DEA Kepchabé

UNIVERSITE DE YAOUNDE I
FACULTE DES SCIENCES

DEPARTEMENT DE
PHYSIQUE

THE UNIVERSITY OF
YAOUNDE I
FACULTY OF SCIENCES
DEPARTMENT OF PHYSICS
Matricule: 97S859
LABORATOIRE DELECTRONIQUE

Mmoire prsent en vue de lobtention du
DIPLOME DETUDES APPROFONDIES (DEA)
Filire : PHYSIQUE
Option : ELECTRONIQUE
Par :
Simon KEPCHAB
Matre en physique
Sous la direction de :

Anne 2009

L
LLE
EES
SS A
AAP
PPP
PPR
RRO
OOC
CCH
HHE
EES
SS H
HHE
EEU
UUR
RRI
IIS
SST
TTI
IIQ
QQU
UUE
EES
SS P
PPO
OOU
UUR
RR L
LLA
AA
M
MMO
OOD
DDE
EEL
LLI
IIS
SSA
AAT
TTI
IIO
OON
NN D
DDE
EES
SS A
AAN
NNT
TTE
EEN
NNN
NNE
EES
SS P
PPL
LLA
AAN
NNA
AAI
IIR
RRE
EES
SS
A
AAD
DDA
AAP
PPT
TTA
AAT
TTI
IIV
VVE
EES
SS

Pr. TONYE Emmanuel
Professeur, ENSP
Dr HDR. NDJAKA Jean Marie
CC, Facult des Sciences

Approches heuristiques pour la modlisation des antennes planaires adaptatives - Septembre 2009

DEA de Physique Option Electronique Facult des Sciences (UYI) - Simon KEPCHAB

i

Nous tenons exprimer notre profonde gratitude notre Directeur de mmoire Pr.
Emmanuel TONYE, Directeur du Laboratoire dElectronique et de Traitement du Signal (LETS)
situ au Dpartement des Gnies Electrique et des Tlcommunications de lEcole Nationale
Suprieure Polytechnique de Yaound, qui, malgr que nous venions dun laboratoire extrieur
lENSP, nous a aimablement accueilli et a accept de nous encadrer malgr ses multiples
occupations. A son contact, on apprend sans cesse. Notre espoir est quau-del du fond et de la
forme de ce mmoire, nous puissions acqurir ne serait-ce quune infime fraction de sa
rigueur, de sa minutie, de sa mthode et de sa culture informatique extraordinaire.
Je suis infiniment reconnaissant au Dr.HDR. Jean-Marie NDJAKA davoir accept de
codiriger ce mmoire. Ses conseils mont t dune aide incommensurable.
Merci aux membres du Jury qui ont bien voulu examiner ce travail.
Je remercie Pr. NJINE, Doyen honoraire de la Facult de Sciences ainsi que les membres de
La Commission Scientifique Consultative (CSC) de la Facult de sciences qui ont bien voulu me
donner une seconde chance pour terminer ce DEA.
Je remercie vivement tous les autres membres du LETS qui se reconnatront et
particulirement le Dr. Olivier VIDEME BOSSOU ; ses qualits humaines et scientifiques, son
sens critique et son aide inestimable mont permis de mener bien ce travail.
Merci tous les Enseignants de la Facult des Sciences et principalement ceux des
Dpartements de Physique et de Chimie, spcialement ceux du Laboratoire dElectronique dont
je suis le produit : je citerai entre autres Pr. ESSIMBI, Dr. ZIBI, Dr. BIYA MOTTO, Pr. TIEDEU, Dr.
Pierre ELE, Dr. Jean KAMDEM et M. Edmond B.G. EYIKE.
Merci tous mes camarades des promotions 2004/2005 et 2007/2008.

REMERCIEMENTS


ii

Remerciements ................................................................................................................................ i
Table des matires .......................................................................................................................... ii
Rsum/Abstract ............................................................................................................................vii
Glossaire / Abrviations ................................................................................................................ viii
Liste des tableaux et des figures ..................................................................................................... x
INTRODUCTION GENERALE ............................................................................................................ 1
CHAPITRE 1 : CONTEXTE ET PROBLEMATIQUE .............................................................................. 3
1.1- Contexte ....................................................................................................................... 3
1.1.1- Catgories de rseaux de radiocommunication ................................................. 3
1.1.2- Les systmes de radiocommunication ............................................................... 3
1.1.3- Le Concept cellulaire ........................................................................................... 6
1.1.3.1- Principe ............................................................................................................ 6
1.1.3.2- Architecture dun Rseau GSM ........................................................................ 7
1.1.3.3- Caractristiques du GSM .................................................................................. 8
1.1.4-Quest-ce quon attend de ces rseaux ? ............................................................ 9
1.2- Problmatique .............................................................................................................. 9
1.2.1- Le canal de propagation ...................................................................................... 9
1.2.2- Le tlphone boom africain ........................................................................ 11
1.2.3- Raret et cot lev des ressources ................................................................. 11
1.3- Les solutions possibles et la place de notre travail .................................................... 13
1.3.1- Les techniques classiques daccs multiples ..................................................... 13
TABLE DES MATIERES


iii
1.3.2- Une technique nouvelle : le traitement dantennes ......................................... 14
CHAPITRE 2 : LES ANTENNES RESEAUX ........................................................................................ 15
2.1-Dfinition ..................................................................................................................... 15
2.2- Facteurs prendre en Compte .................................................................................. 16
2.3- Diffrents types dantennes rseaux ......................................................................... 16
2.3.1- Les antennes Commutation de faisceaux ...................................................... 17
2.3.2- Les antennes adaptatives .................................................................................. 17
2.3.2.1- Principe et avantage ...................................................................................... 17
2.3.2.2- Structure gnrale des antennes intelligentes .............................................. 18
2.3.2.3- Exemple de procd dannulation dinterfrences ....................................... 19
2.4- Quelques autres applications ........................................................................................ 22
CHAPITRE 3: APPROCHES DE MODELISATION ............................................................................. 23
3.1- Approche ncessitant la Connaissance de la DOA ..................................................... 23
3.1.1- Principe ............................................................................................................. 23
3.1.2- Les algorithmes de DOA .................................................................................... 24
3.1.2.1- Les mthodes destimation spectrale ............................................................ 24
3.1.2.1.1- La mthode de base : La transforme de Fourier spatiale ......................... 24
3.1.2.1.2- La mthode de prdiction linaire : PRONY ............................................... 25
3.1.2.1.3- La mthode de maximum de vraisemblance .............................................. 25
3.1.2.2- Les mthodes des sons espaces ..................................................................... 27
3.1.2.2.1- MUSIC .......................................................................................................... 27
3.1.2.2.2- ESPRIT .......................................................................................................... 28


iv
3.2-Approche directe ncessitant une squence dapprentissage ................................... 30
3.2.1-Principe .............................................................................................................. 30
3.2.2- Les algorithmes dapprentissage ...................................................................... 30
3.2.2.1- Lalgorithme du SMI ....................................................................................... 30
3.2.2.2- Lalgorithme des moindres carrs moyens (LMS).......................................... 31
3.2.2.3- Lalgorithme des moindres carrs rcursifs (RLS) .......................................... 31
3.3-Approche de ceux travaillant en aveugle ............................................................. 31
CHAPITRE 4 : MODELE THEORIQUE DUNE ANTENNE PLANAIRE ADAPTATIVE ......................... 33
4.1- Les hypothses ........................................................................................................... 33
4.2- Modle thorique ...................................................................................................... 33
4.3- Implmentation sous MATLAB .................................................................................. 36
4.3.1- Le signal incident au point de rfrence ........................................................... 37
4.3.2- La matrice dphasage du rseau ...................................................................... 38
4.3.3- La matrice bruit ................................................................................................. 39
4.3.4- La matrice signal du rseau dantennes ........................................................... 40
CHAPITRE 5 : DETERMINATION DE DIRECTIONS DARRIVEE SUR UNE ANTENNE PLANAIRE
ADAPTATIVE PAR LALGORITHME MUSIC.................................................................................... 41
5.1- Aspect mathmatique de MUSIC ............................................................................... 41
5.1.1- Calcul de la matrice de corrlation ................................................................... 41
5.1.2- Valeurs propres de R
xx
....................................................................................... 41
5.1.3- Calcul du spectre de MUSIC .............................................................................. 42
5.2- Implmentation sous MATLAB .................................................................................. 42
5.2.1- Cas statique ....................................................................................................... 42


v
5.2.2 Cas dynamique ................................................................................................... 46
5.3- Rsultats des simulations ........................................................................................... 49
5.3.1- Cas statique ....................................................................................................... 49
5.3.1.1- Influence du rapport signal sur bruit (SNR) ................................................... 50
5.3.1.2- Influence du pas ............................................................................................. 51
5.3.1.3- Influence du nombre dchantillons N .......................................................... 52
5.3.1.4- Influence des nombres de capteurs M et de sources L ................................. 52
5.3.2- Cas dynamique .................................................................................................. 52
CHAPITRE 6 : FORMATION CONSEQUENTE DE FAISCEAUX SUITE AUX DIRECTIONS
DARRIVEE DETERMINEES............................................................................................................. 53
6.1- Le facteur de rseau dune antenne planaire adaptative .......................................... 53
6.2- Le beamformer conventionnel .................................................................................. 53
6.2.1- Gnralits ........................................................................................................ 53
6.2.2- rsultats des simulations .................................................................................. 54
6.3- Le beamformer annulation de lobe ou Null-steering beamformer ......................... 55
6.3.1- Gnralits ........................................................................................................ 55
6.3.2- Rsultats des simulations .................................................................................. 56
6.4- Le beamformer optimal ............................................................................................. 57
6.4.1- Aspect mathmatique ....................................................................................... 57
6.4.2- Implmentation sous MATLAB ......................................................................... 58
6.4.2.1-Cas statique ..................................................................................................... 58
6.4.2.2- Cas dynamique ............................................................................................... 60
6.4.3- Rsultats des simulations .................................................................................. 60


vi
6.4.3.1- Cas statique .................................................................................................... 60
6.4.3.2- Cas dynamique ............................................................................................... 65
CHAPITRE 7 : SIMULATION DUNE ANTENNE PLANAIRE ADAPTATIVE PAR LAPPROCHE A
SEQUENCE DAPPRENTISSAGE ..................................................................................................... 68
7.1-Lalgorithme des moindres carrs Moyens (LMS).....68
7.1.1- Implmentation sous MATLAB ......................................................................... 68
7.1.1.1- Cas Statique .................................................................................................... 68
7.1.1.2- Cas dynamique ............................................................................................... 69
7.1.2- Rsultats de simulation ..................................................................................... 71
7.1.2.1- Cas Statique .................................................................................................... 71
7.1.2.2- Cas dynamique ............................................................................................... 74
7.2- Cas dune propagation avec multi-trajet ......................................................................... 75
7.2.1- Cas Statique ....................................................................................................... 76
7.2.2- Cas dynamique .................................................................................................. 77
CONCLUSION GENERALE...79
BIBLIOGRAPHIE ET WEBOGRAPHIE...........................................................................................81
ANNEXE ......xiv



vii

Lobjectif de ce mmoire est de modliser une antenne planaire adaptative par trois
principales approches communment utilises : lapproche ncessitant la connaissance des
directions darrive, lapproche directe squence dapprentissage et lapproche aveugle.
Nous prsentons lintrt technologique des antennes planaires adaptatives, puis nous
en dfinissons un modle que nous simulons sous MATLAB suivant les diffrentes approches
prcdemment cites.
Nous tudions alors linfluence des diffrents paramtres caractristiques dune
antenne linaire et dune antenne planaire. Nos rsultats pour une antenne linaire sont en
concordance avec ceux publis dans larticle de Tom MATHES et Al., 2003
[1]
.
Mots cls : Antennes intelligentes, Antenne planaire adaptative, DOA, MUSIC, ESPRIT,
MVDR, LMS, RLS, Formation de faisceaux.

This work deals with the modeling of planar smart antennas, using three main
approaches: the direction of arrival approach, the direct training sequence approach and the
blind approach.
We present the technological interest of planar smart antennas. Then after, we define its
model with MATLAB that we simulate by the above approaches.
Afterwards, we study the influence of different characteristic parameters of linear and
planar smart antennas.
Our results for the linear smart antennas are in agreement with those published in the
article of Tom MATHES et Al. in 2003.
Keywords: smart antenna, Adaptive planar antenna, DOA, MUSIC, ESPRIT, MVDR, LMS,
RLS, beamforming.

RESUME
ABSTRACT


viii

Sigle Signification
ADSL Asynchronous Digital Subscriber Line
BTS Base Transceiver Station (station de base du GSM)
CDMA Code Division Multiple Access
DOA Direction Of Arrival (DDA en franais pour Direction darrive)
DSP Digital Signal Processor
EDGE Enhanced Data Rates for GSM Evolution
EHF Extra High Frequency
ESPRIT Estimation of Signal Parameter via Rotational Invariance Techniques
FDMA Frequency Division Multiple Access
GPRS General Packet RadioServices
GSM Global System for Mobile communication (Ex Groupe Spcial Mobile).
IEEE Institute of Electrical and Electronics Engineers
LMS Least Mean Square
MUSIC Multiple Signal Classification
MVDR Minimum Variance Distorsionless Response
NAF Normalised Array Factor (Facteur de rseau normalis)
RLS Recursive Least Square
RNC Radio Network Controller (Centre de commutation de lUMTS)
SBA Switching Beam Array (Antenne commutation de faisceaux)
GLOSSAIRE - ABBREVIATIONS


ix
SDMA Space Division Multiple Access
SHF Super High Frequency
SNR Signal over Noise Ratio (Rapport signal sur bruit)
TDMA Time Division Multiple Access
UHF Ultra High Frequency
UMTS Universal Mobile Telecommunications System
VHF Very High Frequency
WiFi Wireless Fidelity
WiMAX Worldwide Interoperability for Microwave Access
WLAN Wireless Local Area Network
WMAN Wireless Metropolitan Area Network
WPAN Wireless Private Area Network
WWAN Wireless Wide Area Network



x

1. LISTE DES TABLEAUX
Tableau 1.1 : Caractristiques du GSM.........................................................................................10
Tableau 1.2 : Rpartition des bandes GSM au Cameroun.........................................................12
Tableau 5.1 : Tableau des rsultats...........................................................................................50
2. LISTE DES FIGURES
Figure 1.1 : Classification des rseaux sans fils...............................................................................4
Figure 1.2 : Les systmes de radiocommunication.........................................................................4
Figure 1.3 : Le spectre lectromagntique.....................................................................................6
Figure 1.4 : Principe de liaison lintrieur dune cellule...............................................................7
Figure 1.5 : Architecture gnrale du rseau GSM.........................................................................7
Figure 1.6 : Phnomne de trajet multiple...................................................................................10
Figure1.7 : Rpartition des frquences en fonction des applications..........................................11
Figure 1.8 : Appels simultans dans la mme cellule la mme frquence porteuse par des
utilisateurs mobiles......................................................................................................................14
Figure 2.1 : Coordonnes rectangulaires dune antenne Yagi 10 lments et exemple de
diagramme polaire...............................................................................................15
Figure 2.2 : Diffrentes configurations des antennes rseaux.....................................................16
Figure 2.3 : Principe, avantages et inconvnients des antennes commutation de
faisceaux....................................................................................................................................17
Figure 2.4: Avantage du principe adaptatif................................................................................18
Figure 2. 5 : Structure gnrale dune antenne adaptative.......................................................18
Figure 2.6 : Rduction dinterfrence par antennes adaptatives.................................................20
LISTE DES TABLEAUX ET DES FIGURES


