Enssat2A CoursCommunicationsNumriques

DENSITE SPECTRALE DE
PUISSANCE D’UN CODE

EN LIGNE
STRUCTURE GENERALE
DU RECEPTEUR OPTIMAL
PERFORMANCES DES
RECEPTEURS
NUMERIQUES
IES ET CONDITIONS DE
NYQUIST
2016-17
COMMUNICATIONS MODULATIONS
NUMERIQUES ET
TRANSMISSION SUR
NUMERIQUES – FREQUENCE
PORTEUSE
FONDAMENTAUX
pascal.scalart@enssat.fr
Pascal Scalart pascal.scalart@univ-
rennes1.fr
Ecole Nationale Supérieure des Sciences Appliquées et Technologie
Spécialité Electronique
2ème année
Communication Numériques II - ENSSAT/Electronique - P. Scalart

1
2
3
4
5
6
Sommaire
Chapitre I – Densité spectrale d’un code en ligne ........................................ ..p.13
1. Notion de Densité Spectrale de Puissance

2. Structure générale d’un générateur de code en ligne
3. Etude de la d.s.p. du code NRZ « M-Aires »
Chapitre II – Structure générale du récepteur optimal .....................................p.21
1. Problématique vue du récepteur

2. Décomposition sur l’espace de Hilbert
3. Estimateur selon le maximum de vraisemblance a posteriori
4- Fonctionnement du récepteur optimal
5- Récepteur à filtrage adapté
5.1. Cas général
5.2. Cas où les signaux émis sont construits par homothétie
5.3. Cas où les signaux émis sont équiprobables et construits par homothétie
6- Le récepteur simplifié à filtrage adapté
Chapitre III – Transmission en bande de base : performances du récepteur …..p.37
1. Transmission d’un seul symbole binaire sur canal à bruit blanc additif gaussien
1.1. Fonctionnement de l’émetteur
1.2. Fonctionnement du circuit de décision
1.3. Propriétés statistiques du signal y(t0+kT)
1.4. Probabilité d’erreur sur les symboles : cas binaire M=2
1.5. Energie par élément binaire vs. Energie par symbole
2. Transmission d’un seul symbole M-Aires sur canal à bruit blanc additif gaussien
2.3. Propriétés statistiques du signal disponible à l’entrée du circuit de décision
2.4. Probabilité d’erreur symbole/binaire en fonction du rapport signal à bruit
3. Transmission d’une suite de symboles M-Aires sur canal à bruit blanc additif gaussien
3.2. Fonctionnement du récepteur
3.3 Simulation ®Matlab des performances Emetteur/Récepteur

7
Chapitre IV – Transmission sur un canal à bande limitée ……………………………p.55
1. Nécessité de rajouter une opération de filtrage

1.1. Conséquence de l’insertion d’un nouveau filtre
1.2. Conditions temporelles de nullité de l’interférence entre symboles
1.3. Conditions fréquentielles de nullité de l’IES : critères de Nyquist
2. Conséquence liées au critère de Nyquist
2.1. Cas où le support fréquentiel de est inférieur à 1⁄2T
2.2. Cas où le support fréquentiel de est égal à 1⁄2T
2.3. Cas où le support fréquentiel de est supérieur à 1⁄2T
3. Caractérisation de l’IES : le diagramme de l’œil
est un filtre en cosinus surélevé

3.1. Cas d’école
3.2. Cas où la réponse impulsionnelle
4- Répartition optimale du filtrage entre émetteur et récepteur
4.1. Le filtre SRRC
4.2. Probabilité d’erreur obtenue avec des filtres SRRC au Tx et Rx
Chapitre V – Transmission sur fréquence porteuse ........................................ p.71
1. Représentation des signaux à bande étroite

1.1. Une base orthonormée de représentation des signaux
1.2. Définition des modulations numériques
2. Les modulations numériques de type QAM et PSK
2.1. Le diagramme de constellation de la modulation numérique QAM-4
2.3. Le diagramme de constellation de la modulation numérique PSK -2
3. Structure du récepteur linéaire
2.1. Récepteur n°1 : filtrage SRRRC en fréquence intermédiaire (IF)
2.2. Récepteur n°2 : filtrage passe-bas en IF, puis filtrage SRRRC en BdB
4- Enveloppe complexe - Equivalent en bande de base
4.1. Définition de la notion d’enveloppe complexe
4.2. Transformée de Fourier de l’enveloppe complexe
4.3. Filtrage de l’enveloppe complexe d’un signal
4.4. Système équivalent en bande de base
5. Quelques modulations numériques spécifiques
5.1. Modulations numériques à trains décalés
5.2. Modulations numériques à faible PAPR

