
– Transmission title style

Numérique
Chapitre 01 - Le canal AWGN

« Additive White Gaussian Noise »
ELE113 – Transmission Numérique Enseignant : Pierre SWEID 1

ClickIntroduction
to edit Master title style
Etude des transmissions numériques
Le canal conditionne les techniques de transmissions (câble vs

sans fil).
Canal de transmission
Communications numériques de base : cas des canaux parfaits.

 Conception de l’émetteur (passage des bits au signal) :
modulations numériques.
 Conception du récepteur (passage du signal aux bits) : cas des
canaux parfaits (AWGN).
Communications numériques avancées : cas des canaux réels.

ClickIntroduction
Etude des transmissions numériques
Conception de l’émetteur et du récepteur dans le cas d’un canal

ideal : canal AWGN (Additive White Gaussian Noise)
Intérêt du canal AWGN : établissement des performances de

référence
BBAG : Bruit Blanc Additive Gaussien

ClickIntroduction
Canal AWGN vs canal de communication sans fil
CARACTERISATION DES CANAUX DE COMMUNICATION SANS FIL :

 Trajets multiples, fading, slow et fast fading, sélectivité en
fréquence et flat fading
TECHNIQUES DE TRANSMISSION :
 Égalisation, étalement de spectre, OFDM, diversité
UTILISATION DES TECHNIQUES DANS LES SYSTEMES SANS FIL :
 GSM, IS-95, DVB-T, WiMAX, UMTS

Click to edit Master title style
Sommaire
Modèle
Canal AWGN avec une modulation binaire (  envoie des 0 et des 1)
Performances ( probabilité d’erreur en fonction du rapport S/B)
 à quel taux d’erreur on peut s’attendre en fonction de l’énergie

fournie sachant que le bruit (N0) est fixe .

Click to edit
Le canal AWGNMaster title style
Modèle
Canal AWGN avec une modulation binaire
Performances

CanalClick
AWGN to(edit Master title style
la référence)
Le canal de transmission de base en communications numériques est
appelé canal AWGN : AWGN : Additive White Gaussian Noise (BBAG :
Bruit Blanc Additive Gaussian).
Modélisation du canal de transmission AWGN :
Bruit n(t)
L’émetteur transmet des symboles mis en forme, sk(t)

 mis en forme  multiplication des bits par une fonction pour pouvoir envoyer les
symboles correctement) et faire en sorte que côté récepteur soient reçus avec le
meilleur rapport S/B).
 M formes d’ondes différentes peuvent être transmises, chacune
correspondant à un symbole différent.

Click
Canal AWGN ( latoréférence)
edit Master title style
–suite -
Le canal de transmission de base en communications numériques est appelé

canal AWGN : AWGN : Additive White Gaussian Noise (BBAG : Bruit Blanc
Additive Gaussian).
Bruit n(t)
Chaque symbole est transmis durant un intervalle de temps, T

(Temps Symbole) [un symbole : 1 ou plusieurs bits en fonction de la
modulation choisie].
Le canal modifie le signal transmis en ajoutant un bruit blanc

Gaussien, n ( Il n’y a pas d’autre modification due au canal)

Click
Canal AWGN ( latoréférence)
edit Master title style
–suite -
Le canal de transmission de base en communications numériques est

appelé canal AWGN : AWGN : Additive White Gaussian Noise (BBAG :
Bruit Blanc Additive Gaussian).
Bruit n(t)
 Le signal reçu pendant kT  t  (k + 1)T est :

r (t) = sk(t) + n(t)
Signal Bruit
 Ce qui nous intéresse est de regarder l’influence du bruit sur les performances

Click to
Canal AWGN enedit Master
bande title style
de base
La transmission se fait en bande de base (  c’est le cas lorsqu’on a
la fréquence porteuse = 0):
 Signal centré sur la fréquence 0 et de bande passante Bbb qui

s’étend des valeurs positives aux valeurs négatives..
En transmission radio, le signal est

envoyé sur une fréquence
porteuse
-Bbb Bbb f
Bande passante du signal réel AWGN
Transmission en bande de base  Fréquence porteuse = 0

