Détection Multi-Utilisateurs
|
|
- Bruno Lebrun
- il y a 8 ans
- Total affichages :
Transcription
1 Détection Multi-Utilisateurs 3 ème année Télécom-Réseaux année Martial COULON INP-ENSEEIHT
2 Position du Problème Obectif : concevoir et analyser la démodulation numérique en présence d interférences dues au multi-accès (CDM, FDM, TDM, CDM orthogonal : signatures des utilisateurs orthogonales Intérêt : détecteur optimal = corrélateur, simple à mettre en œuvre Pb : nb d utilisateurs K limité à K=BT (modulations antipodales où B = bande disponible, T = durée du signal CDM non-orthogonal : signatures des utilisateurs non-orthogonales Intérêts : utilisateurs asynchrones (en utilisant la quasi-orthogonalité nb d utilisateurs K non limité BT partage dynamique des ressources (Nb potentiel d utilisateurs >> Nb simultanés d utilisateurs Pb : détecteur optimal plus complexe détecteurs sous-optimaux
3 Modèle de Canal CDM Synchrone Modèle «one-shot» : y( t K = = b s ( t n( t, t [0, T ] K T s (t nombre d utilisateurs période symbole signature (ou code, ou forme d onde du ème utilisateur, normalisée : s = T s 0 ( t dt = s (t nulle en dehors de [0,T] pas d interférence inter-symbole : amplitude du ème utilisateur = énergie du ème utilisateur b bit émis par le ème = ± utilisateur n(t : bruit blanc gaussien de moyenne nulle et variance σ. Intercorrélations entre signatures : ρi = si, s = si ( t s ( t dt, ρi T 0 Ex : K= utilisateurs : y( t = b s( t b s( t n( t, ρ = s( t s( t dt T 0
4 Modèle Synchrone Discret 3 types de discrétisation : classique : y =y(t e par proections sur une famille orthonormée définie sur [0,T] par corrélation y(t T s 0 y. y n = ~ y, s = N (0, σ T 0 y( t s ( t dt = b b ρ n Sous forme matricielle : T T y = Rb n y = [ y y ], b = [ b,..., b ], diag(,..., R =,..., K K = ( ρ, n ~ N(0, σ R i i, y contient toute l information contenue dans y(t nécessaire à la détection K
5 Modèle de Canal CDM synchrone Util. Util. Util. 3 τ τ τ 3 T T T Utilisateur bits [ b ( M,..., b (0,... b ( M ] y( t K M = = i= M b ( i s ( t it τ n( t, t [0, T ] (rq : τ... = τ = K modèle synchrone Intercorrélations entre signatures pour i< : Pour τ... τ, ρ ( τ = i ρ ( τ = i ρ τ T s ( t s τ T i s ( t s K i i i i = ρ ( τ τ ( t τ dt ( t T τ dt
6 Modèle synchrone Discret 3 types de discrétisation : classique : y =y(t e par proections sur une famille orthonormée définie sur [0,T] par corrélation y(t ( i T τ (i it τ Sous forme matricielle : y y y ( i = ( i = ( i T τ it τ b > ( i b y( t s < ( i ρ ( t it b τ dt ( i ρ > b < ( i ρ b n ( i ρ ( i y( i = R 0 et R R T b( i R0 b( i R b( i matrices dépendant des y = Rb n ρ n( i
7 Détection par Filtre dapté ( Détecteur Optimal (minimise le BER dans cas : Pour K= : y( t = bs( t n( t, t [0, T ] y = b n b ˆ = sgn, ( y s BER ( σ = Q σ Pour Canal Synchrone Orthogonal : Pas d interférences : ρ = 0, i i y = b n b ˆ = sgn = ( y, s sgn( y BER ( σ = Q σ Détecteur simple idée de généraliser à K quelconque