xi
Figure 2.7 : Traitement au niveau de la BTS................................................................................21
Figure 2.8 : Exploitation dans le Bluetooth...................................................................................22
Figure 2.9 : Exploitation en localisation et navigation ariennes.................................................22
Figure 3.1 : Principe de lapproche DOA.................................................................................23
Figure 3.2 : Arrive du signal sur un rseau linaire de capteurs..............................................26
Figure 3.3 : Dcomposition en deux sous rseaux.....................................................................28
Figure 3.4 : Dcomposition utilise en pratique...........................................................................29
Figure 4.1- Rseau MxP uniforme dantennes...........................................................................34
Figure 5.1 : Organigramme de MUSIC, cas statique.....................................................................43
Figure 5.2 : Fentres de 5 chantillons sans et avec entrelacement de deux
chantillons................................................................................................................................47
Figure 5.3 : Organigramme de MUSIC, cas dynamique................................................................48
Figure 5.4 : Spectre de P, log (P) et dlog (P).... 50
Figure 5.5: Influence du SNR sur P, log(P) et dlog(P)..51
Figure 5.6 : Nombre maximal de sources dtectables.................................................................52
Figure 5.7 : Positions relles et calcules de lutilisateur en dplacement..................................52
Figure 6.1 : Diagrammes de rayonnement du beamformer conventionnel.................................55
Figure 6.2 : Diagrammes du Null steering beamformer pour un utilisateur 90 et des
interfrents en 10, 80, 120 et 160..................................................................................57
Figure 6.3 : Optimal beamformer sans matrice de surcharge pour diffrents N..........................61
Figure 6.4 : Optimal beamformer sans matrice de surcharge pour N=10 et des positions de
lutilisateur comprises entre 60 et 120.......................................................................................62
Figure 6.5 : Optimal beamformer avec matrice de surcharge pour diffrents N....62


xii
Figure 6.6 : Optimal beamformer avec matrice de surcharge pour N=10 et des positions de
lutilisateur comprises entre 60 et 120.......................................................................................63
Figure 6.7 : Influence de M compare L ....................................................................................64
Figure 6.8: Influence du SNR.........................................................................................................64
Figure 6.9 : Optimal beamformer, cas dynamique avec fntres de 80 chantillons et une
vitesse de lutilisateur de 0.01 degr/chantillon........................................................................65
Figure 7.1 : Organigramme de lalgorithme du LMS , cas statique..........................................69
Figure 7.2 : Organigramme de lalgorithme du LMS , cas dynamique.....................................70
Figure 7.3 : LMS beamformer pour diffrentes valeurs de N.................................................71
Figure 7.4 : diagramme (a) et erreur (b) pour = 0.050...............................................................72
Figure 7.5 : diagramme (a) et erreur (b) pour = 0.005...............................................................72
Figure 7.6 : Erreurs pour diffrentes valeurs du SNR et = 0.010...............................................73
Figure 7.7 : Courbes derreur pour diffrentes valeurs de M.......................................................73
Figure 7.8 : LMS beamformer cas dynamique avec fntres de 80 chantillons et une vitesse
de lutilisateur de 0.01 degr/chantillon....................................................................................74
Figure7.9 : Erreurs en sortie du rseau LMS beamformer cas dynamique avec fntres de 80
chantillons et une vitesse de lutilisateur de 0.01 deg/chantillon74
Figure7.10 : Erreurs en sortie du rseau LMS beamformer cas dynamique avec fntres de
20 chantillons et une vitesse de lutilisateur de 0.01 deg/chantillon.75
Figure 7.11 : Exemple de cas possible..........................................................................................76
Figure 7.12: LMS beamformer cas statique avec et sans multi-trajet.....................................77


xiii
Figure 7.13 : Evolution des deux signaux de lutilisateur principal...............................................78
Figure 7.14 : Erreurs en sortie du rseau LMS beamformer cas multi-trajet avec fntres de
20 chantillons et vitesse de lutilisateur de 0.01 deg/chantillon..............................................78



1

Lindustrie de la tlphonie mobile est devenue depuis peu, lune des industries les plus
florissantes de tous les temps, avec le nombre dutilisateurs grandissant rapidement et de
faon indniable. Il existe aujourdhui des zones en Afrique o il manque de leau potable alors
que tout le monde dispose dun tlphone portable. Les oprateurs la rescousse, ont vite fait
de proposer lInternet via les terminaux mobiles.
Cette augmentation prvisible du nombre dutilisateurs dune part et celle des dbits de
transmission dautre part, imposent aux futurs rseaux de communications mobiles la
ncessaire mise en uvre de techniques de plus en plus volues.
La norme 802.11 a t dfinie par l'organisme IEEE pour essayer de donner des rgles et
permettre linteroprabilit entre les systmes des diffrents fabricants ; elle a en particulier
dfini un mode d'utilisation "Point d'accs" qui se base sur le modle de la tlphonie
cellulaire: des relais fixes sont placs en diffrents endroits de l'environnement et assurent la
communication entre les utilisateurs mobiles de manire assurer la meilleure zone de
couverture possible (Surtout pas de coupure quand on passe d'un relais un autre).
Habituellement, la rpartition spatiale de lnergie rayonne par lantenne de la station de
base est fixe la fabrication et ne peut pas tre modifie en cours dutilisation. Ceci entrane
de nombreux inconvnients comme:
la limitation du nombre dutilisateurs,
la qualit approximative des communications,
la restriction de la porte de la station de base.
Une station de base quipe dune antenne dont on peut adapter la rpartition de lnergie
rayonne en fonction des besoins de lenvironnement peut palier la plupart de ces limitations.
Cette antenne est plus communment appele antenne intelligente ou en anglais smart
antenna .
Cette technique dantenne (appele beamforming ), devrait alors pouvoir apporter une
solution au problme de saturation, d au nombre trop lev dutilisateurs par rapport au
nombre de frquences disponibles et permettre des transmissions trs hauts dbits.
INTRODUCTION GENERALE


2
Aprs avoir montr au chapitre1, la ncessit dutiliser les antennes intelligentes pour
loptimisation des rseaux cellulaires, nous nous attlerons au chapitre 2 faire une brve
prsentation de cette technologie.
Par la suite, au chapitre 3, nous prsenterons les principales approches utilises pour les
modliser ; notamment lapproche ncessitant la connaissance des directions darrive,
lapproche directe faisant appel une squence dapprentissage pour la formation de faisceaux
et lapproche mixte. De chaque approche nous retiendrons quelques mthodes.
Au Chapitre 4, nous concevrons un modle thorique sous MATLAB dune antenne
planaire adaptative et de son signal rseau. Les mthodes retenues seront alors implmentes
et simules aux chapitres 5, 6 et 7.
Les mthodes classiques de DOA travaillent en gnral avec une barrette linaire
dantennes
[1]
. Il faudra dans notre cas, tendre les mthodes retenues aux rseaux 2D. Nous
valuerons notamment linfluence du pas et du nombre de capteurs sur la prcision des
rsultats et le nombre de raies dtectables.



3

1.1. Contexte
1.1.1. Catgories de rseaux de radiocommunication
[2]

Pour classifier les rseaux, le caractre distinctif le plus souvent utilis est la couverture
gographique. A chaque couverture correspond un usage et une technologie approprie. Ainsi
on distingue quatre types principaux de rseaux en radiocommunication :
Les rseaux sans fil personnels WPAN :
Ils permettent une connectivit entre appareils lectroniques proches les uns des
autres. Cet usage est aujourdhui domin par la technologie Bluetooth (porte typique de
plusieurs mtres) ;
Les rseaux sans fil dentreprise WLAN :
Ils se substituent aux rseaux cbls dentreprise classiques. La technologie la plus
rpandue est aujourdhui le Wi-Fi Wireless Fidelity (porte typique de quelques dizaines de
mtres), utilise soit intra-entreprise soit pour couvrir les zones daffaires ( Hot-Spots ).
Les rseaux sans fil mtropolitains WMAN :
Ils permettent une couverture large (plusieurs dizaines de kilomtres) et sont utiliss le
plus souvent pour proposer une connectivit Internet en complment du cble ou de lADSL.
Plusieurs technologies coexistent, parmi lesquelles le WiMAX , acronyme de Worldwide
Interoperability for Microwave Access, soutenue par Intel qui lintgrera dans sa future
gnration de microprocesseurs.
Les rseaux sans fil nationaux WWAN :
Ils sont dploys par les oprateurs de tlphonie mobile, et dont les gnrations successives
permettent de plus en plus de dbit: GSM, GPRS, EDGE, UMTS. Ces deux dernires
technologies, en cours de dploiement, amneront des dbits compatibles avec de vritables
changes de donnes dentreprise.
Le diagramme suivant rsume les diffrentes catgories de rseaux sans fils :
CHAPITRE 1 : CONTEXTE ET PROBLEMATIQUE


4

Figure 1.1 : Classification des rseaux sans fils
[2]
.
1.1.2. Les systmes de radiocommunication
[3(a)]

Un systme sans fil est un systme de communication totalement indpendant des
prises murales. La figure 1.2 suivante montre les six types de communication sans fil
gnralement dvelopps en radiocommunication :

Figure 1.2 : Les systmes de radiocommunication
[3(a)]



5
Sur la figure 1.2 prcdente, nous distinguons :
Les liaisons satellitaires fixes:
Elles sont typiquement cres entre des stations terrestres fixes avec de larges antennes
et des satellites gostationnaires. Les effets de propagation sont largement dus
latmosphre terrestre, incluant les effets mtorologiques tels que la pluie. Les bandes de
frquences utilises sont: SHF et EHF.
Les liaisons terrestres fixes :
Elles sont utilises pour crer des liaisons grande vitesse entre diffrents points sur la
terre, pour des services tels que le tlphone, les rseaux de donnes, ainsi que
linterconnexion de station de base dans les systmes cellulaires. Elles permettent une large
couverture en milieu urbain et rural. Les effets associs aux obstacles tels que les collines,
des arbres et des immeubles ainsi que la mtorologie sont significatifs. Les bandes
oprationnelles sont: VHF et EHF.
Les Mga cellules :
Elles proviennent des systmes satellitaires pour les utilisateurs mobiles et permettent
de couvrir de trs larges rgions avec des densits raisonnables dusagers. Un simple
satellite une basse altitude dorbite pourrait typiquement couvrir une zone de 1000 km de
diamtre. Les effets de propagation sont domins par des objets prs de lusager, mais les
effets atmosphriques jouent un rle trs important en hautes frquences. Plusieurs
systmes dans le proche avenir opreront dans les bandes L et S pour fournir les services de
voix et de faibles dbits de donnes. Les systmes oprant dans la bande Ka seront bientt
dploys pour laccs Internet et les hauts dbits sur des zones limites.
Les Macro cellules :
Elles sont conues pour fournir les services mobiles (incluant la voix et les paquets),
particulirement dans des environnements ruraux, extrieurs et urbains, avec des densits
de trafic moyennes. Les antennes des stations de base sont plus hautes que les sommets
des immeubles, produisant ainsi une cellule dont le rayon est denviron 1 km quelques
dizaines de km. Ces cellules oprent gnralement dans les bandes: VHF et UHF.
Les Micro cellules :


6
Elles sont conues pour des trafics denses dans des rgions rurales et urbaines, pour des
usagers qui se trouvent lextrieur ou dans un immeuble. Les antennes des stations de
base sont montes en dessous des sommets des immeubles. La largeur de la cellule est
denviron 500m. Elles oprent aussi en VHF et UHF.
Les Pico cellules :
Elles sont utilises pour des trafics trs denses ou des applications hauts dbits, dans
des environnements internes. Les usagers peuvent tre mobiles ou fixes. Un exemple
dusagers fixes est un ensemble de rseaux dordinateurs connects sans fil.

Figure 1.3: Le spectre lectromagntique
[3(a)]
.
1.1.3. Le concept cellulaire
[3(a)]

1.1.3.1. Principe
Il doit son origine et son utilisation actuelles massives au problme suivant : comment
desservir une rgion de taille importante (ville, pays voire continent) avec une largeur de bande
limite et avec une densit dusagers importante ou qui peut augmenter ?
La solution fut de dcouper la rgion desservir en petites zones appeles cellules. Dans
chaque cellule on placera un point daccs (BTS) qui servira de relais entre lutilisateur
demandeur et le centre de service qui servira son tour de relais avec un autre point daccs
qui devra couvrir lutilisateur demand. Par la suite, par ncessit doptimisation, on adoptera
la forme hexagonale pour les cellules.



7

Figure 1.4 : Principe de liaison lintrieur dune cellule
[4(a)]

1.1.3.2. Architecture dun rseau cellulaire standard
[3(a)]

La figure suivante prsente larchitecture gnrale dun rseau GSM.
Terminal
mobile
Sous-systme station
de base (BSS)
Sous-systme rseau (NSS)
Sous-systme Opration et maintenance (OMSS)
Rseau tlphonique
commut publique

Figure 1.5 : Architecture gnrale du rseau GSM
[3(a)]

Partant du rseau cur (NSS) vers le terminal de lutilisateur (MS), on
distingue principalement :
La MSC (Mobile Switching center) : Souvent appel simplement switch, il est le noyau
central du rseau mobile. Il fournit linteroprabilit entre le rseau cellulaire et le
rseau tlphonique public commut (PSTN) au moyen de la passerelle GMSC (Gateway
Mobile Switching Center) et aussi entre abonnes cellulaires.



8
H LR (Home Location Register) et VLR (Home Location Register) :
Les dtails des abonns pour qui le rseau est le rseau principal sont tenus dans une base
de donnes appele registre HLR, pendant que ceux des abonns qui sont venus dailleurs dans
le rseau sont sur le registre du visiteur (VLR). Ces dtails incluent la certification, la facturation,
lemplacement courant et le statut de labonn.
La BSS (Base Station Subsystem)
La zone de couverture du rseau est manie par un grand nombre de stations de base. Le
sous-systme de la station de base BSS est compos d'une station de contrle de base BSC qui
soccupent des fonctions logiques, plus une ou plusieurs stations de base metteur-rcepteur
BTS lesquelles contiennent la frquence radio RF relle et la bande de base de la BSS.
Les BTS communiquent sur linterface air (AI) avec les postes mobiles MS. Linterface air
inclut tous les effets de canal aussi bien la modulation, la dmodulation que les procdures
dallocation de ressources au niveau de la station mobile MS et de la BTS.
Une BSS seule, peut grer 50 BTS et un MSC peut grer 100 BSS.
LOMSS (Operation and maintenance subsystem) comprend le Centre dopration et de
maintenance qui supervise lensemble du rseau.
1.1.3.3. Les caractristiques du GSM
[4]

Tableau 1.1 : Principales caractristiques du GSM
Systme GSM 800 P-GSM 900 E-GSM 900 GSM 1800 GSM 1900
Frquences (MHz)
- Uplink
- Downlink
824-849
869-894
890-915
935-960
880-915
925-960
1710-1785
1805-1880
1850-1910
1930-1990
Largeur de bande 25 MHz 25 MHz 35 MHz 75 MHz 60 MHz
Ecart Duplex 45 MHz 45 MHz 45 MHz 95 MHz 80 MHz
Distance inter canaux 200 KHz 200 KHz 200 KHz 200 KHz 200 KHz
Nombre de Canaux 125 125 175 375 300
Dbit de Transmission 270 Kbit/s 270 Kbit/s 270 Kbit/s 270 Kbit/s 270 Kbit/s



9
1.1.4. Quest-ce quon attend de ces rseaux ?