Dans la suite du cours, on montrera que toute transmission sur une fréquence porteuse peut se
ramener à un canal en bande de base  peut qu’on peut toujours faire une opération qui permet de
ramener un calcul à fréquence porteuse à un canal en bande de base  ce n’est pas nécessaire
d’étudier tous les canaux à fréquence porteuse; on peut étudier le canal en bande de base car
équivalent aux autres canaux) Enseignant : Pierre SWEID 10
ELE113 – Transmission Numérique
Click to
bande title style
de base
Bruit blanc : définition
 Bruit blanc : est un processus aléatoire (V.A. ) stationnaire

d’ordre 2 ( possède une moyenne et une fonction d’auto corrélation qui
ne dépendant pas de temps) ,
 donc qui a les caractéristiques suivantes :
1. Centré : mn = E [n(t)] = 0.  t.
2. Blanc  Ses échantillons sont indépendants : en

conséquence, sa fonction d’auto corrélation est nulle
partout, sauf en 0 :
rnn() = E [n(t).n*(t − )] = 2.( )
2 : est la variance du bruit

Energie du bruit
 Pas de corrélation entre le signal à n(t) et sa

forme à n (t − )
Enseignant : Pierre SWEID
2
ELE113 – Transmission Numérique 11
Click to
bande title style
de base
Bruit blanc : définition
 Densité spectrale de puissance est, par définition

(transformée de Fourrier de la fonction d’autocorrélation):
Puissance du signal en fonction de la
fréquence porteuse
Présence du signal en fonction de la fréquence
 Dans le cas du bruit blanc, elle vaut :
N.B : la transformée de Fourier d’une fonction de Dirac est la fonction

constante ( ne dépend pas de la fréquence).
Ainsi, on parle de bruit blanc car toutes les composantes

fréquentielles sont présentes.
 On note, en générale : En watt/Hertz

Click to
bande title style
de base
Dans la vraie vie, on va s’intéresser au bruit dans une bande de

fréquences limitées bande de fréquences du canal considéré)
Bruit blanc « Densité spectrale de puissance »
f
-Bbb Bbb
La puissance de bruit dans la bande considéré est :
DDSP * largeur de bande considérée = N0/2 * 2xBbb = N0.Bbb

Click to
bande title style
de base
Bruit blanc Gaussien : le bruit AWGN est aussi Gaussien s’il suit une
loi normale centrée
 Distribution Gaussienne centrée :
 Densité de probabilité du bruit est :
Permet de modéliser le bruit

 =1
thermiques par exemple
 Loi Gaussienne ou normale :

elle correspond au comportement, sous
certaines conditions, d'une suite
d'expériences aléatoires similaires et
indépendantes lorsque le nombre
d'expériences est très élevé
Est la loi normale de moyenne

0 et d’écart type égal à 2
il est habituel d'utiliser la notation avec la

variance  2 :

Modulation binaire : émission
Modulation binaire :
 lorsque chaque symbole transmis sk correspond à un bit, dk
Avant transmission sur le canal, les bits sont mis en forme :
1. Tout d’abord, le changement suivant est opéré, afin de

centrer le signal autour de 0
Ça permet de supprimer la valeur moyenne du
dk = 1  ak = 1 signal.
Sinon on aurait une valeur moyenne de l’ordre de
dk = 0  ak = −1 0,5 et ça augmente l’énergie nécessaire
2. Puis un filtre de mise en forme g(t) est appliqué sur

chaque symbole
 L’objectif du filtre est d’ adapter la transmission du symbole au
caractéristiques du canal
 Il doit permettre de supprimer aussi l’interférence entre symboles

Modulation binaire : émission
 Le filtre de mise en forme définit les caractéristiques

spectrales de la transmission.
Le type de fonction à utiliser est imposé par
 le critère de Nyquist, que doit vérifier le canal complet,
 et par l’occupation spectrale du signal.
Exemple :
• Si le filtre de mise en forme est une porte, son

occupation spectrale est infinie. Lorsque le canal est à
bande limitée, il faudra donc choisir d’autres types de
filtres de mise en forme, tels que les filtres en racine de
cosinus surélevé.