8 Détection par Filtre dapté ( Canal Synchrone Non-Orthogonal Pour K= : y = b b ρ n : (existence d interférences T 0 y ˆb y(t s ( t T 0 y ˆb s ( t BER ( σ = Q σ ρ Q σ ρ cas : / < / ρ BER ( σ σ 0 0 / > / ρ BER ( σ / σ 0 : effet Near-Far (éblouissement
9 Détection par Filtre dapté (3 Canal Synchrone Non-Orthogonal Pour K quelconque : Décision : b ˆ = sgn = y = b ( y, s sgn( y b ρ n BER BER ( σ Q / σ ρ les interférences agissent comme un bruit supplémentaire Condition «d œil ouvert»: ( σ σ 0 Bilan : détection simple à mettre en œuvre détection non-optimale 0 ssi > ρ
10 Détection par Filtre dapté (4 Canal synchrone b ˆ = sgn = ( y, s sgn( y Condition «d œil ouvert»: BER ( σ σ 0 0 ssi > ( ρ ρ Rq: quelles que soient les signatures, il existe un ensemble d offsets et d énergies tels que l œil soit fermé. Les interférences dominent sur le bruit il existe des erreurs même sans bruit le filtre adapté élimine le bruit mais pas les interférences
11
12
13
14
15 Détection par Filtre dapté (4 Canal de Rayleigh Coefficients de Fading aléatoires : y( t K M = = i= M b ( i s ( t = R où R ~ it n( t, t [0, T ] Rayleigh Détection cohérente : coefficients de Fading connus Pour K= : ˆ ( ( * b = sgn Re y BER F ( σ = σ Pour K quelconque : ( ( * b F ˆ = sgn Re y BER ( σ = σ ρ les interférences agissent comme un bruit supplémentaire
16 Détection Optimale ( Canal Synchrone ( ( ( ( t n t s b t b s t y = Pour K= : types de détection optimale : [ ] T t t y b 0, ( maximise P b ˆ ( ( [ ] T t t y b b b 0, (, b maximise P ˆ, ˆ = cosh cosh log ˆ σ ρ σ ρ σ y y y sgn b = ρ ρ ˆ y y y sgn b détection individuelle : détection conointe : σ ρ σ σ σ ρ σ (, max Q Q BER Q Q
17 Pour K quelconque : détection individuelle : Détection Optimale ( Canal Synchrone bˆ y( t K = = b minimise L (b = s b,b = b ( t n( t, exp t [0, T ] ( Ω( b/ σ détection conointe : b ˆ maximise Ω( b avec Ω( b = b T y b T Rb vantage : détection optimale Inconvénients : détection (très complexe (pour canal asynchrone, optimisation par algorithme de programmation dynamique - cf algorithme de Viterbi besoin de beaucoup d information a priori
18
19
20 Détection par Décorrélation ( Canal Synchrone Décision : ( R y ˆ = sgn b ˆb y(t Corrélateur s Corrélateur s R bˆ Corrélateur s K bˆ K bˆ solution de : T K min min { } y( t b s ( t ; K > 0 0 b =,..., K = dt vantages : pas de connaissance a priori des amplitudes possibilité de décentraliser la détection, çàd : chaque peut être calculé indépendamment des autres bˆ
21 Détection par Décorrélation ( Canal Synchrone Corrélateur ~ s ˆb y (t Corrélateur ~ s ˆb Corrélateur s~k ( ~ s combinaison linéaire des s en fonction des ρ bˆk BER ( σ = Q σ ( R, indépendant des ( Suivant les valeurs des, la décorrélation peut donner de meilleures ou de moins bonnes performances que le filtre adapté (car le décorrélateur élimine les interférences mais pas le bruit.