On distingue essentiellement trois principales attentes :
La couverture et la mobilit
[3(b)]
:

Le systme doit tre disponible nimporte quel endroit o les utilisateurs souhaitent
lutiliser ; aussi bien en extrieur quen intrieur. Il doit permettre la mobilit avec respect de
lallocation de ressources et du support des inter-fonctions entre diffrents postes (gestion du
handover et du roaming).
La capacit
[3(b)]
:
Au fur et mesure que le nombre dutilisateurs augmente dans les systmes mobiles, les
demandes places sur le spectre allou augmentent proportionnellement ainsi que les
ressources disponibles. Ces demandes sont exacerbes par laugmentation de lusage des
services hauts dbits. Cela ncessite une rutilisation dense des canaux entre les cellules afin
de minimiser les problmes avec appels bloqus ou retirs.
La Qualit
[3(b)]
:
Dans les rseaux mobiles, lemphase est porte sur le fait que les services fournis doivent
tre de haute qualit ; ce qui sous-entend une bonne qualit dans la perception du systme de
voix et un faible taux derreurs (BER : Bit Error Rate) dans un systme de donnes.
1.2. Problmatique ou difficults de ces rseaux
Les rseaux mobiles font gnralement face aux problmes suivants :
1.2.1. Le canal de propagation
[3(a)]

Dans les rseaux de radiocommunication, les ondes porteuses dinformations, se
propagent gnralement travers lair avec ses diffrentes perturbations et les diffrents
obstacles qui se trouvent dans lenvironnement de propagation. La figure 1.6 suivante prsente
quelques interactions entre les ondes lectromagntiques, les antennes qui les diffusent ou les
reoivent, et le milieu dans lequel elles se propagent.



10

Figure 1.6 : Phnomne de trajet multiple
[3(a)]

Le trajet multiple peut tre caus entre autres par la rflexion spculaire, la rfraction,
la diffusion ou la diffraction sur des obstacles du canal de propagation. Cela peut engendrer les
difficults suivantes :
La dispersion des retards (Delay spread) ;
Lvanouissement (ou fading) de Rayleigh, qui est une variation temporelle
de la phase des ondes dues aux diffrentes rflexions multiples ;
Le dcalage en frquence (Doppler shift), qui dpend essentiellement de
deux facteurs savoir la direction de dplacement et la vitesse du rcepteur par rapport
lmetteur:

o f
c
est la frquence de la porteuse, V la vitesse du rcepteur, C la vitesse de la lumire et la
direction de dplacement.
Des interfrences constructives ou destructives ;
(1.1)



11
Linterfrence co-canal : Elle dsigne une interfrence entre deux cellules
voisines rutilisant la mme frquence sur un modle cellulaire hexagonal. La capacit du
systme en est affecte car si les mmes canaux de frquences sont rutiliss dans des cellules
dont la distance qui les spare natteigne pas un certain seuil, alors il peut y avoir des
brouillages lorsquun mobile se mettra mettre car il sera supervis par plusieurs BTS la fois.
On aura ainsi un gaspillage de ressources, ce qui peut aboutir des congestions (des appels
bloqus notamment). Dans la norme GSM par exemple, il faut garantir le rapport C/I (Carrier
over Interference ratio) suprieur 9 dB. Cette valeur marque la limite du handover. Elle est
donne par :

O N est le nombre de cellules par motif.
1.2.2. Le Telephone boom africain
Ces dernires annes, du Cap Tunis, en passant par Douala et Abidjan, le nombre
dabonns au tlphone portable na cess dexploser. Daucuns possdent jusqu quatre
terminaux 4G pour leurs seules et uniques gouvernes. Cette augmentation prvisible du
nombre dutilisateurs et de dbits de transmission demeure une proccupation permanente de
tout Oprateur de rseau mobile car la ressource radio quant elle, cote trs cher et reste
limite.
1.2.3. La raret et le cot lev des ressources radio
Du fait de ltroitesse de la bande de frquence rserve pour chaque application,
linterface radio restreint les ressources disponibles ainsi que la bande passante ddie aux
utilisateurs.

Figure1.7 : Rpartition des frquences en fonction des applications
[5]

( )
4
1 3
6
1
= N
I
C

(1.2)


12
Les diffrents oprateurs en fonction des services quils offrent, sont tenus chacun en ce
qui le concerne dmettre et de recevoir sur la largeur de bande qui lui a t concde. La
licence dexploitation est concde (par les Agences de rgulation des tlcommunications) aux
oprateurs contre le versement de sommes exorbitantes qui sont fonctions de la largeur de
bande passante. Ainsi, en France par exemple, une largeur de bande GSM de 30 MHz concde
pour 15 ans cotent environ 70 milliards de francs CFA, soit pratiquement 2.333 Milliards par
Mgahertz [3(a)].
Cas du Cameroun
LAgence de rgulation des tlcommunications, conjointement avec le Ministre de
Poste et Tlcommunications sont les organismes chargs de la concession des droits des
tlcommunications.
Ainsi ont t concdes les licences dexploitation de deux bandes du GSM deux oprateurs
que sont MTN et Orange. Il reste deux autres bandes non concdes dont lune est en prvision
dun troisime oprateur potentiel et lautre, en tant que patrimoine national, est prserv
pour les gnrations futures. La rpartition des bandes est la suivante :

Tableau 1.2 : Rpartition des bandes GSM au Cameroun
Frquences montantes
(Uplink ) en MHz
Frquences
descendantes
(Downlink) en MHz

880.0 ------------------------------ 925.0
890.0 ------------------------------ 935.0
890.2 ------------------------------ 935.2
898.4 ------------------------------ 943.4
898.6 ------------------------------ 943.6
906.6 ------------------------------ 951.6
906.8 ------------------------------ 951.8
915.0 ------------------------------ 960.0
Bande libre (EGSM)

MTN

3 Oprateur potentiel

Orange



13
Ainsi chacun des oprateurs actuels dispose dune bande de 8.2MHz soit 41 frquences ou
canaux thoriques de 200KHz. Comme le GSM combine les mthodes daccs TDMA et FDMA,
chaque canal est divis en 8 time slots (8 communications au maximum par canal). Ce qui
fait en tout 8x41 = 328 communications potentielles. Or ces 41 frquences ne sont pas toutes
mises la disposition des utilisateurs car certaines seront rserves pour le fonctionnement du
rseau. Ainsi donc, la capacit dun motif cellulaire est ncessairement infrieure 328 ; ce qui
peut tre rudimentaire en certaines zones urbaines.
1.3. Quelles sont les solutions possibles et la place de notre travail ?
Elles reposent sur loptimisation du concept cellulaire de base: le bon dimensionnement,
ladoption de la forme hexagonale, la hauteur de la BTS, la clusterisation ou mcanisme de
rutilisation de frquences, la sectorisation, le truncking, le handover, le roaming, le
basculement en haute frquence, les stratgies dallocation des ressources et les techniques
daccs multiples.

1.3.1. Les techniques classiques daccs multiple
[6]

Au dbut des rseaux radio, on associait chaque utilisateur une porteuse (FDMA,
Frequency Division Multiple Access) ce qui limitait normment la capacit du rseau. Puis
l'arrive du numrique a permis de diviser chaque frquence en intervalles de temps (time
slots) allous diffrents utilisateurs TDMA (Time Division Multiple Access) ; ce qui permettra
damliorer la capacit du rseau. C'est le cas par exemple du GSM.
Les annes 2000 verront la vulgarisation dans le domaine civil dune troisime technique
appele CDMA (Code Division Multiple Access) qui tait dj exprimente depuis fort
longtemps par larme amricaine pour ncessit de brouillage dinformations.
Le CDMA utilise un code diffrent pour chaque utilisateur. Ainsi diffrents signaux
peuvent occuper la mme bande de frquence, mais apparaissant lun pour lautre comme un
bruit alatoire. Cette grande souplesse de rpartition des ressources permettra au GSM
dvoluer vers lUMTS et damliorer encore plus la capacit. Toutefois on peut faire mieux.



14
1.3.2. Une technique nouvelle : le traitement dantennes
[1]

Il se dveloppe aujourdhui une quatrime technique : le SDMA (Space Division Multiple
Access). Elle utilise un rseau dantennes pour une meilleure gestion de leurs diagrammes de
rayonnement, fournissant ainsi des canaux virtuels selon une rpartition angulaire des positions
des diffrents utilisateurs par rapport la BTS.
En effet, au lieu de diffuser dans toutes les directions, les antennes rseau de BTS
peuvent orienter des lobes principaux dans les directions des utilisateurs dsirs, et mettre des
zros dans les directions des interfrents. Ainsi plusieurs signaux lintrieur dune cellule ou
provenant de cellules adjacentes peuvent utiliser la mme frquence porteuse sans quil ny ait
dinterfrences co-canal. La diversit spatiale permettra ainsi de varier dynamiquement la
direction du lobe afin de suivre le mouvement de lutilisateur. La figure1.8 illustre ce concept.
Ds lors, la dimension spatiale peut tre exploite comme une technique daccs
multiple hybride en complment avec lune des trois techniques de base (FDMA, TDMA ou
CDMA). Dans ce travail nous la combinerons au CDMA.
Utilisateur 1
Utilisateur 2
Utilisateur 1
Utilisateur 2
Figure 1.8 : appels simultans dans la mme cellule la mme frquence porteuse par
plusieurs utilisateurs mobiles
[1]



15

2.1. Dfinitions
Une antenne rseau est un systme constitu dune srie linaire, carre, circulaire ou
volumique dantennes simples telles que les antennes omnidirectionnelles classiques (que nous
appellerons lments) dont on combine les diffrents signaux induits pour former un signal
unique en sortie.
Le terme antenne adaptative lui est attribu lorsque les diffrents signaux induits
sont pondrs de manire variable avant dtre combins pour ajuster dynamiquement le gain
afin de contrler la rception, lmission ou les deux. On parle de technique de
beamforming .
Une antenne rseau adaptative peut donc tre dfinie comme un rseau capable de
modifier son diagramme de rayonnement grce un logiciel de synthse apte rpondre aux
spcifications dsires
[3(a)], [7]
.
Le diagramme de rayonnement ou diagramme dantenne dcrit la force relative du
champ rayonn dans diverses directions de lantenne, une distance constante.

Figure 2.1 : Coordonnes rectangulaires dune antenne Yagi 10 lments
[3(a)]
et exemple de
diagramme polaire dune antenne rseau
[8]

CHAPITRE 2 : LES ANTENNES RESEAUX

Utilisateur
dsir
Lobe
principal
maximis
Autres
interfrents
B T S



16
2.2. Facteurs prendre en compte
[3(a)],[7]

Plusieurs facteurs contribuent la formation du diagramme global de rayonnement des
antennes rseaux :
La nature diverse des signaux incidents ; notamment :
La source utile S
0
(t) que lon souhaite isoler
Les interfrents S
i
(t), i = 1, 2, k qui peuvent tre directifs et possder une
signature spatiale ou tre diffus. Les interfrents dans notre tude seront les
autres utilisateurs du rseau et/ou les trajets multiples de la source dintrt,
Le bruit additif (thermique et environnant) n(t), qui ne prsente pas de directions
dincidence particulire.
La configuration gomtrique du rseau (Figure 2.2) ;
Lespacement entre les sources ;
Lamplitude dexcitation pour chaque lment ;
La phase dexcitation pour chaque lment ;
Le diagramme de rayonnement de chaque lment et
La polarisation de chaque lment.

(a) Linaire (b) Planaire (c) Circulaire
Figure 2.2 : Diffrentes configurations des antennes rseaux
Une tude complte de ces diffrentes configurations est faite dans [9],[10] et [11].
2.3. Diffrents types dantennes rseaux
Deux catgories dantennes rseau (antennes intelligentes) existent :


17
les antennes rseau commutation de faisceaux ;
les antennes adaptatives (dont nous tudierons la configuration planaire dans ce
travail).
2.3.1. Les antennes commutation de faisceaux
[12]

Elles divisent lespace angulaire en micro secteurs chacun contenant un diagramme de
rayonnement prdtermin. Lorsque lutilisateur entre dans la zone de couverture du systme
et quil est dtect, lantenne dtermine dans quel secteur se situe lutilisateur et commute sur
le faisceau correspondant.

Figure 2.3 : Principe, avantages et inconvnients des antennes commutation de faisceaux
[5]

2.3.2. Les antennes adaptatives
2.3.2.1. Principe et avantage
[12]

Elles reprsentent le systme le plus avanc des antennes intelligentes. De mme que
pour le systme commutation de faisceaux, lantenne adapte son diagramme de
rayonnement en fonction de la position des utilisateurs et des signaux parasites mais le
systme nutilise plus de diagrammes de rayonnement prtablis. Elle oriente plus prcisment
sa puissance dans les directions utiles tout en modulant lintensit de la puissance mise
(Figure 2.4).



18

Figure 2.4: Avantage du principe adaptatif [12]
2.3.2.2. Structure gnrale des antennes intelligentes
[3(b)chap.17a]

Figure 2. 5 : Structure gnrale dune antenne adaptative
[3(b) chapitre 17a]

Ce rseau complet peut tre vu comme une antenne part entire, avec une nouvelle
sortie y(t) telle que :



19

Les diagrammes de rayonnement des lments pris individuellement sont additionns,
les phases et les amplitudes dpendront la fois des coefficients appliqus et de leurs positions
dans lespace ; On obtient ainsi un nouveau diagramme.
Si les coefficients varient avec le temps, le tableau devient un rseau adaptatif et peut
tre exploit pour amliorer la performance dun systme de communication mobile en
choisissant les coefficients tels que la performance du systme soit optimise dans une certaine
mesure. Lantenne est dite adaptative.
Concrtement, ceci pourrait tre ralis en estimant les coefficients dsirs laide dun
processeur de signal numrique (DSP - Digital Signal Processor) et en les appliquant dans une
bande de base complexe aux chantillons du signal provenant de chacun des lments.
La mme approche peut tre utilise la fois en transmission et en rception cause de
la rciprocit du canal et mme des lments de lantenne, mais il nest pas facile de raliser le
plein potentiel d'antennes adaptatives en mission avec exactitude, cause des difficults
d'valuation de l'tat du canal en liaison descendante (Downlink).