Modulation binaire : réception
Le signal s(t) passe dans le canal AWGN, où le bruit blanc
gaussien n(t) lui est ajouté.
Le signal reçu en sortie du canal AWGN est donc :
r (t) = s (t) + n(t)
Pour démoduler le signal, on applique un filtre de réception gr(t).
Emetteur Filtre de réception : échantillonnage

Filtre de pré traitement
Filtre de
mise en
symboles forme
bits
Chaine de transmission pour le canal AWGN

Modulation binaire : réception
Pour que le schéma précédent fonctionne, il faut
 Choisir un filtre à l’émission
 Un filtre à la réception adapté au filtre à l’émission
Pour qu’on ait un filtre global qui supprime l’interférence inter symboles
CANAL
numérique numérique
Quel choix à faire pour les

filtres à ‘émission et à la
réception
analogique
Objectif :
 trouver le filtre de réception optimal pour maximiser le rapport signal à bruit
ensuite en déduire le filtre à l’émission, étant donné que le canal complet doit
vérifier le critère de Nyquist. Ce filtre est appelé filtre adapté.
Filtre équivalent :
 pour cet objectif, on va regarder le filtre équivalent à la chaine de
transmission
 Filtre équivalent à la chaîne de transmission
g(t) gr(t)
1. Il doit vérifier le critère de Nyquist
Rappel :
Réception avant échantillonnage
Filtre de mise en forme convolé

avec le filtre de réception
Bruit mg(t) : bruit filtré par le filtre
de réception
Après échantillonnage à la période T
Le nième symbole s’écrit
(k=n)

Si on veut récupérer le symbole envoyé à l’instant t=N.T
(nT)
Terme Interférence Inter Symboles
 Si on veut que le terme IFS soit éliminé il faut que le filtre

équivalent soit définir de telle manière que le terme f((n-k)T) = 0
pour tous les cas ou (n-k) est  0
 Ce qui est équivalent à dire :

2. On montre que pour maximiser le rapport SNR au récepteur ,
il faut que le filtre adapté soit définie de la façon suivante :
 le filtre en réception est proportionnel au complexe conjugué

du filtre à l’émission dans le domaine fréquentiel
 En général, on prend des filtres réels et  =1.
 Cas simple : gr(t) = g(t)
Démonstration en annexe

Filtre équivalent
 Où :
  est un réel quelconque.
 Gr(f) est alors le filtre de réception qui maximise le rapport
signal à bruit, connaissant le filtre de transmission.
 On dit que Gr(f) est le filtre adapté au filtre d’émission G(f).
 Le filtre total (transmission et réception) est alors :

Filtre de Nyquist
 Il est donc possible de décomposer les filtres en émission et en

réception à partir de la fonction F de la façon suivante :
avec (f) une phase réelle, en supposant que l’on a choisi  = 1.

Filtre de Nyquist
 F(f ) doit vérifier le critère de Nyquist pour qu’il n’y ait pas d’ISI
(interférence entre symboles sur le canal).
 Dans le domaine temporel : le filtre doit annuler tous les échantillons en dehors de
l’échantillon 0
 Dans le domaine fréquentiel :
 Pour que (f(nT) = 0, n0, il faut que largeur de bande du filtre équivalent soit
supérieur à 1/(2T) , T : temps symbole [ Bbb  1/(2T) ] (en ne considérant ici que les
fréquences positives pour le filtre en bande de base)

Filtre de Nyquist
Choix du filtre qui vérifie ces propriétés ( Bbb  1/(2T)) :
 En général, F(f ) filtre en cosinus surélevé « équation » :
Bbb  1/(2T
 Rappel : la famille des filtres en cosinus surélevés :

Ils ont la particularité de ne pas produire d'interférence entre symboles mais aussi d'être
à support spectral borné.
Ils permettent ainsi de mettre en forme des signaux de communications pour des
canaux à bande limitée, tout en préservant les signaux de l'interférence entre symboles.
D'un point de vue théorique ils demandent cependant une infinité de coefficients.

Filtres en cosinus surélevé : réponse impulsionnelle
 La réponse impulsionnelle de F(f) est :
  ∈ [0, 1] est le facteur de retombée, aussi appelé facteur de roll-off.
 La largeur de bande de F est donc Bbb =(1+ ) /(2T)
 Cas particulier :  = 0  fonction rectangle (Bbb = 1/(2T)):
Fonction : Sinus cardinal

Filtres en cosinus surélevé : réponse impulsionnelle
La réponse en fréquence et la réponse impulsionnelle du filtre en cosinus surélevé pour
différents facteurs de retombé sont représentés sur les figures ci-dessous.
On constate sur la réponse impulsionnelle que plus  est grand, plus l’amplitude des
lobes secondaires est limitée ( lobes secondaires importantes si   0) .
Energie perdue
Energie utile
=1
En GSM
=0,3
=0
si   1 : bande large. Donc, un compromis est à faire entre la largeur de bandes et l’importance des lobes secondaires

Exemple de filtres en racine de Nyquist
 Le produit de G(f) et Gr(f) doit vérifier le critère de Nyquist, et G(f) et Gr(f) ont le même
module.
 Afin de vérifier ces propriétés, G(f) et Gr(f) sont choisis comme étant des filtres en
racine de cosinus surélevé, ayant le même facteur de retombée que F(f).
 On les appelle aussi des ’filtres en racine de Nyquist’  filtre en racine de cosinus
surélevé
 Leur réponse impulsionnelle est :

En résumé : Etapes de réception avec filtre adapté
1. Application du filtre adapté gr .