22 y(t ( ˆ i b Corrélateur s ( z S ( ˆ i b Corrélateur s ( ˆ i b K Corrélateur s K ( 0 ( : avec = z R R z R z S T ( Q BER = des indépendant ( η σ σ (, 0 : avec = π π ω ω ω π η d R e R e R Détection par Décorrélation (3 Canal synchrone
23
24
25
26 Détection MMSE linéaire ( Principe : trouver une forme d onde c pour l utilisateur qui minimise E {( } b c, y où c combinaison linéaire des (s on cherche la matrice M solution de min M R K K E { } b M y ( ( [ ] R y ˆ = sgn σ b
27 Détection MMSE linéaire ( Corrélateur s ˆb y(t Corrélateur s [ ] R σ ˆb Corrélateur s K bˆk vantages : maximise le rapport signal-sur-interférences matrice R éventuellement singulière bruit additif éventuellement non-gaussien «bits» b éventuellement non-binaires MMSE : compromis entre le filtre adapté et le décorrélateur σ 0 σ : : MMSE ~ décorrélateur MMSE ~ filtre adapté
28 BER filtre adapté décorrélateur MMSE SNR
29 BER filtre adapté décorrélateur MMSE SNR
30 BER filtre adapté décorrélateur MMSE SNR
31
32 Détecteurs «Decision-Driven» I. Détection par nnulations Successives ( Principe : éliminer dans le signal reçu l interférence d un utilisateur dont le bit a déà été détecté ˆ Exemple pour K= : b = sgn( y, s = sgn( bˆ y = sgn ( y bˆ s, s = sgn( y bˆ ρ T 0 y ˆb y(t s ( t s ( t T 0 y ˆb
33 Détecteurs «Decision-Driven» I. Détection par nnulations Successives ( Pour K quelconque : Détection des bits pour les utilisateurs à K bˆ K = sgn y = bˆ ρ vantages : détection simple coût calculatoire par bit linéaire par rapport à K applicable à toute technique d accès multiple Inconvénients : nécessite la connaissance des amplitudes : erreur sur leur estimation erreur sur la décision retard de démodulation linéaire par rapport à K performances asymétriques
34 Performances des nnulations Successives Canal synchrone (
35 Performances des nnulations Successives Canal synchrone (
36 Détecteurs «Decision-Driven» II. Détection «Multi-Stage» ( Obectif : faire une détection en plusieurs étapes afin d obtenir une version symétrisée du détecteur par annulations successives Première étape par Filtre dapté Exemple pour K= : bˆ bˆ = sgn = sgn ( y b ρ ( ~ y b ρ ~ avec ~ b = sgn( y y(t s ( t s ( t T 0 T 0 T 0 y ρ y ˆb ˆb
37 Détecteurs «Decision-Driven» II. Détection «Multi-Stage» ( Première étape par Décorrélateur y(t bˆ K = sgn y = s ( t s ( t T 0 T 0 T 0 y ρ y ~ b ρ ~ b ~ b ~ avec b ρ = sgn ( R y ˆb ˆb Pour SNRs proches : détecteur décorrélateur Pour SNRs très différents : détecteur détecteur optimal
38 Performances du Détecteur «Multi-Stage» Canal synchrone (
39 Performances du Détecteur «Multi-Stage» Canal synchrone (
40 Détecteurs «Decision-Driven» III. Détection «Decision-Feedbac» ( Principe : détection séquentielle, bit à la fois utilisation de méthodes linéaires et non-linéaires afin de combattre l interférence inter-utilisateur «decision feedbac» : d après techniques single-user pour combattre l interférence inter-symbole Decision-Feedbac par décorrélation synchrone Soit y = F T y avec R = F T F ( F triangulaire inférieure y = y = L y = F F = b b F n b F b F n b n
41 Détecteurs «decision-driven» III. Détection «Decision-Feedbac» ( bˆ = sgn y = F bˆ Sous forme matricielle : bˆ = sgn ( F y ( F diag F b T ( ˆ vantages : si décision correcte pour l utilisateur, pour de à -, contribution totalement éliminée dans l utilisateur en absence de bruit, décision parfaite (contrairement à la technique par annulations successives
42 Détecteurs «decision-driven» III. Détection «Decision-Feedbac» (3 Decision-Feedbac MMSE principe : chercher un détecteur de la forme bˆ = sgn ( G y Bbˆ Pour la méthode MMSE, on prend : G B = = F F T σ T σ diag ( F σ avec F σ telle que F T σ F σ = σ R vantage par rapport au détecteur MMSE «classique» : pour BER faibles, la région d acceptation en fonction des SNRs contient touours la région correspondante dans le cas du MMSE «classique»
43 Conclusion Existence d un détecteur optimal complexe (synchrone ou asynchrone mise en œuvre difficile Mise au point d algorithmes sous-optimaux - filtre adapté : réduction du bruit mais pas des interférences - décorrélateur : réduction des interférences mais pas du bruit - MMSE : compromis réduction bruit/interférences - détecteurs non-linéaires «decision-driven», çàd : décisions sur les bits interférants décision sur le bit considéré ex : successive cancellation, multi-stage detection, decision-feedbac detector, Grand nombre d autres détecteurs : - MMSE adaptatif - modèles asynchrones - Etudes de plus en plus nombreuses de détecteurs en présence de fading, de multi-traet, de diversité, codage espace-temps (systèmes MIMO,...