2.3.2.3. Exemple de procd dannulation dinterfrence
[3(b) chap.17a]

La figure 2.6 montre deux mobiles dont le premier dsirable et le second simmisant
dans le canal. Ils transmettent respectivement les signaux s1 et s2. Ces signaux sont reus une
station de base ayant deux lments d'antenne indpendants.
(2.1)


20

Figure 2.6 : Rduction dinterfrence par antennes adaptatives
[3(b) Chap. 17a]

Dans un systme cellulaire standard, l'interfrence serait dans une cellule loigne.
Puisque la station de base n'allouerait pas normalement le mme canal deux portables dans
la mme cellule. Les canaux du mobile i l'lment j , incluant toutes pertes de chemin,
les effets dvanouissement et dombrage, sont reprsents par ij.
la station de base, l'lment est alors multipli par des coefficients complexes w et
additionn, donnant la sortie y qui est alors dmodule normalement par la station de base.
Si la station de base est capable de calculer les coefficients ij du canal, alors il serait
utile de mettre les poids wj tels qu la sortie y, linterfrence soit rduite au maximum, laissant
le signal dsir non affect. Les signaux reus aux lments d'antenne sont alors :
21 2 11 1 1
o o s s x + =
(2.2)
22 2 12 1 2
o o s s x + =
(2.3)
La sortie du sommateur est :
2 2 1 1
w x w x y + =
(2.4)
Elle peut tre rcrite comme :


21
) ( ) (
) ( ) (
2 22 1 21 2 2 12 1 11 1
2 22 2 12 1 1 21 2 11 1
w w s w w s
w s s w s s y
o o o o
o o o o
+ + + =
+ + + =
(2.5)
Si on impose que le signal de sortie soit le mme que le signal du portable dsir, i.e.
y=s1, alors le terme multipliant s1 doit tre mis 1 et le terme multipliant s2 doit tre mis 0 :
0
1
2 22 1 21
2 12 1 11
= +
= +
w w
w w
o o
o o

Ce systme dquation est alors rsolu pour donner
(2.8)

(2.9)
Il est ais de vrifier que cela correspond au rsultat dsir.

Figure 2.7 : Traitement au niveau de la BTS
21 12 22 11
21
2
21 12 22 11
22
1
o o o o
o
o o o o
o
=
w
w
(2.6)

(2.7)
Conversion du signal
RF en Bande de base
Ordina-
teur
MATLAB
3 8
rcepteurs RF
fb = 2.125 GHz
Rseau
dantennes
Signal BPSK
de frquence
2.125 GHz
Chargement du Signal
BPSK (en bande de
base) chantillonn
40 Mbps
Calcul des
pondrations
des diffrents
lments
dantenne
Implmentation des
algorithmes dantennes
intelligentes



22
Cette analyse montre que nous pouvons employer les coefficients pour supprimer
compltement les signaux interfrents dun mme canal. Pour cela, la station de base doit tre
capable d'estimer les canaux entre chacun des mobiles et chacun des lments d'antenne. En
pratique, des coefficients optimums devraient tre estims en prsence du bruit, donc
linterfrence n'est pas compltement supprime. De ce fait, ils sont choisis de manire
maximiser le rapport signal l'interfrence plus bruit SINR (Signal-Interference-plus-Noise-
Ratio).
2.4. Quelques autres applications

Figure 2.8 : Exploitation dans le Bluetooth
[5]

Figure 2.9 : Exploitation en localisation et navigation ariennes
[13]



23

Lobjectif des antennes intelligentes est denvoyer un faisceau de rayonnement suivant
la ou les directions des signaux utiles au dtriment de celles des interfrents. Cela ncessite la
connaissance :
Soit des directions darrives des signaux utiles (DDA ou en anglais DOA) ;
Soit dun signal de rfrence par rapport auquel lantenne compare la sortie du rseau
avant dadapter les poids des diffrents signaux incidents.
Il sen dcoule deux principales approches de modlisation et une troisime, dite
aveugle qui souvent, tente dassocier les deux premires.
3.1. Approche ncessitant la connaissance de la DOA
3.1.1. Principe
Elle se passe en trois tapes :
1- Dtermination des directions darrive des diffrents signaux incidents ;
2- Pondration pour dtection de la direction du signal utile ;
3- Formation consquente du faisceau.

Figure 3.1. Principe de lapproche DOA
[14]

CHAPITRE 3 : APPROCHES DE MODELISATION
Dtermination des
directions darrive
Calcul des diffrents
poids
Formation consquente de
faisceaux (beamforming)
Interfrent
Utilisateur


24
3.1.2. Les algorithmes de DOA
[6]

Il existe divers algorithmes de DOA. Nous nen prsenterons que quelques uns. On les regroupe
gnralement en deux grandes catgories :
La premire, appele mthodes destimation spectrale comprend, entre autres, la
mthode de prdiction linaire (PRONY), la mthode de maximum de vraisemblance
(CAPON, ou en anglais MLM pour Maximum Liklihood Method), la mthode de
maximum dentropie (MEM pour Maximum Entropy Method), etc.
La deuxime catgorie dite mthodes structurelles valeurs propres (ou mthodes des
sous espaces) comprend entre autres, la minimisation de lerreur quadratique moyenne
(MMSE pour Minimum Mean Square Error), la mthode MUSIC (Multiple SIgnal
Classification), la mthode ESPRIT (Estimation Signal Parameters via Rotationnal
Invariance Techniques), etc.
3.1.2.1. Les mthodes destimation spectrale
Dans toute la suite, nous utiliserons les appellations suivantes :
M le nombre d'antennes du rseau linaire.
L le nombre de sources dtecter.
f la frquence de la porteuse et sa longueur donde.
d la distance entre les capteurs.
c la vitesse de propagation de l'onde.
3.1.2.1.1. La mthode de base : La transforme de Fourier spatiale
La transforme de Fourier est la premire mthode qui a t utilise pour dtecter les
angles d'arrive des signaux. Le principe est de raliser la transforme de Fourier dans l'espace
des signaux reus. Si on trace cette fonction pour une onde donne, on obtiendra un pic
d'nergie pour la direction dans laquelle se situe la source, donc dans le cas de la superposition
de plusieurs ondes on a des pics pour chaque DOA. Cette technique ncessite de prendre de
nombreux capteurs si on veut arriver des rsultats prcis.
Il est dmontr dans *2+ quon arrivera sparer deux ondes planes dangles
1
et
2
si
et seulement si :

(3.1)
>



25
Si ces techniques ont longtemps t utilises pour dtecter des sources, en particulier
dans les domaines des radars et des sonars, elles n'offraient pas des prcisions suffisantes et il a
rapidement fallu faire appel des techniques plus puissantes.
3.1.2.1.2. La Mthode de prdiction linaire: PRONY
Cette mthode a t la base des mthodes haute rsolution, elle a t prsente en
1795 et est base sur une dcomposition du signal en une somme d'exponentielles. PRONY
montr ([2,p10]), qu'une exponentielle e
j
k
t
chantillonne en e
j
k
nt
vrifie la relation de
rcurrence:
x
p
-z
L
x
p-1
= 0 ; ce qui quivaut (1-z
l
z
-1
)X
l
(z) = 0
Si L exponentielles sont prsentes et qu'il n'y a aucun bruit, la relation devient:
()( z
1
z
-1
)(1- z
L
z
-1
) = 0
En posant alors : b(z) = (1- z
1
z
-1
)...(1- z
L
z
-1
) = 1-b
1
z
-1
-b
2
z
-2

- b
L
z
-L
,
la relation (3.3) est quivalente une relation de rcurrence :
x
p
= b
1
x
p-1
+ + b
L
x
p-L
.
On peut alors dduire un systme L quations et L inconnues du type:

En rsolvant ce systme et dans le cas o il n'y a aucun bruit la solution est unique et on
peut en dduire les L DOAs.
3.1.2.1.3. La Mthode de maximum de Vraisemblance : CAPON
Elle est base sur une estimation sans biais et variance minimale, l'estimation est
d'autant meilleure que le nombre de ralisations est important.Elle permet partir de plusieurs
chantillons de signaux reus X, d'estimer l'amplitude d'une source en fonction de la direction,
en l'crivant sous la forme:
(3.2)
(3.3)
(3.6)
(3.4)
(3.5)


26
f() =
X
Pour chaque source le schma est le suivant:

Fig.3.2 : arrive du signal sur un rseau linaire de capteurs
Si on appelle les sources S et les signaux reus X, il est dmontr dans [2] que le signal
en sortie du rseau peut scrire sous la forme :

o () = *a(
1
) a(
2
) a(
L
)+ avec a(
l
) le vecteur direction ou rponse impulsionnelle du
rseau dans la direction
l
et b(t) le bruit additionnel. Comme l'amplitude S doit tre restitue
sans biais cela impose que
a() =1. De plus b est suppos de valeur moyenne nulle et

dcorrl avec S. Donc, sa variance doit tre minimale. Et donc
R
b
h

doit tre minimale. On
dduit de ces hypothse que tout ceci quivaut
R
x
h
= a
2
+
R
b
h

minimale
La solution de (3.9) est :
h
= (a
H
()R
x
-1
a())
-1
R
x
-1
a()
La puissance moyenne du signal dans la direction est:
f
2
() =
E[xx
H
]h
R
x
h

En remplaant (3.10) dans (3.11) on obtient la formule du critre de Capon:

Cette fonction est maximale pour correspondant l'angle de la source.
X(t) = A()S(t) + b(t) (3.8)
(3.10)
(3.9)
(3.11)
(3.12)
f
2
() = (1)/[a
H
()(Rx)
-1
a()+

(3.7)


27
Pour calculer R
x
on a une estimation grce la formule suivante:

avec N le nombre d'chantillons, c'est pourquoi plus le nombre de mesures est lev plus le
rsultat sera pertinent.
3.1.2.2. Les mthodes des sous espaces
Elles font suite historiquement la mthode de Capon, elles s'appuient sur une
dcomposition de l'espace en un espace bruit et un espace signal par recherche des valeurs
propres. On peut citer : la mthode min-Norm, la mthode CLOSEST, la mthode ESPRIT et la
plus utilise, la mthode MUSIC.
3.1.2.2.1. La mthode MUSIC (Multiple SIgnal Classification)
Cette mthode est trs rpandue car facile mettre en uvre, c'est pourquoi elle a t
utilise dans de nombreuses applications.
Si on reprend la relation (3.8) montre dans le paragraphe prcdent :
X(t) = A()S(t) + b(t), on peut dduire E[x(t)x
H
(t)] = R
x
= AR
s
A
H
+ R
B
do
R
x
= AR
s
A
H
+
2
n
I
O est la variance du bruit.
En calculant les valeurs propres de R
x
estim (formule 3.13), puis les vecteurs propres
correspondants (classs par ordre de valeurs propres dcroissantes), on obtient donc M
vecteurs propres, dont les L premiers correspondent au sous espace du signal Es, et les M-L
derniers au sous espace du bruit Eb :
E
s
= [e
1
e
2
e
L
] et E
b
= [e
L+1
e
L+2
e
M
]

En pratique on ne connat pas forcement la valeur L, on peut donc utiliser un seuil, les
valeurs propres faibles correspondant au bruit, et les autres au signal.
(3.14)
x
=
H
(t)
(3.13)
(3.15)


28
On va ensuite tracer une fonction de cot qui ralise une projection de l'espace bruit sur
l'espace signal, donc qui cherche en fait pour quelles valeurs de l'espace bruit est orthogonal
l'espace signal ce qui correspond une DOA. Cette fonction est en fait un spectre en fonction
de maximal pour une DOA (car dnominateur tend vers 0). La fonction de cot de MUSIC est
la suivante:

Pour que l'algorithme fonctionne il faut forcment avoir un espace bruit et un espace
signal, la dimension de l'espace total tant gal M, si on prend un espace bruit de taille
minimale soit 1 la dimension de l'espace signal nous donne le nombre maximal de sources
pouvant tre dtectes soit M-1. La condition de fonctionnement de l'algorithme est donc:
L M-1 (3.17)
Comme pour la mthode de Capon, cette approche marche exclusivement pour des
sources dcorrles.
3.1.2.2.2. La mthode ESPRIT
Esprit calcule les DOAs par rapport un dplacement du rseau linaire. On travaille avec
deux rseaux d'antennes X et Y identiques dplacs d'un vecteur et on obtient la mesure des
angles par rapport la direction de .

Figure 3.3 : Dcomposition en deux sous rseaux
En gnral le plus simple est de ne travailler qu'avec un seul rseau de M antennes que l'on
dcompose en deux sous rseaux X et Y de dimension M-1, correspondant alors l'cart
entre deux antennes.
P
MUSIC
() = [a*()a()] / [a*()EE*a()]

(3.16)



29

Figure 3.4 : Dcomposition utilise en pratique
Si on reprend la relation (3.8) applique au sous rseau X : X(t) = A()S(t) + b(t) alors le
signal capt par le sous rseau Y est:
Y(t) = A()S(t) + b(t)
O est une matrice diagonale de dimension LxL dont les lments non nuls valent e
j2cos(l)
, l
= 1 L.
On pose alors Ux et Uy deux matrices de dimensions (M-1)xL ayant leurs colonnes
correspondant aux vecteurs propres des matrices de covariance Rx et Ry respectivement.
Il existe une transformation non singulire telle que:
Uy = Ux
De plus les matrices Ux et Uy sont lies A par une transformation T telle que
Ux = AT et Uy = AT
En substituant (3.20) dans (3.19) il rsulte AT = AT soit TT
-1
= .
Les valeurs propres de sont donc les lments diagonaux de et les colonnes de T sont les
vecteurs propres de .
On trouve ensuite les angles d'arrive par la formule suivante:
n
= arcos[arg(
1
) / 2+, l = 1 L
avec
l
les valeurs propres de . Cette mthode est assez proche de MUSIC sauf qu'au lieu de
calculer la SVD d'une matrice d'autocorrelation puis parcourir un spectre, on fait deux SVD des
matrices Rx et Ry puis on cherche la matrice permettant de passer de l'une l'autre.
(3.18)
(3.19)
(3.20)
(3.21)



30
3.2. Approche directe ncessitant une squence dapprentissage
3.2.1. Principe
La squence dapprentissage est une partie dinformation envoye connue du rcepteur
lui permettant de dduire de ltat darrive des bits la fonction de transfert du canal. On a
donc ici un signal de rfrence avec lequel lantenne confronte le signal en sortie du rseau. Les
algorithmes les plus utiliss sont:
- MMSE (minimisation de lerreur quadratique moyenne)
- SMI (Sampled Matrix Invariance)
- LMS (Least Mean Square)
- RLS (Recursive Least Square)
Ces algorithmes servent directement conformer les diagrammes de rayonnement suivant les
directions utiles (beamforming).
3.2.2. Les algorithmes dapprentissage
[15]

3.2.2.1. Le SMI (Sampled Matrix Inversion)
Dans cet algorithme, les pondrations sont choisies de faon minimiser lerreur
quadratique moyenne entre le signal de sortie du rseau dantennes et le signal de rfrence.
Lerreur quadratique moyenne est donne par :
E [{r(t)-W
H
x(t)}] = E [{r(t)] - 2W
H
R
r
+W
H
R
m
W
o x(t) est la sortie du rseau au temps t ; r(t) le signal de rfrence ;
R
m
= E [x(t)x
H
(t)] est la matrice de covariance du signal ;
R
r
= E [r(t)x
H
(t)] est la matrice de covariance entre le signal de rfrence et le signal de sortie
du rseau.
Le vecteur poids, pour lequel lquation (3.22) admet un minimum est obtenu en
annulant son vecteur gradient par rapport W. Cest--dire :

w
{E[{r(t)- W
H
x(t)}]} = - 2 R
r
+ 2R
m
W = 0
On tire alors : W
opt
= R
m
-1
R
r
(3.24)
(3.22)
(3.23)


31
Ainsi, les poids optimaux peuvent aisment tre obtenus par une inversion directe de la
matrice de covariance. Cet algorithme ncessite un DSP puissant mais il a lavantage dtre plus
rapide que LMS.
3.2.2.2. Lalgorithme des moindres carrs moyens (LMS)
Elle est dite de gradient stochastique et est la version rcurrente du filtre de Wiener
[16].