Après
Prochaine échantillonnage car
2. Echantillonnage des symboles à la période T. on a supprimé l’IFS
étape
3. Estimation des symboles transmis âk en utilisant un

comparateur à seuil (estimation symmbole par symbole).
Si on estime que le symbole était à 1
4. Estimation des bits à partir des âk alors le bit était à 1
Si on estime que le symbole était à -1
alors que le bit était 0

Click to edit
Le canal AWGNMaster title style
Modèle
Performances de la modulation binaire sur le canal AWGN

Click to edit Master
Performances title style
E : énergie nécessaire pour
b
envoyer un bit
Probabilité d’erreur : on va maintenant déterminer la probabilité

d’erreur Pe en fonction du rapport signal à bruit pour le canal AWGN,
avec une modulation binaire ( qualifié comme performance du
canal) .
 Probabilité d’erreur Pe en fonction du rapport signal à bruit Eb/N0
 Le signal reçu :rk = ak.f (0) + Wk
 Où Wk est le bruit filtré par gr et échantillonné
 Dans la suite, on va faire une estimation sur ce signal (rk)
 Deux types d’erreur possibles (analysées séparément) :

1. Erreur de type 1: choix du symbole 1 alors que 0 a été transmis
2. Erreur de type 2: choix du symbole 0 alors que 1 a été transmis

Performances Loi gaussienne
 Détection à seuil
Le seuil du détecteur est S = 0.
Détection à seuil
Si (symbole reçu) rk > 0, on estime que ls symbole émis était âk = 1,
Sinon, on estime que le symbole émis était âk = −1.
En conséquence, pour la transmission de chaque bit, les densités de

probabilité conditionnelles sont
Moyenne
y = f(0)
Moyenne = -f(0)

Performances
Probabilité d’erreur si ak = 1
 Probabilité d’erreur si ak = 1 a été transmis = probabilité
que r < 0, sachant qu’on a envoyé ak = 1.

Performances
Probabilité d’erreur si ak = 1
u=-x

Performances
Probabilité d’erreur si ak = -1
Probabilité d’erreur si ak = -1 a été transmis = probabilité que

r > 0, sachant qu’on a envoyé ak = -1.

Performances
Probabilité d’erreur moyenne
Probabilité d’erreur si ak = -1 vaut aussi
Conséquence
N.B :probabilité d’envoyer un 0 =
probabilité d’envoyer un 1 = 1/2.
Probabilité d’erreur moyenne : Donc :
P(ak =1) = 1/2
P(ak =-1) = 1/2

Performances
Performances modulation binaire
Energie par bit :

( énergie moyenne nécessaire
pour envoyer un bit)
(amplitude du signal quand on
transmet ak=1
 car f est une fonction réelle
Variance du bruit :
Probabilité d’erreur en fonction de Eb /N0
Finalement :

Performances
Performances modulation binaire
Probabilité d’erreur en fonction de la distance entre les

symboles.
Dans le cas d’une modulation binaire, elle vaut
 dmin = 2.f (0)
D’où :
Cette probabilité d’erreur est appelée probabilité d’erreur par

paire. Elle est utile dans le calcul des performances des
modulations non binaires.
Click to edit
Annexes Master
: Filtre title style
adapté
Probabilité d’erreur du canal AWGN :
 Forme de la courbe
Avec une modulation

plus grande que des 0 et
des 1

Click to edit
Annexes Master
adapté
Filtre équivalent
Filtre équivalent à la chaîne de transmission :
TF : F(f ) = G(f ).Gr(f )
TF inverse :

Click to edit
Annexes Master
adapté
Filtre équivalent
Filtre équivalent à la chaîne de transmission :
TF : F(f ) = G(f ).Gr(f )
TF inverse :
Pour t = 0, on prend le module :
Inégalité de Cauchy-Schwartz

Click to edit
Annexes Master
adapté
Rapport signal à bruit
Maximal quand l’égalité de Cauchy-Scharz est vérifiée

Click to edit
Annexes Master
adapté
Filtre adapté
Ce qui est équivalent à :
Gr (f ) est alors le filtre de réception adapté au filtre de

transmission G(f ).

