Modélisation des canaux dans les réseaux AGUEH max Equipe: Communications numériques et Radiofréquences Responsable: Jean-François DIOURIS
Plan: I Introduction : Modélisation du canal au niveau paquet II Analyse des traces au niveau d un canal : Canal de type GSM III- Performances des modèles IV - Conclusion
I Introduction : Modélisation du canal au niveau paquet Modélisation du Canal au niveau paquet
I Introduction : Modélisation du canal au niveau paquet I-1 Canaux sans mémoire : ex Canal Binaire symétrique (BSC) 1-P 0 0 P P 1 1 1-P
I -2 Canaux à mémoire: basés sur les chaînes de Markov Modèles basés sur les chaînes de Markov d ordre k: ex du modèle de Gilbert et de Gilbert-Elliot Modèle «MTA» (Markov based Trace Analysis model) Modèle «HMM» (Hidden Markov Model) Modèle «ON/OFF»
II Analyse des traces au niveau d un canal : Canal de type GSM II-1 Caractéristiques du canal Paramètres statistiques de premier et second ordre Traces du canal et test de stationnarité
II-1 Caractéristiques du canal Paramètres statistiques de premier ordre X Y La longueur moyenne des séquences de paquets erronés La longueur moyenne des séquences de paquets sans erreurs La covariance des longueurs de séquences de paquets erronés Cov( X ) = σ X / X La covariance des longueurs de séquences de paquets sans erreurs Cov( Y ) = σ Y / Y
II-1 Caractéristiques du canal Paramètres statistiques de second ordre Taux de paquets erronés Fonction de répartition complémentaire (Complémentary Cumulative Distribution Function) FER = X F F X + ( c) X ( c) Y Autocorrélation du taux de paquets erronés ρ Z ( h) = E[( Z i + h Z )( Z i Z )]/ E[( Z i Z Y ( x) = ( y) = ) 2 ] P { X > x} { > y} P Y
II-1 Caractéristiques du canal Traces du canal et test de stationnarité
Fonctions de répartition complémentaire
Fonctions d autocorrélation
II-2 Modèles de Canaux à mémoire Modèles basés sur les chaînes de Markov d ordre k: ex du modèle de Gilbert et de Gilbert-Elliot Modèle «MTA» (Markov based Trace Analysis model) Modèle «HMM» (Hidden Markov Model) Modèle «ON/OFF»
II-2 Modèles de canaux à mémoire Modèles basés sur les chaînes de Markov d ordre k: ex du modèle de Gilbert et de G-E
II-2 Modèles de canaux à mémoire Gilbert channel model: canal mémoire d ordre 1 ( chaîne de Markov à 2 états -bad and Good state) Gilbert-Elliot channel model: canal mémoire d ordre 1 ( chaîne de Markov à 2 états -bad and Good state)
II-2 Modèles de canaux à mémoire Modèle «Markov based Trace Analysis model»
II-2 Modèles de canaux à mémoire Modèles «HMM» (Hidden Markov Model)
II-2 Modèles de canaux à mémoire Modèle «ON/OFF»
III- Performances des modèles: Comparaison des FER Comparaison des fonctions de répartition Comparaison des fonctions d autocorrélation
III- Performances des modèles: Comparaison des FER
III- Performances des modèles: Comparaison des CCDF (MTA, MM, HMM)
III- Performances des modèles: Comparaison des CCDF (MTA, On/Off)
III- Performances des modèles: Comparaison des fonctions d autocorrelation (MTA, MM, HMM)
III- Performances des modèles: Comparaison des fonctions d autocorrelation (MTA et On/Off)
IV - Conclusion Les modèles de canaux basés sur le MTA et HMM ne sont pas une très bonne approximation des canaux réels Le modèle On/Off surpasse les modèles de canaux basés sur le MTA et HMM
Modélisation de canaux dans les réseaux V Bibliographie: Ping Ji, B. Liu, D. Towsley, Zihui Ge,J. Kurose Modeling Frame-level Errors in GSM Wireless Channels. Internet performance Symposium.V 55,issue 1-2 (January 2004) Almudena Konrad,Ben Y. Zhao,Anthony D. Joseph, and Reiner Ludwig. A Markov-Based Channel Model Algorithm for Wireless Network. In Fourth ACM International Workshop on Modeling, Analysis and Simulation of Wireless and Mobile Systems (MSWiM),2001 Lawrence R. Rabiner. A tutorial on hidden markov models and selected applications in speech recognition.ieee, Vol.77(2):257-286, Feb 1989
Modélisation de canaux dans les réseaux MERCI