Cet algorithme permet de calculer les pondrations selon lquation
W(n+1) = W(n) + x(n)[d
*
(n)-x
H
(n)W(n)]
o W(n+1) reprsente le poids la (n+1)
e
itration et le gain constant qui contrle le degr
dadaptation, cest--dire quelle vitesse et quel point, les poids estims sont proches des
poids optimaux. La convergence de lalgorithme dpend des valeurs propres de R (matrice de
corrlation du rseau). Dans un systme numrique, le signal de rfrence est obtenu par une
transmission priodique dun signal connu du rcepteur ou par lutilisation du spectre de code
dans le cas dun systme CDMA squence directe.
3.2.2.3. Algorithme des moindres carrs rcursifs (RLS)
Comme nous lavons dit prcdemment, la convergence du LMS dpend des valeurs
propres de R. Si R possde un trs large spectre, LMS devient assez lent. Ce problme peut tre
rsolu en remplaant le gain prcdent par une matrice R
-1
(n) la n
ime
itration. On a alors :
W(n) = W(n-1) R
-1
(n)x(n)
*
(W(n-1))
o R(n) est donn par : R(n) =
o
R(n-1) + x(n)x
H
(n) =
0
n-k
x(k)x
H
(k)
o
o
1 est utilis pour une estimation exponentielle des poids antrieurs.
est le signal erreur. Ainsi RLS est 10 fois plus rapide que LMS
[16]
.
3.3. Approche de ceux travaillant en aveugle
[14], [15]

Ces algorithmes sont souvent associs aux autres techniques. Ils tentent dextraire les
caractristiques du canal des informations reues dans le signal. Leur traitement est lourd et
difficile en temps rel. Cest ce qui justifie leur faible utilisation. Un exemple dalgorithme de ce
type est le CMA : Constant Modulus Amplitude (en franais : Modulation Amplitude
Constante).
(3.25)


32
Sa configuration est la mme que celle du systme SMI la seule diffrence quici un
signal de rfrence nest pas requis. Cest un algorithme de gradient qui travaille selon la
thorie que lexistence dinterfrences entrane gnralement des variations damplitude du
signal transmis, qui nanmoins possde une enveloppe constante. Lactualisation des poids est
obtenue par minimisation de la moyenne positive de la fonction cot : J
n
= E [(|y(n)| - y
o
)]
Les poids sont alors : W(n+1) = W(n) - g(W(n))
o y(n) est la sortie du rseau aprs la n
ime
itration ;
y
o
lamplitude de lenveloppe du signal dsir en absence dinterfrence ;
g(w(n)) une estimation de la fonction cot. Cet algorithme ne converge pas toujours ; cest
pourquoi des informations additionnelles sur le signal de rfrences sont souvent ncessaires.
Nous naurons pas le simuler.

(3.26)
(3.27)


33

Nous avons vu que les rseaux dantennes se prsentent sous trois configurations
principales : linaire, planaire et circulaire.
Nos rsultats pour le rseau linaire sont en concordance avec ceux publis dans
larticle de Tom MATHES et Al., 2003
[1]
. Nous allons tendre le travail au rseau planaire.
4.1- Les hypothses
Nous supposons dans ce travail que :
1- Tous les signaux incidents au rseau dantennes ne sont constitus que dondes planes
(onde lectromagntique idale)
2- Lmetteur et les objets causant le multi-trajet sont tous situs dans la rgion de champ
lointain de lantenne (rgion de Fraunhofer)
3- Le couplage mutuel entre les divers lments dantennes est ngligeable
4- La distance inter lments est trs petite si bien que les amplitudes des signaux reus
en deux quelconques lments ne diffrent pas de faon significative.
5- Cette distance est fixe, aussi bien suivant les lignes que les colonnes /2.
(dx = dy = /2. En effet, prendre d suprieur /2 entrane des lobes indsirables et le
prendre infrieur /2 cre le couplage mutuel).
6- Chaque lment dantenne possde le mme diagramme de rayonnement et la mme
orientation (polarisation).

4.2- Modle thorique
Considrons un rseau uniforme rectangulaire MxP dantennes sur lequel arrivent L
signaux incidents provenant de L sources dtecter. Gnralement le rseau possde un
lment de rfrence qui est lorigine du repre (o, x, y, z) permettant de ltudier.
Considrons que cette rfrence soit localise en lun des sommets du rectangle et que
les axes (x, y) soient dirigs suivant ses cts avec z vertical.
CHAPITRE 4 : MODELE THEORIQUE DUNE ANTENNE PLANAIRE
ADAPTATIVE


34

Figure 4.1- Rseau MXP uniforme dantennes
[3(b)]
.
Les coordonnes dun lment de rangs respectifs m suivant x et p suivant y seront
notes (x
mp
, y
mp
, z
mp
).
On montre dans [1] que les signaux arrivant sur cet lment prsentent un dphasage
mp
par rapport lorigine donn par :
mp
=
mp
(t)-
1
(t) = -kx
mp
cos()sin()-ky
mp
sin()sin()-kz
mp
cos()
Or pour le rseau planaire z
mp
= 0, x
mp
= (m-1)d et y
mp
= (p-1)d
Do

Ainsi le signal reu sur le capteur en (m, p) et en provenance dune source l est :
x
mp
(t) = m
l
(t)e
j(2f0t+mp)
+b
mp
(t)
o s
l
(t) = m
l
(t)e
j(2f0t)

est le signal incident reu sur le capteur de rfrence et b
mp
(t) le bruit additif sur le capteur en
(m,p). Ds lors :
X
mp
(t) = S
l
(t)e
jmp
+ b
mp
(t) = S
l
(t).a
mp
(
l
,
l
) + b
mp
(t)
o a
mp
(
l
,
l
) = e
jmp
= exp{-jkdsin(
l
)[(m-1)cos(
l
) + (p-1)sin(
l
)]}
En considrant toutes les sources ensemble, le signal incident sur le capteur en (m,p)
sera : X
mp
(t) =
S
l
(t) a
mp
(
l
,
l
)]

+ b
mp
(t)

mp
= -kdsin()[(m-1)cos() + (p-1)sin()]

(4.1)
(4.2)
(4.3)
(4.4)
(4.5)
(4.6)


35
Contrairement au vecteur signal du rseau linaire, on aura une matrice signal du
rseau :
11 12 1 1
21 22 2 2
1 2
1 2
( ) ... ...
... ...
( )
... ( )...
... ...
p P
p P
m m mp mP
M M Mp MP
x t x x x
x x x x
X t
x x x t x
x x x x
(
(
(
=
(
(
(

On peut alors dfinir la matrice dphasage provenant dune source l sur les diffrents
lments du rseau par :
12 1 1
21 22 2 2
1 2
1 2
1 ... ...
... ...
( ( , ))
( , ) ... ...
( , ) ...
p P
p P
l mp l l
m l l m mp mP
M l l M Mp MP
a a a
a a a a
A a
a a a a
a a a a
| u
| u
| u
(
(
(
= =
(
(
(

La matrice retard produite par toutes les L sources sera une matrice Mx(PxL) M lignes
et PxL colonnes :
( )( ) ( )
12 1
21 1 1 22 2
2 3
1 1 1 2
1 1 1 2
1 ...
( , ) ...
...
( , ) ...
( , ) ...
P
P
L
m m mP
M M MP
a a
a a a
A A A A
a a a
a a a
| u
| u
| u
(
| |
( |
( |
=
( |
( |
|
(
\ .

Comme dans le cas linaire, le vecteur signal incident sera toujours
S(t) = (S
1
(t), S
2
(t) . S
L
)
T

Le bruit sur lensemble du rseau devient une matrice (b
mp
). Ds lors
X(t) = AS(t) + (b
mp
)
A
1
(4.7)
(4.8)
(4.9)
(4.10)
(4.11)


36
Dautre part, le vecteur poids permettant le beamforming devient une matrice M x P
donne par:
11 12 1 1
21 22 2 2
1 2
1 2
... ...
... ...
... ...
... ...
p P
p P
m m mp mP
M M Mp MP
w w w w
w w w w
W
w w w w
w w w w
(
(
(
=
(
(
(

Le signal obtenu en sortie du rseau sera alors :
Y(t) =
*
1 1
M P
mp mp
m p
w X
= =
| |
|
\ .

= W
H
X (t).
O W
H
est le complexe conjugu de la transpose de la matrice W.
Si les composantes de X(t) peuvent tre modlises par des processus stationnaires
moyenne nulle, la puissance moyenne de sortie donnant le spectre du processus est :
P= E[Y(t).Y*(t)] = W
H
.R
xx
.W
O R
xx
est la matrice de corrlation dfinie par :
R
xx
= E[X(t)X
H
(t)]
et en remplaant X(t) par lexpression (4.11), on obtient :
R
xx
= ASA
H
+
2
n
I
O I est la matrice identit de dimension M et
n
la variance du bruit.

4.3. Implmentation sous MATLAB.
Le but de ce paragraphe est de gnrer le signal que nous utiliserons aux chapitres 5,6
et 7 pour simuler notre antenne planaire.
(4.12)
(4.13)
(4.14)
(4.16)
(4.15)


37
4.3.1. Le signal incident au point de rfrence.
Nous avons considr prcdemment que le signal incident provenant dune source

au point de rfrence est donn par s
l
(t) = m
l
(t)e
j(2f0t)
o m
l
(t) est la fonction complexe de
modlisation. Elle dpend de la technique de modulation utilise dans le systme. En gnral
m
l
(t) est modlise par un filtre passe bas complexe de moyenne nulle et de variance gale la
puissance de la source mettrice.
Dans notre travail, nous considrons que nous sommes dans le cas dun systme CDMA.
Pour un tel systme, m
l
(t) est donn par m
l
(t) = d
l
(t)*g(t) o d
l
(t) est la squence du message et
g(t) une squence pseudo-alatoire binaire du bruit prenant les valeurs +1 ou -1.
Sous MATLAB, d
l
(t) et g(t) sont modliss par deux matrices LXN o L est le nombre de
signaux utiles et N le nombre dchantillons. Ainsi on crit:
Data = round(rand(L,N));
Data _ Noise = sign(rand(L,N)-0.5);
Tout signal incident est affect par une amplitude dexcitation et une phase alatoire
constante indpendante du temps.
Pour lillustrer considrons un rseau carr (pour ncessit dinversibilit des matrices)
comprenant MxM antennes uniformment rparties suivant d = /2. Supposons que M = 5, le
nombre dchantillons N = 100 et quon a L = 3 signaux incidents de frquences porteuse
f
0
=1GHz dont lun provient dun utilisateur mobile et les deux autres dinterfrents supposs
fixes. Les amplitudes et phases incidentes peuvent alors tre obtenues par les codes MATLAB
suivants :
Ampl = [1*ones(1,N);
1*ones(1,N);
1*ones(1,N)]; % (L*N)
Phase = [2*pi*rand*ones(1,N);
2*pi*rand*ones(1,N);
2*pi*rand*ones(1,N)];


38
Nous dfinissons galement les autres proprits des signaux incidents et du rseau
dantennes :
c = 3E8; % speed of light
% antenna properties
M = 5; % number of elements in antenna array
m = (1:1:M)'; % vector used later
% time
N = 100; % number of timesteps
dt = 1E-4; % length of timestep
t = (0:dt:(N-1)*dt); % time vector
%------------------------------------------------------------
% incoming signals properties
%------------------------------------------------------------
L = 3; % number of incoming signals
f0 = 1E9; % incoming signal frequency
f = f0*ones(L,1); % (L*1)
% additional variables
lambda = c/f0; % wavelength
k = 2*pi/lambda; % wave number
d = lambda/2; % spacing between antenna elements
Nous pouvons alors calculer les signaux incidents reus au niveau de llment de
rfrence : s = Data.*Ampl.*exp(j*(2*pi*f*t + Phase));
4.3.2. La matrice dphasage du rseau
Les informations sur les positions des sources incidentes sont contenues dans la matrice
A telle que dfinie en (4.9) toutefois commenons par entrer les angles de nos signaux
incidents :


39
% angles of incoming signals (in degrees) (1*L)
phi_deg = [30 60 90];
theta_deg = [90 90 90]; % cas plan horizontal
% angles of incoming signals (in rad) (1*L)
phi = phi_deg*(pi/180);
theta = theta_deg*(pi/180);
Le rseau planaire tant dfini en dimension 2, nous crons dabord un maillage horizontal :
[thet11,thet22] = meshgrid(0:M-1,0:M-1);
Puis nous les redimensionnons afin de pouvoir faire le produit avec les angles incidents:
thet1 = reshape(thet11',1,M*M);
angle1 = cos(phi).*sin(theta);
angle2 = sin(phi).*sin(theta);
Nous en dduisons ds lors la matrice dphasage du rseau:
A = exp(-j*k*d*(thet1'*angle1 + thet2'*angle2));
4.3.3. La matrice bruit
Nous avons vu que le bruit est caractris par une variance
2
n

Cette valeur ntant pas facilement calculable, nous prfrons utiliser le rapport signal sur bruit
SNR en dcibels (dB). Si nous supposons que lamplitude des signaux incidents est gale 1 et
que pendant de larges intervalles de temps nous avons autant de 1 que de 0 dans le flux de bits
reu par lantenne, nous pouvons supposer que la puissance des signaux incidents est 1/4W.
Dans le modle de notre signal, nous ne prenons pas en compte les effets de
latmosphre ni des immeubles environnants de la BTS qui occasionnent gnralement des
retards de propagation et des vanouissements de multi-trajets.
Le code MATLAB de la matrice bruit est alors :


40
% noise properties
SNR = 20; % signal to noise ratio (in dB)
sigma = sqrt((1/4)/10^(SNR/10));
n = sigma*randn(M*M,N);

4.3.4. La matrice signal du rseau dantennes
Nous pouvons prsent crer la matrice du signal du rseau au rang temporel i par :
% this matrix contains the signals measured at the antenna outputs
X = A*s +n;
cette matrice (MxM)xN contient lvolution temporelle des MxM signaux mesurs la
sortie du rseau. Ces signaux seront pondrs et somms au moyen dun processeur de signaux
numriques (DSP) afin de ragir dynamiquement et automatiquement lenvironnement de la
BTS.