Chaine de transmission
r(n.T)= an.f (0) + ng(n.T)
Bruit n(t)
ân
Sk(t) Filtre de réception Échantillonneur Comparateur à
gr(t) T=n.T seuil

annexe

 Démonstration :
Filtre équivalent : pour cet objectif, on va regarder le filtre
équivalent côté émission
 On applique ensuite la Transformée de Fourier inverse :
 Pour t = 0, le module de l’´équation précédente vaut :
 (1) est obtenue en utilisant l’inégalité de Cauchy-Schwarz.
 La variance du bruit en sortie du récepteur vaut : 2

Filtre équivalent
 Le rapport signal à bruit est défini comme le rapport entre

l’énergie du signal et la variance du bruit
 Il s’exprime en utilisant les équations (1) et (2)
 Le rapport signal à bruit est maximal lorsque l’égalité de

Cauchy-Schwarz est vérifiée :
 Cette contrainte est équivalente à la contrainte suivante :
CQFD

annexe

ELE113-Chap 01-Le Canal AWGN

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

ELE113-Chap 01-Le Canal AWGN

Diunggah oleh

Hak Cipta:

Format Tersedia

ELE113Click to edit Master

– Transmission title style

Chapitre 01 - Le canal AWGN

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 1

Etude des transmissions numériques

Le canal conditionne les techniques de transmissions (câble vs

Communications numériques de base : cas des canaux parfaits.

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 2

Etude des transmissions numériques

Conception de l’émetteur et du récepteur dans le cas d’un canal

Intérêt du canal AWGN : établissement des performances de

BBAG : Bruit Blanc Additive Gaussien

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 3

Canal AWGN vs canal de communication sans fil

CARACTERISATION DES CANAUX DE COMMUNICATION SANS FIL :

 GSM, IS-95, DVB-T, WiMAX, UMTS

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 4

Canal AWGN avec une modulation binaire (  envoie des 0 et des 1)

Performances ( probabilité d’erreur en fonction du rapport S/B)

 à quel taux d’erreur on peut s’attendre en fonction de l’énergie

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 5

Canal AWGN avec une modulation binaire

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 6

Modélisation du canal de transmission AWGN :

L’émetteur transmet des symboles mis en forme, sk(t)

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 7

Le canal de transmission de base en communications numériques est appelé

Modélisation du canal de transmission AWGN :

Chaque symbole est transmis durant un intervalle de temps, T

Le canal modifie le signal transmis en ajoutant un bruit blanc

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 8

Le canal de transmission de base en communications numériques est

Modélisation du canal de transmission AWGN :

 Le signal reçu pendant kT  t  (k + 1)T est :

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 9

 Signal centré sur la fréquence 0 et de bande passante Bbb qui

En transmission radio, le signal est

Bande passante du signal réel AWGN

Transmission en bande de base  Fréquence porteuse = 0

Bruit blanc : définition

 Bruit blanc : est un processus aléatoire (V.A. ) stationnaire

ne dépendant pas de temps) ,

 donc qui a les caractéristiques suivantes :

2. Blanc  Ses échantillons sont indépendants : en

rnn() = E [n(t).n*(t − )] = 2.( )

2 : est la variance du bruit

 Pas de corrélation entre le signal à n(t) et sa

Bruit blanc : définition

 Densité spectrale de puissance est, par définition

 Dans le cas du bruit blanc, elle vaut :

N.B : la transformée de Fourier d’une fonction de Dirac est la fonction

Ainsi, on parle de bruit blanc car toutes les composantes

 On note, en générale : En watt/Hertz

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 12

Dans la vraie vie, on va s’intéresser au bruit dans une bande de

Bruit blanc « Densité spectrale de puissance »

La puissance de bruit dans la bande considéré est :

DDSP * largeur de bande considérée = N0/2 * 2xBbb = N0.Bbb

ELE113 – Transmission Numérique Enseignant : Pierre SWEID 13

 Distribution Gaussienne centrée :

 Densité de probabilité du bruit est :

Permet de modéliser le bruit

 Loi Gaussienne ou normale :

Est la loi normale de moyenne