8
9
10
Introduction
Les éléments décrits dans ce cours se basent principalement sur vos connaissances antérieures
dans le domaine de la théorie des signaux et des systèmes (transformée de Fourier, convolution et
filtrage linéaire,…) étudiées en Electronique 1A (aspects déterministes) et Electronique 2A (aspects
aléatoires) mais aussi sur vos connaissances de 2nde année en probabilités et statistiques (variables et
signaux aléatoires). En effet, ces connaissances vous permettent d’avoir accès à la théorie des
communications numériques, l’une des applications majeures dans le domaine du Traitement des
Signal.
L’objectif de ce cours est de décrire la théorie des communications numériques c’est à dire la
pierre angulaire qui va vous permettre d’avoir accès à une bonne compréhension des couches physiques
des principales applications en communications numériques (LTE, Wifi, 3G, GSM, CPL, …). En effet, il
est important de bien connaître les aspects théoriques à la base de ces applications afin d’être en
mesure, dans le quotidien du métier d’Ingénieur, poser des diagnostics et d’analyser le fonctionnement
de systèmes concrets, d’en concevoir ou bien encore d’en prédire les performances.
Bien évidemment, il est possible que dans votre métier futur vous abordiez ce vaste domaine en
ne considérant uniquement que les couches hautes applicatives du modèle ISO qui ne nécessitent pas
forcément la manipulation de concepts au niveau de la couche physique. Quoi qu’il en soit, il est
toujours important d’avoir une connaissance la plus large et la plus précise possible des différents
aspects d’une application (ou d’une norme) afin d’être en mesure d’y apporter des éléments de
diagnostic et/ou de prévision les plus pertinents possibles.
Par ailleurs, ce cours se concentre sur les fondamentaux … c’est-à-dire une introduction à la
théorie des communications numériques. En effet, l’objectif du cours consiste à décrire les traitements
effectués à l’émetteur et au récepteur dans le cas où le canal de transmission correspond au canal BBAG
(i.e. Bruit blanc Additif Gaussien). En 3ème année, un complément sera donc apporté notamment en ce
qui concerne la caractérisation des canaux de transmission (évanouissements rapides/lents, multi-
trajets, spectre Doppler, sélectivités en temps et/ou en fréquence, …) afin d’aborder les récepteurs
modernes pour les communications sans-fils intégrant des opérations avancées telles que égalisation,
codage correcteur d’erreurs, et multiples antennes (MIMO) …

11
12
Chapitre I – Codes en Ligne - Rappels
Densité Spectrale
de Puissance (DSP)
d’un code en ligne
__________________________________________________________
__________________________________________________________
Objectif. Dans ce chapitre, nous étudions les principes généraux de la transmission en bande de
base ce qui signifie que les symboles à émettre dans le canal de transmission ne subissent pas de
translation de leur spectre autour d’une fréquence porteuse. On parle également dans ce cas de
codes en ligne. Dans la suite, nous nous concentrons sur l’analyse des propriétés spectrales de ces
codes et plus particulièrement du codage NRZ (Non-Retour à Zéro) qui est particulièrement
imporant dans le cadre des modulations numériques.

,Ω
= − − − !
∗
Soit un processus aléatoire à temps discret supposé stationnaire et ergodique. A partir
de la fonction de covariance de ce processus
supposée absolument sommable, on définit la densité spectrale de puissance du processus centré
par le théorème de Wiener-Khintchine :
" #
ℱ =% & '()* ℱ
∈ℤ
Or la fonction d’auto-covariance est hermitienne -. &. = ∗

−
des processus aléatoires à valeurs dans ℝ :
, on peut donc écrire pour
" ℱ = 0 +2% 2 cos 262ℱ

#
7∈ℕ
79:
La fonction d’autocorrélation = + (
∈ℤ permet alors de définir la densité spectrale
de puissance :
" ℱ =% & '()* ℱ
∈ℤ
On obtient alors la relation suivante liant les d.s.p des processus centrés et non-centrés :

13
" ℱ =" #
ℱ + (
% & '()* ℱ
∈ℤ
Cette dernière expression n’est définie qu’au sens des distributions puisque la série
∑ ∈ℤ < − ?@@@@A ∑ ∈ℤ & '()* ℱ = ∑C∈ℤ < ℱ − B est la transformée de Fourier du peigne de
=>
fréquence 1⁄E, la fréquence adimensionnée s’écrit ℱ = E et l’on a :

Dirac. Lorsque le signal aléatoire à temps discret correspond à un signal échantillonné à une
" =" + ∑C∈ℤ < − !

# GH
I
C
= =
= J ( + ∑C∈ℤ < − ! + 2 ∑7∈ℕ 2 cos 262 E

GH
I
C (1. 1)
= =
79:
A partir de la variable aléatoire , on construit maintenant un second signal aléatoire :
K =% ℎ − E
= ℎ ∗% < − E
= ℎ ∗
où ℎ est la réponse impulsionnelle du filtre de mise en forme d’onde. Le signal x peut ainsi
d’onde de réponse impulsionnelle ℎ déterministe, et invariant dans le temps.