41

5.1. Aspect mathmatique de MUSIC
5.1.1. Calcul de la matrice de corrlation
Lalgorithme MUSIC requiert la matrice de corrlation R
xx.
Or sa valeur exacte R
xx
=
E[X(t)X
H
(t)+ nest pas calculable en pratique. Nous la remplaons donc

par son estim que nous
noterons toutefois toujours R
xx
. Cet estim

pour N chantillons X(n), n = 0,1,, N-1 peut tre
obtenu par une simple moyenne :

R
xx
= (1/N) ()

X
H
(n)
o X(n) reprsente lchantillon signal du rseau, dit aussi photographie ou clich du rseau,
linstant nT o T est la priode dchantillonnage.
5.1.2. Valeurs Propres de R
xx

R
xx
tant de dimension MxM, comporte M valeurs propres. En notant les M valeurs propres
par ordre dcroissant :
m,
m=1, , M et leurs vecteurs propres correspondants par U
m
, la
matrice prend la forme suivante : R
xx
=
H

avec la matrice diagonale contenant les valeurs propres :
=
(

et = (U
1
U
2
, , U
m
) contenant les vecteurs propres.
Cette reprsentation est gnralement appele dcomposition spectrale de R
xx
.
CHAPITRE 5 : DETECTION DE DIRECTIONS DARRIVEE SUR UNE
ANTENNE PLANAIRE ADAPTATIVE PAR LALGORITHME MUSIC
(5.1)
(5.2)
(5.3)


42
Les valeurs propres de R
xx
peuvent tre rparties en deux sous-groupes lorsque
lenvironnement est constitu de sources non corrles et dun bruit blanc non corrl : Les L
plus grandes valeurs propres correspondent L directions de sources utiles et leurs vecteurs
propres associs sont les vecteurs propres du signal.
Les (M-L) plus petites valeurs propres sont gales la puissance du bruit (
2
n
), et leurs
vecteurs propres correspondants sont les vecteurs propres du bruit. Plus le nombre de capteurs
est grand, plus on a des possibilits de dtecter des sources.
Les vecteurs propres de R
xx
sont orthogonaux entre eux, et donc peuvent dfinir un espace
de dimension M. Cet espace peut alors tre divis en deux sous espaces orthogonaux : le sous
espace signal dfini par les L premiers vecteurs propres et le sous espace bruit dfini par les (M-
L) restants.
5.1.3. Calcul du spectre de MUSIC
Il est dfini par : P(,) = 1/( a
H
(,)
N
( )
)
o
N
= (U
L+1
, U
L+2
, , U
M
) est lensemble des vecteurs propres du bruit et a(,) la matrice
dphasage dans la direction (,). La matrice
N
est une projection dans le sous espace

bruit.
Pour les matrices dphasages qui ont des vecteurs propres orthogonaux au sous-espace
bruit, le dnominateur de (5.4) deviendra trs petit et des pics apparatront ainsi dans P(,)
correspondant aux angles darrive des signaux utiles. Lorsque la moyenne de la matrice de
covariance de lensemble des signaux incidents est connue et que le bruit peut tre considr
comme dcorrl et uniformment distribu entre les lments, les pics du spectre de MUSIC
correspondent exactement aux vritables angles darrive des signaux incidents. Ces pics sont
gnralement trs longs si bien quil est prfrable de reprsenter plutt la fonction logarithme
nprien de (P(,)). Les positions de ces pics sont alors dtermines en recherchant les racines
de la drive de log(P(,).
5.2. Implmentation Sous MATLAB
5.2.1. Cas statique.
Il correspond au cas o aucun des utilisateurs nest en mouvement. R
xx
est estim en utilisant la
relation (5.1). Lorganigramme de lalgorithme est le suivant :
(5.4)


43

Figure 5.1 : Organigramme de MUSIC, cas statique.
Sous MATLAB, R
xx
est calcul de la manire suivante :
R
xx
= X*X / N ;
o X est la matrice signal contenant N photographies du signal du rseau.
Puis nous faisons la dcomposition spectrale
[V,D] = eigs(R
xx
, M*M, LM) ;
o V contient les vecteurs propres et D les valeurs propres.
Nous pouvons alors calculer le spectre de MUSIC P(,) en faisant :
% spectrum P
dtheta = 10;
phi_deg = (0:dtheta:180-dtheta);
(5.5)


44
theta_deg = (0:dtheta:180-dtheta);
phi = phi_deg*(pi/180);
theta = theta_deg*(pi/180);
phi_size = size(phi);
theta_size = size(theta);
clear A;
xx = phi_size(2);
vv = theta_size(2);
[theta1,phi1] = meshgrid(theta,phi);
[theta_deg1,phi_deg1] = meshgrid(theta_deg,phi_deg);
phi1a = reshape(phi1,1,xx*xx);
thet1a = reshape(theta1,1,vv*vv);
phi_dega = reshape(phi_deg1,1,xx*xx);
theta_dega = reshape(theta_deg1,1,xx*xx);
for ii = 1:theta_size(2)*theta_size(2)
angle1 = cos(phi1a(ii))*sin(thet1a(ii));
angle2 = sin(phi1a(ii))*sin(thet1a(ii));
P1(ii) = 1./(A'*V(:,(L+1):M*M)*V(:,(L+1):M*M)'*A);
end;
% MUSIC algorithm: end
La drive de Log(P(,) ) est calcule ainsi :
% computation of derivate of log(P)
P1 = abs(P1);
xx = theta_size(2);
P = P1(1:xx)';


45
for i = 1:xx-1
qp = P1(i*xx+1:(i+1)*xx)';
P = [P,qp];
end;
phi_degb = phi_deg;
log_P = log(P);
log_P1 = log(P1);
yy2 = size(P1);
yy21 = yy2(2);
yy1 = size(log_P);
yy = yy1(2);
ligne = yy1(1);
colonne = yy1(2);
count = 1;
matrice = (log_P(1,2)-log_P1(1,1))/2;
for u = 1:ligne
matrice = 0;
for v =2:colonne-1
if (matrice == 0)
matrice = (log_P(u,v+1)-log_P(u,v-1))/2;
else
cvx = (log_P(u,v+1)-log_P(u,v-1))/2;
matrice = [matrice cvx];
end
end
if (u == 1)


46
d_log_P = matrice;
else
d_log_P = [d_log_P; matrice];
end
end
vvvv = d_log_P;
val = zeros(18,1);
d_log_P = [val val d_log_P];
bbb = d_log_P;
et ses racines sont dtermines en faisant:
j = 1;
for u = 1:ligne
xxx = max(d_log_P(u,:));
if (xxx > 1)
for v =1:colonne
if (d_log_P(u,v) == xxx) %
%if (log_P(u,v-1) > 1)
directions(j) = dtheta*(u-0.5);
xcvf = d_log_P(u,v-1);
j = j + 1;
%end; end; end; end; end; wwww = directions

5.2.2. Cas dynamique
Cette fois, un ou plusieurs utilisateurs se dplacent. Il est alors ncessaire de dcouper
les chantillons incidents par petits groupes appels fentres. Les directions des utilisateurs
sont alors calcules sparment pour chaque fentre. Les fentres peuvent sentrelacer ou pas
(figure 5.1).


47
Dans nos simulations, nous ne considrerons que des fentres qui ne sentrelacent pas.
Sous MATLAB, la taille dune fentre sera appele windowsize . Nous essayerons alors de
conserver les tailles des fentres, aussi petites que possibles car plus elles sont petites, mieux
nous pourrons actualiser les directions des signaux et plus prcis seront les rsultats.
Toutefois, la taille dune fentre devra tre au moins gale au nombre de
capteurs qui tait requis dans le cas statique pour obtenir une bonne estimation des directions.

(a) Fentres sans entrelacement (b) Entrelacement de deux chantillons
Figure 5.2 : Fentres de 5 chantillons sans entrelacement (a) et avec entrelacement de 2
chantillons (b)
[1]

Ce qui est important, cest de savoir de combien se dplace lutilisateur pendant une
fentre car plus lutilisateur sera rapide, plus les fentres devront tre petites (sans
entrelacements) afin dobtenir des rsultats acceptables. Ainsi, ce dont nous avons surtout
besoin de savoir, cest la vitesse de lutilisateur par rapport la frquence dchantillonnage.
Cette valeur sera exprime en degr par chantillon (en Anglais degree/sample).
Si le niveau de bruit ou tout autre paramtre fait quil soit impossible dutiliser des
fentres de tailles relativement petites, celles sentrelaant pourraient tre utilises pour
actualiser de faon prcise les directions. La contrepartie est que cela ncessiterait plus de
calculs et despace mmoire. Lorganigramme de lalgorithme est le suivant :



48

Figure 5.3 : Organigramme de MUSIC, cas dynamique


49
Pour le nouveau code du cas dynamique, R
xx
est actualis aprs chaque chantillon si
bien que ces derniers nont pas besoin dtre stocks.
A chaque fois que la fin dune fentre est atteinte, les directions sont calcules et R
xx
est
supprim. Aprs cela, le spectre et les racines sont calculs comme dans le cas statique. On a le
code suivant :
Rxx_n = Rxx_n + X*X; if mod(i,windowsize) == 0 Rxx_n = Rxx_n / windowsize;
% V = eigenvectors, D = eigenvalues
[V,D] = eigs(Rxx_n, M*M, LM);
for ii = 1:theta_size(2)*theta_size(2)
angle1 = cos(phi1a(ii))*sin(thet1a(ii));
angle2 = sin(phi1a(ii))*sin(thet1a(ii));
P1(ii) = 1./(A'*V(:,(L+1):M*M)*V(:,(L+1):M*M)'*A); end;
Rxx_n = 1*sigma*eye(M); % initialization of
-------------------------------------------------------------------------------------------------
% Implementation de la drive de log(P)
% Racines de d_log_P
% cette partie du code est exactement identique au cas statique.
End;

5.3. Rsultats des simulations
5.3.1. Cas statique :
Il correspond au cas o les utilisateurs sont immobiles. Considrons comme exemple de
base, un cas simple o M=5, L=3 et SNR = 20 dB. Le nombre dchantillons est N=1000. Les
signaux utiles sont situs respectivement en = [30 ; 60 ; 90+ pour correspondants [90 ; 90 ;
90+. En fait, on suppose quon est dans le plan horizontal ; sinon le complmentaire de est
donn par le diamtre apparent de lutilisateur par rapport au plan horizontal. La figure 3.2


50
suivante reprsente respectivement du haut vers le bas, les spectres de P, Log (P) et de la
drive de Log (P). (Les Codes MATLAB se trouvent en annexe).

Figure 5.4 : Spectre de P, log (P) et dlog (P)
Ainsi les trois directions sont dtectes. Le tableau suivant indique les directions relles de
lutilisateur, celles calcules par simulation et les erreurs possibles :
Direction relle Direction calcule erreur
Utilisateur 1 30.000 30.000 0.000
Utilisateur 2 60.000 60.000 0.000
Utilisateur 3 90.000 90.000 0.000
Tableau 5.1: tableau des rsultats
Nous pouvons dj remarquer que comparativement au rseau linaire [1,p25], on obtient une
plus grande prcision.
5.3.1.1. Influence du Rapport signal sur bruit (SNR)
Faisons varier le SNR et voyons ce qui se passe :


51

(a) SNR=10, N=10 (b) SNR=0, N=10

(c) SNR=0, N=100 (d) SNR=0, N=1000
Figure 5.5: Influence du SNR sur P, log(P) et dlog(P)
La premire situation SNR=20 et N=10 donne dassez bons rsultats (figure 5.2). En
dcroissant le SNR de 10, les pics deviennent plus courts.
Les deux derniers cas de figure illustre le fait que leffet de la diminution du SNR peut
tre compens par une augmentation de N ; les pics redeviennent alors plus longs et
plus fins et MATLAB renvoie des valeurs identiques celles du tableau 5.1

5.3.1.2. Influence du pas
Pour un pas 1, lalgorithme ne converge pas. Pour un pas infrieur 6, le temps de
convergence est trs grand (~ 01heure et plus) ; cest ce qui justifie le choix du pas gal 10
pour lequel nous menons rapidement nos simulations.


52
5.3.1.3. Influence du nombre dchantillons N
Nous avons vu au 5.3.1.1 que pour une valeur du SNR de 20 dB, N ninflue pas sur les
rsultats. Par contre dcrotre le SNR exige que N soit lev pour continuer obtenir des
rsultats acceptables.
5.3.1.4. Influences de M et L, nombre maximal de sources dtectables

(a) M = 5, L = 3 (b) M = 3, L = 3 (c) M = 2, L = 3
Figure 5.6 : Nombre de sources dtectables
Ces rsultats confirment ceux tablis dans [6p30] : le nombre maximal de sources
dtectables par un rseau MxM est: L
max
= (M-m+1)
2
-1, O m est le nombre maximal de sous
rseaux: m = (M+1)/2. Ex : Si M =2, L = 3, L
max
=1,25 =1source.

Supposons cette fois tout dabord que M=9, L=5 et que notre utilisateur principal
se dplace de la position de 50 la position de 90 en 100 fentres de 10 chantillons chacune.
On a donc N = 1000 avec une vitesse de dplacement de 0.04 deg/chantillon. Pour un SNR =
20 dB et un pas de 10, lalgorithme est plus rapide. Nous obtenons la figure 5.5.
Dans un deuxime temps, nous supposons que lutilisateur principal se dplace de 50
90 en 10 fentres de 10 chantillons chacune ; donc N = 100. Les rsultats deviennent
lgrement moins prcis.

(a) Vitesse de 0.04 deg/ chantillon (b) Vitesse de 0.4 deg/ chantillon.
Figure 5.7 : Positions relles et positions calcules de lutilisateur en dplacement


53

6.1- Le facteur de rseau dune antenne planaire adaptative
En remplaant X(t) dans lquation (4.13) par son expression de (4.11) et sachant que le
faisceau doit ignorer le bruit, on obtient :
Y(t)= W
H
.A (,). S
On pose
W
H
.A (,)=AF(,),
AF est appel facteur de rseau (en anglais Array Factor).
Il permet de calculer le diagramme de rayonnement lorsque les poids des diffrents lments
dantennes sont connus. Focaliser le rayonnement suivant des directions (
0
,
0
) privilgies
revient alors ajuster les diffrents poids (2.3.2.3). Sa valeur normalise (Normalized Array
Factor) dont le code se trouve lannexe est :
AF (,)
NAF=
MAX (AF(,))

6.2. Le beamformer conventionnel
Il est utilis en combinaison avec MUSIC pour dtecter la position dun utilisateur et
ainsi pointer le lobe principal suivant sa direction.
6.2.1. Gnralits
Il est le plus simple raliser et est aussi connu sous le nom de sum-and-delay
beamformer . Ses phases sont choisies pour tirer le faisceau suivant la ou les directions
(
0
,
0
) dsires. Tous ses poids ont la mme magnitude et sont donns par :
(6.1)
(6.2)
(6.3)
CHAPITRE 6 : FORMATION CONSEQUENTE DE FAISCEAUX
SUITE AUX DIRECTIONS DARRIVEE DETERMINEES



54
1
W= A (
0
,
0
)
M
Le rseau possdera alors une rponse unit dans la direction dobservation. Ce type de
beamformer ne requiert aucune information sur le signal incident lexception de la position
de lutilisateur ; cest pourquoi il nest pas influenc par le bruit thermique des lments
dantennes. La seule source derreur est une ventuelle erreur sur la direction dobservation
dsire. Le dsavantage de cette technique est quil nest pas possible dagir sur les niveaux des
lobes secondaires ni dadapter les positions des annulations.