44 Références - S. Verdu, Multiuser Detection, Cambridge University Press, Cambridge, IEEE Journal on Selected reas in Communications: Multiuser Detection Techniques with pplication to Wired and Wireless Communications Systems I, ugust IEEE Journal on Selected reas in Communications: Multiuser Detection Techniques with pplication to Wired and Wireless Communications Systems II, February 00.
Interception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailLa couche physique de l ADSL (voie descendante)
La couche physique de l ADSL (voie descendante) Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France Problématique qq kilomètres CENTRAL câble de 0,4mm Objectifs initiaux :
Plus en détailDétection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux
Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailPartie 1: Gestion de l interférence entre symboles
Partie 1: Gestion de l interférence entre symboles Philippe Ciblat Télécom ParisTech, France Algo de Viterbi Egalisation OFDM Section 11 : Algorithme de Viterbi Philippe Ciblat Gestion de l interférence
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailTV NUMERIQUE MOBILE : DU DVB-T AU DVB-H
115189_TechnoN32 21/11/05 16:11 Page 56 56-57 : DU DVB-T AU DVB-H Gérard POUSSET, V.P. Marketing : Business Development chez DiBcom Grâce à ses circuits de traitement de signal spécifiques, DiBcom propose
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailTransmission des signaux numériques
Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E
Plus en détailFonctions de la couche physique
La Couche physique 01010110 01010110 Couche physique Signal Médium Alain AUBERT alain.aubert@telecom-st-etienne.r 0 Fonctions de la couche physique 1 1 Services assurés par la couche physique Transmettre
Plus en détailMise en place d une couche physique pour les futurs systèmes de radiocommunications hauts débits UWB par Louis-Marie AUBERT
N o d ordre : D - 5-13 MITSUBISHI ELECTRIC INFORMATION TECHNOLOGY CENTRE EUROPE B.V. Thèse présentée devant l INSTITUT NATIONAL DES SCIENCES APPLIQUÉES DE RENNES pour obtenir le titre de Docteur spécialité
Plus en détailIntroduction aux Communications Numériques
Université de Cergy-Pontoise - 01 - Communications numériques Introduction aux Communications Numériques Master M1 ISIM March 19, 01 Iryna ANDRIYANOVA iryna.andriyanova@u-cergy.fr 1 Contenu du cours 1
Plus en détailUniversité de La Rochelle. Réseaux TD n 6
Réseaux TD n 6 Rappels : Théorème de Nyquist (ligne non bruitée) : Dmax = 2H log 2 V Théorème de Shannon (ligne bruitée) : C = H log 2 (1+ S/B) Relation entre débit binaire et rapidité de modulation :
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailLes Réseaux sans fils : IEEE 802.11. F. Nolot
Les Réseaux sans fils : IEEE 802.11 F. Nolot 1 Les Réseaux sans fils : IEEE 802.11 Historique F. Nolot 2 Historique 1er norme publiée en 1997 Débit jusque 2 Mb/s En 1998, norme 802.11b, commercialement
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détailBandes Critiques et Masquage
Bandes Critiques et Masquage A. Almeida Licence Pro Acoustique et Vibrations Octobre 2012 Au Menu Au programme 1 Observations du masquage 5 Application du masquage 2 Conséquences du Masquage 3 Interprétation
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailLes techniques de multiplexage
Les techniques de multiplexage 1 Le multiplexage et démultiplexage En effet, à partir du moment où plusieurs utilisateurs se partagent un seul support de transmission, il est nécessaire de définir le principe
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailChapitre 2 : Systèmes radio mobiles et concepts cellulaires
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailQuelleestlavaleurdel intensitéiaupointm?