6.2.2. Rsultats de simulations
Le code MATLAB se trouve lannexe. La figure 6.1 suivante, prsente les trois types de
diagramme de rayonnement gnralement utiliss. Le premier est la courbe linaire et permet
dobserver au mieux les pics du spectre. Le second est la courbe logarithmique. Elle est surtout
indique pour dterminer les niveaux des lobes secondaires et la qualit des annulations. La
troisime est la reprsentation en coordonnes polaires. Elle montre la distribution des sources
dtecter telles quelles sont en ralit.

(a) Courbe linaire, direction 90 (b) Courbe linaire, direction 45
(6.4)


55

(c) Courbe logarithmique, direction 90 (d) Courbe logarithmique, direction 45

(e) Courbe polaire, direction 90 (f) Courbe polaire, direction 45
Figure 6.1 : Diagrammes de rayonnement du beamformer conventionnel
La figure 6.1(a) prsente le diagramme pour une direction dobservation de 90. Le
rseau de capteurs est carr avec M=9. On peut voir que les lobes secondaires sont de 40dB
moins importants que le lobe principal (figure 6.1(c)).
La figure 6.1(b) montre le diagramme pour une direction de 45. Nous constatons que
les rsultats sont dgrads : lutilisateur nest plus dtect. En fait les rsultats montrent quen
dessous de 60, il nest plus bien dtectable. Il en est de mme au-del de 120. Nous en
dduisons que : Soit pour ce type de beamformer ou soit pour le rseau planaire, lutilisateur
doit tre situ entre 60 et 120. Dans le cas o ce serait le rseau planaire, Il faudra 6 antennes
pour couvrir 360.
6.3. Le beamformer annulation de lobes (Null steering beamformer)
6.3.1. Gnralits


56
Il est utilis pour annuler une onde plane en provenance dune direction connue en annulant le
lobe de rayonnement suivant cette direction.
Les poids sont dtermins tels que :
W
H
.A (
0
,
0
)=1 (6.5)
W
H
.A (
i
,
i
)
i0
=0 (6.6)
En notation matricielle (6.5) devient :
W
H
A=e
1
T
(6.7)
O e
1
= (1,0,00)
T
(6.8)
Si toutes les sous matrices a(
) de A sont linairement indpendantes et A une matrice

carre alors on peut linverser et calculer la matrice poids W par :
W= W
H
A=e
1
T
.A
-1
(6.9)
Dans le cas o A nest pas inversible, son pseudo inverse peut tre utilis. Il est donn par:
W
H
=e
1
T
A
H
(AA
H
)
-1
(6.10)
Bien quannulant les signaux des interfrents, ce beamformer nest pas dsign pour minimiser
le bruit dcorrel la sortie du rseau.

6.3.2. Rsultats des simulations
Considrons un exemple avec 5 lments dantennes o lutilisateur se trouve 90 et
les interfrents 10, 80, 120 et 160. La figure 6.2 suivante montre les courbes linaire (a),
logarithmique (b) et polaire (c). Son code MATLAB se trouve lannexe.


57

(a) Linaire (b) logarithmique ( c) Polaire
Figure 6.2 : Diagrammes du Null steering beamformer pour un utilisateur 90 et des
interfrents en 10, 80, 120 et 160.
Cet exemple illustre deux inconvnients du Null Steering beamformer :
Primo, le diagramme de rayonnement ne pointe pas dans la direction de lutilisateur.
Secundo, il nest pas possible de contrler les hauteurs des lobes secondaires. Nous
voyons sur la figure 6.2 (a) que la hauteur du lobe secondaire de
gauche est totalement suprieure au lobe principal.
Un dernier inconvnient et non le moindre, est que ce beamformer requiert des
informations sur les positions des interfrents. Dans la pratique ces positions ne peuvent pas
tre connues lavance.
Tous ces inconvnients peuvent tre corrigs par des beamformers plus sophistiqus
tels que le beamformer optimal ou le LMS beamformer .

6.4. Le beamformer optimal
6.4.1. Aspect mathmatique
Le beamformer optimal permet de remdier deux des principales limitations du Null-
steering beamformer :
Il ne requiert pas dinformations sur les directions des interfrents.


58
Il maximise le rapport signal sur interfrence et bruit en sortie du rseau. (SINR : Signal
to Interference and Noise Ratio).
Pour le beamformer optimal, les pondrations sont donnes par :
W=
0
R
xx
-1
A(
0
,
0
) (6.7)
O R
xx
est la matrice de corrlation, A(
0
,
0
) la matrice de dphasage dans la direction observe
et
0
une constante.
Pour un rseau rponse unit dans la direction dsire,
0
peut tre obtenu par :
1
0=

A
H
(
0
,
0
)R
xx
A(
0
,
0
)
Nous pouvons en dduire W:
R
xx
-1
A(
0
,
0
)
W
=

A
H
(
0
,
0
)R
xx
A(
0
,
0
)
Ces poids minimisent la puissance moyenne de sortie tout en maintenant une rponse
unit dans la direction de lutilisateur. Ainsi le processus minimise le bruit total comprenant les
interfrences et les bruits de corrlation.
La valeur de R
xx
ntant pas disponible, on utilise son estim (quation 5.1). La
nouveaut dans cette technique est quon na plus besoin dattendre que tous les chantillons
arrivent avant de calculer R
xx
. Il peut tre actualis chaque fois quun nouvel chantillon arrive
en utilisant lexpression :
nR
xx
[n]+X[n+1]X
H
[n+1]
Rxx[n+1]= (6.13)
n+1
6.4.2. Implmentation sous MATLAB
6.4.2.1 Cas statique
(6.11)
(6.12)


59
Aucun des utilisateurs nest en mouvement. Le vecteur signal X peut tre calcul comme
au chapitre 4. R
xx
est alors actualis la fin de chaque prise (photographie, clich) par :
R
xx
_n1=R
xx
_n ;
(i*R
xx
_n1+X( :,i)*X( :,i))
R
xx
_n= (6.14)
(i+1)
R
xx
est initialis ainsi : R
xx
_n=10*sigma*eye(M) (6.15)
Aprs que le dernier chantillon soit reu dans R
xx
, la matrice de dphasage est calcule
par :
phi_0 = phi_all(1,i);
theta_0 = theta_all(1,i);
angle1 = cos(phi_0).*sin(theta_0);
angle2 = sin(phi_0).*sin(theta_0);
s0 = exp(-j*k*d*(thet1'*angle1 + thet2'*angle2));
O phi_0 contient linformation sur la position de lutilisateur dsir. Finalement les
poids sont calculs par :
% weights
w = (inv(Rxx_n)*s0)/(s0'*inv(Rxx_n)*s0);

Le rayonnement du beamformer optimal tend avoir de longs lobes et une
mauvaise annulation des interfrences ; ceci est caus dune part par la maximisation du SINR
et dautre part par le bruit thermique, qui ne devrait pas tre carrel dun capteur un autre
mais qui, pour un nombre fini dchantillons, parat ltre. Le moyen le plus simple de remdier
ces limitations est dajouter Rxx, un bruit idal thermique artificiel. Puisque la matrice de
covariance dun bruit thermique idal est une matrice diagonale, nous pouvons ajouter Rxx


60
une matrice diagonale qui domine leffet nuisant de la corrlation du bruit initial. Dans *1+, cas
du rseau linaire, cette matrice de surcharge attnue considrablement les effets des
corrlations du bruit. Elle rduit le nombre dchantillons requis pour obtenir de bons rsultats.
Sous MATLAB, la surcharge de R
xx
est faite de la manire suivante :
Rxx_n = repmat(Rxx_n, 9, 9);
Rxx_n1 = Rxx_n;
Rxx_n = (i*Rxx_n1 + [X(:,i) D]*[X(:,i) D]' )/(i+1);
D est dfini ainsi : D = D_cst*sigma*eye(M); o D_cst est une constante. Nous tudierons
linfluence de la matrice de surcharge dans la partie simulation.
6.4.2.2. Cas dynamique
Un ou plusieurs utilisateurs sont mobiles. La mthode utilise sera une fois de plus,
comme dans le cas de MUSIC, le fentrage avec des fentres non entrelaces. De plus, les
utilisateurs ne doivent pas se dplacer dune trop grande distance pendant une fentre. Les
pondrations et R
xx
sont alors actualises la fin de chaque fentre.
6.4.3. Rsultats des simulations
Nous supposons dans toute cette partie que la frquence des signaux incidents est de
1.8GHz et que la frquence dchantillonnage est de 10KHz.
6.4.3.1. Cas statique
Il correspond au cas o aucun des utilisateurs ne se dplace. Considrons un rseau 9x9
et L=5 signaux incidents. Lutilisateur est situ en 50 tandis que les interfrents sont en 25,
80, 130 et 155. SNR=20dB. Le code MATLAB se trouve en annexe.
Influence de la matrice de surcharge
- Le premier exemple est sans matrice de surcharge.
La figure 6.3 suivante nous donne les diffrents diagrammes pour diffrentes valeurs de N.


61

(a) N = 10 (b) N = 50 (c) N= 100

(d) N = 500 (e) N = 1000 (f) N = 5000
Figure 6.3 : Optimal beamformer sans matrice de surcharge pour diffrents N.
Dune part, nous constatons que plus la valeur de N est grande, plus lalgorithme prend
du temps pour converger.
Dautre part, indpendamment de la valeur de N, nous constatons que les interfrents
sont effectivement annuls mais les hauteurs des lobes secondaires restent trs leves, ce qui
ne favorise vritablement pas la rduction du bruit. Par contre pour des positions de
lutilisateur comprises entre 60 et 120, la rponse du rseau est parfaite. Nous avons par
exemple les deux diagrammes suivants pour
0
= 80 et
0
= 110 avec N = 10.


62

(a) = 80 (b) = 110
Figure 6.4 : Optimal beamformer sans matrice de surcharge pour N=10 et des positions de
lutilisateur comprises entre 60 et 120.
- Considrons un nouvel exemple avec une matrice de surcharge et
0
= 50.
D_cst=10. Les rsultats sont sur la figure 6.4 pour diffrentes valeurs de N :

(a) N = 10 (b) N = 50 (c) N = 100

(d) N = 500 (e) N = 1000 (f) N = 5000
Figure 6.5 : Optimal beamformer avec matrice de surcharge pour diffrents N
Nous constatons que le fait dajouter la matrice de surcharge na pas deffet notable sur la
qualit des rsultats comme ctait le cas pour le rseau linaire dvelopp dans [1].


63
Par contre la position de lutilisateur influe considrablement la rponse du rseau.
Lorsque celui-ci se trouve entre 60 et 120, le lobe principal est bien centr et les interfrences
bien annules. Cest le cas sur la figure suivante:

(a) = 80 (b) = 110
Figure 6.6 : Optimal beamformer avec matrice de surcharge pour N=10 et des positions de
lutilisateur comprises entre 60 et 120.
Influence de M par rapport L :
Les rsultats prcdents correspondent M = 9 et L = 7. Faisons varier M dans le cas o
lutilisateur se trouve en 80 et N = 100.

(a) M = 9 (b) M = 7 (c) M = 5


64

(d) M = 4 (e) M = 3 (f) M = 2
Figure 6.7 : Optimal beamformer avec matrice de surcharge et diffrents M.
Lorsque M diminue, le lobe principal slargit synonyme de dgradation possible de
qualit. Pour M = 3, autrement dit pour un rseau 3x3, les interfrents ne sont plus annuls et
les lobes secondaires slvent. Ces rsultats se dgradent carrment pour M =2. Ainsi le
rsultat tabli au 5.3.1.4 est justifi:
L
max
= (M-m+1)
2
-1, O m est le nombre maximal de sous rseaux: m = (M+1)/2.

Influence du SNR

(a) SNR = 20 dB (b) SNR = 0dB
Figure 6.8: Influence du SNR avec M=9 et N = 100
Nous constatons quannuler le SNR na pas deffet notable sur la rponse du rseau.



65

Larges fentres et petite vitesse de dplacement de lutilisateur
Considrons la situation o M=9, L=5, SNR=20dB et D_cst = 20. La taille dune fentre est de 80
chantillons. Lutilisateur principal se dplace de 80 120 en 4000 chantillons soit une
vitesse de dplacement de 0.01 degr/chantillon cest- -dire 0.8 degr/fentre pendant que
les interfrents sont situs 25, 50, 130 et 155 dgrs. Sous MATLAB, on voit effectivement
comment le lobe principal se dplace pour poursuivre la cible de 80 120. Les rsultats sont
rassembls sur la figure 6.9 suivante.

(a) Utilisateur 85 (b) Utilisateur 100

(c) Utilisateur 108 (d) Erreur correspondante
Figure 6.9 : beamformer optimal cas dynamique avec fntres de 80 chantillons et une
vitesse de lutilisateur de 0.01 degr/chantillon
Nous avons dfini lerreur de lantenne comme la diffrence entre le signal incident et le
signal dlivr par le rseau dantennes. Cette erreur pour la premire fentre sera gale au


66
signal incident en attendant lactualisation de ses poids. Elle diminue au fur et mesure que
lalgorithme tend converger (figure 6.9(d)).

Larges fentres et grande vitesse de dplacement de lutilisateur
Nous reprenons lexemple prcdent except que N = 1000, ce qui fait une vitesse de 0.04
degr/chantillon. Les rsultats sont rassembls sur la figure 6.10 suivante.


(c) Utilisateur 108 (d) erreur correspondante
Figure 6.10 : beamformer optimal cas dynamique avec fntres de 80 chantillons et une
Petites fentres et petite vitesse de dplacement de lutilisateur
Cet exemple est identique au premier mais avec cette fois des fentres de 20
chantillons. Les rsultats sont les suivants :


67


Figure 6.11 : beamformer optimal cas dynamique avec fntres de 20 chantillons et
une vitesse de lutilisateur de 0.01 degr/chantillon

6.5. CONCLUSION :
Ces simulations nous montrent que le rseau planaire ne subit pas trop dinfluence de la
part des diffrents paramtres de lantenne comme ctait le cas avec le rseau linaire dont
les rsultats sont conformes ceux dvelopps dans [1]. Il est plutt influenc par la position
de lutilisateur. Il faudra alors six de ces rseaux pour couvrir 360.



68

7.1. Formation de faisceaux par lalgorithme des moindres carrs moyens (LMS beamformer)

7.1.1. Implmentation sous MATLAB
Pour implmenter lalgorithme du LMS dcrit au paragraphe 3.2.2.2, nous avons besoin
dun signal de rfrence. Nous prenons un signal identique au signal envoy par lutilisateur
principal. Il sera not dd et sera dfini par :
dd = Data (1, :).*exp(j*2*pi*f0*t);
Les poids sont alors initialiss ainsi: w = zeros(1, M*M);
Cette fois nous navons pas besoin de matrice de surcharge mais plutt de dfinir une
constante (appel mu_cst dans le code MATLAB). La valeur de cette constante, nous lavons
vu, est trs importante pour la convergence de lalgorithme que nous implmentons ainsi :
y(:,i) = w*X(:,i);
e(i) = dd(i) - y(i);
w = w + mu_cst*X(:,i)*e(i);
o y(i) est le signal de sortie du rseau au temps i et e(i) lerreur correspondante.
Lorganigramme de lalgorithme est le suivant:

CHAPITRE 7 : SIMULATION DUNE ANTENNE PLANAIRE ADAPTATIVE
PAR LAPPROCHE A SEQUENCE DAPPRENTISSAGE


69

Figure 7.1 : Organigramme de lalgorithme du LMS , cas statique
Les poids sont calculs exactement de la mme faon que pour le cas statique except
que nous appliquons encore la technique de fentrage . Les poids sont renouvels la fin de
chaque fentre. Ces fentres doivent tre suffisamment larges pour permettre datteindre la
convergence.


70

Figure 7.2 : Organigramme de lalgorithme du LMS , cas dynamique


71
7.1.2. Rsultats de simulation
Considrons un exemple de base o mu_cst = 0.010, SNR = 20dB, M = 9 et avec un
utilisateur plac en 80 et des interfrents en 25, 50, 130 et 155. La figure suivante donne
les diagrammes pour diffrentes valeurs de N.

(a) N = 33 (b) N = 66 (c) N = 99

(d) N = 132 (e) N = 200 (f) Erreur pour N = 200
Figure 7.3 : LMS beamformer pour diffrentes valeurs de N
Lerreur est trs faible et ponctuelle. Nous en dduisons que le rseau planaire offre une
bonne rponse synonyme daugmentation de qualit. Toutefois, elle varie lgrement dune
simulation lautre.



72
Influence de :
Pour N = 200, la figure 7.4 suivante montre que pour = 0.050, la convergence est trs rapide
(ds les premiers chantillons) mais les erreurs et les lobes secondaires prsentent des pics trs
levs, ce qui ne favorise pas llimination du bruit.
Dans le second cas par contre le lobe principal est bien accentu tandis que les
interfrences sont limines. De plus les erreurs sont assez basses. Par contre lalgorithme met
un peu plus de temps pour converger.

(a) NAF (b) Erreur
Figure 7.4 : diagramme (a) et erreur (b) pour = 0.050

(a) NAF (b) Erreur
Figure 7.5 : diagramme (a) et erreur (b) pour = 0.005
Les simulations montrent que pour des valeurs de suprieures 0.06, la convergence
de lalgorithme nest mme plus garantie. Toutefois cette limite suprieure de convergence
peut varier avec les diffrents autres paramtres (SNR, M, L, la position de lutilisateur, etc.).



73
Influence du SNR:
Fixons 0.010, N 33 et comparons les courbes derreur pour diffrentes valeurs du SNR. La
figure 7.6 suivante prsente les rsultats :

SNR = 00 SNR = 10 SNR = 20
Figure 7.6 : Erreurs pour diffrentes valeurs du SNR et = 0.010.
Ces courbes montrent que pour de faibles valeurs du SNR, doit tre trs faible pour conserver
la mme prcision aprs convergence ; le compromis est alors le temps de convergence qui
devient un peu plus important.
Influence de M: Pour N = 200, et SNR = 20dB, comparons les
courbes derreur pour diffrentes valeurs de M :

(a) M = 7 (b) M = 5 (c) M = 3
Figure 7.7 : Courbes derreur pour diffrentes valeurs de M.
Lorsque M diminue, lerreur augmente et lalgorithme prend plus de temps
converger.. M infrieure 4 donne des erreurs plus importantes. Autrement dit les 5 sources
ne sont plus correctement dtectables. Nous comprenons alors le rsultat tabli dans [2p30]
savoir : le nombre maximal de sources dtectables par un rseau carr MxM est de (M-m+1)
2
-1
o m = (M+1)/2 est le nombre maximal de sous-rseaux du rseau.


74
- Reconsidrons la situation dynamique du beamformer optimal o M=9, L=5
et SNR=20dB. La taille dune fentre est de 80 chantillons. Lutilisateur principal se dplace
de 80 120 en 4000 chantillons soit une vitesse de dplacement de
0.01degr/chantillon cest- -dire 0.8 degr/fentre pendant que les interfrents seront
cette fois situs 50, 100, 130 et 155 dgres. Cette fois au lieu de D_cst, nous avons =
0.020. La figure 7.8 suivante donne les diagrammes pour diffrentes positions de
lutilisateur :

(a) Utilisateur 90 Utilisateur 100 Utilisateur 110
Figure 7.8 : LMS beamformer cas dynamique avec fntres de 80 chantillons et une
Nous obtenons aussi les erreurs en sortie du rseau avant et aprs pondrations :

(a) Avant pondrations (b) Aprs pondrations
Figure7.9 : Erreurs en sortie du rseau lMS beamformer cas dynamique avec fntres de 80
chantillons et une vitesse de lutilisateur de 0.01 deg/chantillon.


75
La figure 7.9(a) prsente lerreur utilise pour actualiser les poids aprs chaque 80 chantillons.
Une fois actualiss, ces poids restent constants durant toute la fentre et sont utiliss pour
calculer lerreur relle en sortie du rseau. Ainsi, adapter les signaux en sortie du rseau,
permet dobtenir des rsultats les moins biaiss possibles et selon le critre poursuivi.
- Reprenons cet exemple en rduisant la taille de la fentre 20 chantillons:

(a) Avant pondrations (b) Aprs pondrations
Figure7.10 : Erreurs en sortie du rseau lMS beamformer cas dynamique avec fntres de
20 chantillons et une vitesse de lutilisateur de 0.01 deg/chantillon
La fentre tant petite, lerreur est actualise un plus grand nombre de fois.

7.2. Cas dune propagation avec multi-trajet
Nous avons considr dans les simulations prcdentes que le signal de lutilisateur est
reu suivant une seule direction. Quen est-il lorsquil arrive par plusieurs directions telles quil
en est souvent dans le cas rel?


76
B T S
B T S
Source de
lutilisateur
principal
Utilisateur
Interfrent
1
Interfrent 2
Utilisa-
teur
Interfrent 3

Figure 7.11 : Exemple de cas possible
7.2.1. Cas statique :
Lorganigramme de lalgorithme restant le mme, nous modifions dans le code MATLAB
du LMS beamformer sans multi-trajet, les donnes de lutilisateur.
Data = round(rand(L,N)); est remplac par lensemble de codes suivant :
Data_U = round(rand(1,N)); % user data
Data_I = round(rand(L-2,N)); % interferer data
Data = [Data_U; Data_U; Data_I];
Nous modifions galement lindication des positions de lutilisateur :
phi_plot_usr(round(phi_all_deg(1:2,i)*10)) = 1;
Lalgorithme dtecte alors automatiquement quil ya deux signaux utiles et envoie deux
faisceaux suivant leurs directions.
Considrons que le signal utile arrive suivant 80 et 120 et les interfrents suivant 25,
50 et 155. SNR = 20dB, M = 9, N = 500 et =0.010. La figure 7.12 nous donne les diagrammes
et les erreurs obtenus :


77

(a) Diagramme sans multi-trajet, N = 200 (b) Erreur correspondante

(c)Diagramme avec multi-trajet, N = 200 (d) Erreur correspondante
Figure 7.12: LMS beamformer cas statique avec et sans multi-trajet
Nous rappelons que les deux signaux utiles prcdents sont supposs arriver en phase sur le
rseau. Dans le cas contraire, un seul serait dtect
[1]
.
Reconsidrons notre cas classique o lutilisateur est en mouvement. Nous aurons alors
un signal qui se dplace de 80 120 et lautre de 120 160 en 4000 chantillons. Les
interfrents sont toujours en 25, 50, et 155.
Pour = 0.030, la figure 7.13 suivante prsente lvolution (en bleu) des deux signaux en
phase de lutilisateur principal et des interfrents (en rouge):



78

Figure 7.13 : Evolution des deux signaux de lutilisateur principal
Nous obtenons galement les erreurs en sortie du rseau.

(a) Erreurs avant pondrations (b) Erreurs aprs pondrations
Figure 7.14 : Erreurs en sortie du rseau LMS beamformer cas multi-trajet avec fntres de
20 chantillons et vitesse de lutilisateur de 0.01 deg/chantillon

Conclusion : Nous comprenons que le multi-trajet peut tre exploit comme dans le cas
dune interfrence constructive pour minimiser lerreur en sortie du rseau, synonyme de
probable augmentation de qualit de transmission.



79

Aprs avoir prsent la ncessit dutiliser les antennes intelligentes pour optimiser les
rseaux de radiocommunication, un tat de lart sur ces antennes a t effectu. Puis une
tude des diffrentes mthodes utilises pour leur modlisation a t mene.
Pour lapproche DOA, lalgorithme MUSIC fut retenu et test pour la dtermination
des directions darrives, respectivement dans le cas statique correspondant au cas o tous les
signaux incidents sont fixes et le cas dynamique, qui lui, correspond au cas o lutilisateur est
en dplacement. Trois algorithmes de beamforming furent alors tests pour la formation des
faisceaux correspondants.
Quant lapproche directe squence dapprentissage, quatre algorithmes furent
simuls : lalgorithme du LMS statique, celui dynamique, lalgorithme du LMS statique en cas de
propagation multi-trajet et celui dynamique.
Nous avons not que comparativement au rseau linaire, lantenne planaire adaptative
permet dobtenir des lobes plus fins synonymes daugmentation de la qualit de transmission
et de la capacit du rseau.
De faon globale, lannulation de certaines directions permet dliminer des missions
parasites qui pourraient perturber les communications ou diminuer le dbit de transmission
des donnes. Ceci vite d'interagir avec dautres systmes ou dendommager certains
quipements, "prservant" ainsi lenvironnement. Toutefois ces antennes prsentent
galement quelques inconvnients, notamment leur structure lourde et le plus de matriels
ncessits pour leur fabrication.
Ltape suivante peut consister modliser galement, toujours dans nos hypothses, le
rseau circulaire afin de disposer dune base de donnes complte pour implmenter une
interface graphique permettant une simulation plus aise des algorithmes par le public.
Dautre part, le temps de calcul de nos algorithmes est de l'ordre de quelques secondes,
ce qui les rend assez prcaires pour des applications d'adaptabilit en temps rel qui
ncessitent une rponse trs rapide comme cest gnralement le cas dans les rseaux mobiles
CONCLUSION GENERALE


80
et en tlcommunications o la limite est fixe 300ms (0,3 seconde). Une solution
doptimisation trs prise actuellement se trouve tre les rseaux de neurones. Elles
permettraient denrayer toutes ces limitations. On pourrait alors faire une synthse des
antennes adaptatives au moyen des rseaux de neurones aboutissant leur fabrication.



81

[1] Tom MATHES, IVICA Stevanovic, Juan R. MOSIG, Algorithms for Direction of arrival
Estimation in a Smart antenna, Semester project summer 2002-2003, EPFL-Facult STI-
LEMA, July 2003, 77p.
[2] Grard CARRER, Les antennes intelligentes dans les rseaux de radiocommunication,
relles opportunits ou luxe inutile, France tlcom R&D, 9 Mars 2006, 51p.
[3] Emmanuel TONYE,
(a) Les antennes intelligentes en tlcommunication mobile, Cours de 5 anne
Ingnieur, LETS-ENSP, Universit de Yaound I, anne scolaire 2006-2007, 106p.
(b) Tlcommunications mobiles, UV TMOB 422-01, cours de 4 anne Ingnieur, LETS-
ENSP, Universit de Yaound I, anne scolaire 2005-2006, 18 chapitres.
(c) Signaux et communications, cours de PH518, Dpartement de Physique, Facult des
Sciences, Universit de Yaound I, anne scolaire 2007-2008, 56p.
[4] Blaise Pascal BAVAHE, GSM core network overview, cours de techniques daccs sans fil,
2 anne ingnieur, ENSPT Yaound, anne scolaire 2008-2009, 30p.
[5] Rgis LECOGE, Intgration de rseaux de capteurs dans les rseaux ad hocs, INSA Lyon,
29 Mai 2004, 21p.
[6] Guillaume DE LAROCHE, Estimation bande troite des angles darrives dun signal
radio-mobile en environnement Indoor, Projet de fin dtudes, Laboratoire CITI-INSA
Lyon, Juillet 2003, 41p.
[7] Najib FADLALLAH, Contribution loptimisation de la synthse du lobe de rayonnement
pour une antenne intelligente. Application la conception de rseaux dphasage,
Thse N 18-2005, Universit de Limoges, Facult des Sciences et Techniques, Soutenue
le 24 Mai 2005, 208p.
[8] http://dslab.hanyang.ac.kr (consult le 9 Juin 2009).
[9] Constantine A. BALANIS, antenna theory, analysis and design, Second Edition John
Willey & Sons Inc, New York, 1997, pp 249-338.
[10] Bernard ESSIMBI, Communication-micro-onde et optique, cours de PH517,
Dpartement de Physique, Facult des Sciences, Universit de Yaound I, anne scolaire
2007-2008, 40p.
[11] http://laii.univ-poitiers.fr/THESES/florin_hutu.pdf (consult le 9 Juin 2009).
BIBLIOGRAPHIE ET WEBOGRAPHIE


82
[12] G. COLLIN, T. DITCHI, E. GERON, Optimisation dun rseau de communication DECT
laide dune antenne adaptative, Laboratoire dlectricit gnrale, ESPCI, 10 rue
Vauquelin 75005 PARIS, Laboratoire des Instruments et Systmes, Ile de France,
Universit Paris 6, 4p.
[13] Anne FERREOL, Radiogoniomtrie: Modlisation Algorithmes performances, Thse
de lEcole doctorale de LECOLE NORMALE SUPERIEURE DE CACHAN, soutenue le Mardi
13 Dcembre 2005, 164p.
[14] Guillaume VILLEMAUD, Les antennes intelligentes, Cours techniques dantennes, CITI,
INRIA-INSA Lyon, 59p.
[15] http://etd.lib.fsu.edu/theses/available/etd-
04092004143712/unrestricted/Ch_5adaptive beamforming.pdf (consult le 9 Juin
2009).
[16] Simon HAYKIN, Adaptive Filter Theory. Fourth Edition, Prentice Hall, 2002, 377p.
[17] http://www.lets.africa-web.org, (consult rgulirement).



83

ANNEXE : FICHIERS MATLAB

DEA Kepchabé

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

DEA Kepchabé

Uploaded by

Copyright:

Available Formats

UNIVERSITE DE YAOUNDE I

FACULTE DES SCIENCES

a() =1. De plus b est suppos de valeur moyenne nulle et

est une projection dans le sous espace

) de A sont linairement indpendantes et A une matrice

You might also like