Optique Ondulatoire Plan du cours [1] Aspect ondulatoire de la lumière [2] Interférences à deux ondes [3] Division du front d onde [4] Division d amplitude [5] Diffraction [6] Polarisation [7] Interférences
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailLa (les) mesure(s) GPS
La (les) mesure(s) GPS I. Le principe de la mesure II. Equation de mesure GPS III. Combinaisons de mesures (ionosphère, horloges) IV. Doubles différences et corrélation des mesures V. Doubles différences
Plus en détailTravaux pratique (TP2) : simulation du canal radio sous ADS. Module FIP RT321 : Architectures des émetteurs-récepteurs radio
Travaux pratique (TP2) : simulation du canal radio sous ADS Rédaction : F. Le Pennec Enseignant/Chercheur dpt. Micro-ondes Francois.LePennec@telecom-bretagne.eu Module FIP RT321 : Architectures des émetteurs-récepteurs
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailPlan du cours. Concepts Cellulaires et Paramètres Radio. Présentation du réseau cellulaire. Présentation du réseau cellulaire
Plan du cours Concepts Cellulaires et Paramètres Radio Philippe Godlewski Philippe Martins Marceau Coupechoux Cours largement inspiré de «Les concepts cellulaires», X. Lagrange, Ph. Godlewski, Fév. 1999
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailI. TRANSMISSION DE DONNEES
TD I. TRANSMISSION DE DONNEES 1. QU'EST-CE QU'UN CANAL DE TRANSMISSION? 1.1 Rappels Une ligne de transmission est une liaison entre les deux machines. On désigne généralement par le terme émetteur la machine
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailLa PSBT Optique : Un candidat sérieux pour augmenter le débit sur les installations existantes.
La PSBT Optique : Un candidat sérieux pour augmenter le débit sur les installations existantes. Farouk Khecib, Olivier Latry, Mohamed Ketata IUT de Rouen, Université de Rouen Département Génie Électrique
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détail1. Présentation général de l architecture XDSL :
1. Présentation général de l architecture XDSL : Boucle locale : xdsl (Data Subscriber Line). Modem à grande vitesse adapté aux paires de fils métalliques. La lettre x différencie différents types, comme
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailCPE Nanur-Hainaut 2009 Rudi Réz
Le Wi-Fi CPE Nanur-Hainaut 2009 Rudi Réz INTRODUCTION Wi-Fi = Wireless Fidelity 1997 : Prémices du Wi-Fi Premier prototypes de communication réseau 1999 : Le WECA propose le standard du Wi-Fi - adopté
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailxdsl Digital Suscriber Line «Utiliser la totalité de la bande passante du cuivre»
xdsl Digital Suscriber Line «Utiliser la totalité de la bande passante du cuivre» Le marché en France ~ 9 millions d abonnés fin 2005 ~ 6 millions fin 2004 dont la moitié chez l opérateur historique et
Plus en détailDigital Subscriber Line
Digital Subscriber Line Bernard Cousin Présentation d'adsl But : Offrir l'accès à l'internet à partir d'un domicile personnel Le cout des réseaux d'accès est très important par rapport à celui du réseau
Plus en détailAnnée 2010-2011. Transmission des données. Nicolas Baudru mél : nicolas.baudru@esil.univmed.fr page web : nicolas.baudru.perso.esil.univmed.
Année 2010-2011 Réseaux I Transmission des données Nicolas Baudru mél : nicolas.baudru@esil.univmed.fr page web : nicolas.baudru.perso.esil.univmed.fr 1 Plan 1 Notions de signaux 2 Caractéristiques communes
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailMesures en réception télévision
1. Télévision terrestre analogique Rappels En bande terrestre analogique pour une prise utilisateur le niveau doit être compris entre 57 et 74 dbµv Ces niveaux sont donnés pour un signal de grande qualité.
Plus en détailJeux sous forme extensive (Jeux dynamiques)
(Jeux dynamiques) Plan du chapitre ( juillet 008) / éfinitions, exemples et équivalences Arbres de jeux, information et mémoire tratégies et réduction en forme normale Équilibre de Nash parfait en sous-jeux
Plus en détailProjet Matlab : un logiciel de cryptage
Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que
Plus en détailChapitre 2 : Techniques de transmission
Chapitre 2 : Techniques de transmission /home/kouna/d01/adp/bcousin/repr/cours/2.fm - 14 Janvier 1998 20:09 Plan. Introduction. Phénomènes caractéristiques. Les éléments de la transmission. La modulation.
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailLe réseau sans fil "Wi - Fi" (Wireless Fidelity)
Professionnel Page 282 à 291 Accessoires Page 294 TPE / Soho Page 292 à 293 Le réseau sans fil "Wi - Fi" (Wireless Fidelity) Le a été défini par le Groupe de travail WECA (Wireless Ethernet Compatibility
Plus en détail