être vu comme la convolution entre un train d’impulsions de Dirac et un filtre de mise en forme
Cependant ni le signal ni le signal K ne sont stationnaires. En effet, la fonction de

corrélation est donnée par :
M ;O = K K∗ −O
= P% ℎ − E % ∗
ℎ∗ −O− E R
Q
= %% ∗
ℎ − E ℎ∗ −O− E
Q
= %% − ℎ − E ℎ∗ −O− E
Q
=% B % ℎ − BE − E ℎ∗ −O− E
C Q

On observe que ∀2 ∈ ℤ, M ; O = M + 2E; O donc la fonction d’autocorrélation M ; O est
périodique de période E, ainsi le processus aléatoire K est donc cyclostationnaire (d’ordre 2). Sa
fonction de corrélation peut alors être décomposée en série de Fourier (les coefficients MT O
constituent la fonction d’autocorrélation cyclique)
T 1 X=/( T
;O = % T
O & ()*=U ⇔ T
O = W ; O & '()*=U Z
M M M
E '=/( M
T∈ℤ

14
La densité spectrale de puissance du signal aléatoire K est alors donnée par la transformée de
Fourier du coefficient de Fourier correspondant à [ = 0. On obtient :
X\
"M =W M
:
O & '()*]^ ZO
'\
1 X\ X=/(
= W W ; O & '()*]^ Z ZO
E '\ '=/( M
=
1 X\ X
(
= % B W %W ℎ − BE − E ℎ∗ −O− E & '()*]^ Z ZO
E '\ '
=
C Q (
=
1 X\ X 'Q='C=
(
= % B W %W ℎ _ ℎ∗ _ + BE − O & '()*]^ Z_ ZO
E =
'\ Q ' 'Q='C=
C (
1 X\ X\
= % B W W
∗
ℎ _ ℎ _ + BE − O & '()*]^ Z_ ZO
E '\ '\
C
1 X\ X\
= % B& '()*]C=
W W ℎ _ ℎ∗ _ + BE − O & '()*] ^'C= Z_ ZO
E '\ '\
C
=ℎ ∗ ℎ∗ − = `'\ ℎ _ ℎ∗ _ − Z_, on obtient :

X\
En posant
1 X\
"M = % B & '()*]C= W O − BE & '()*] ^'C= ZO
E '\
C
1
= " a
E
avec a = Eb = c c∗ = |c |(. En insérant la relation (1.1) dans cette dernière
expression, on obtient l’expression finale de la densité spectrale de puissance (encore appelée
parfois formule de Bennett):
"M = =" |c |(
e
(
= |c |( + ∑C∈ℤ hc !h < − =! + ⋯
fgI Gg
I C C
= =I = (1. 2)
… . . +2 |c |( ∑7∈ℕ Γ 2 cos 262 E
fgI
=
79:
∗
Où Γ 2 = l m représente la fonction de covariance normalisée du signal
Q 'Gg Q'7 'Gg
fgI
∈ℤ . On observe donc dans le cas général un spectre continu (constitué par les 1
aléatoire er
dernier pouvant disparaître lorsque l’on a c ! = 0, ∀B ∈ ℤ∗ .

et 3ème termes de la relation (1.2)) superposé à un spectre discret (constitué du 2nd terme), ce
C
=
Cas particulier : lorsque le signal aléatoire K correspond à un processus i.i.d. (indépendant et
c’est-à-dire Γ 2 = 0, ∀2 ∈ ℕ∗ , la d.s.p précédente se simplifie en :

identiquement distribué), alors les valeurs de la covariances normalisée sont nulles (sauf à l’origine)

15
(
"M = |c |( + ∑C∈ℤ hc − !h < − !
fgI Gg
I C C
= =I = =
(1. 3)

Dans le paragraphe précédent, nous avons considéré des signaux aléatoires sans vraiment faire le
lien vis à vis de l’application qui nous intéresse ici : la génération d’un code en ligne pour les réseaux
de transmission de données. En effet, nous avons considéré un signal aléatoire à temps discret
sans en préciser son origine, ni les causes à l’origine de son caractère aléatoire.
La problématique d’un générateur d’un code en ligne est de transformer une suite binaire n B ∈
0,1 en un signal à temps continu K dont on souhaite maîtriser les caractéristiques principales
dont notamment le spectre en fréquence. Cette transformation est classiquement réalisée à travers
Le données binaires n B ∈ 0,1 produites par le codeur source (par exemple un codeur MP3 ou
un générateur de code en ligne dont la structure générale est représentée sur la figure ci-dessous.
par une loi de probabilité [: = o n B = "0" et [e = 1 − [: = o n B = "1" . Ces données

AC3 pour de la musique, ou un codeur MP4 pour de la vidéo) possèdent un caractère aléatoire décrit
binaires sont ensuite stockées par groupes de [ valeurs successives encore appelés p-uplets. Tous
∈ q , puis le signal ainsi constitué

les p-uplets sont ensuite convertis, à l’aide d’une table de correspondance biunivoque (ou bijective
un filtre de mise forme afin de constituer un signal K

si vous préférez !) en une suite de symboles est filtré par
qui sera transmis sur la ligne de
transmission, i.e le code en ligne .
Fig. 1.1. Structure générale d’un générateur de code en ligne
(celui des données binaires r = 1⁄Es en bit/s), alors l’association entre un p-uplet et un symbole
Remarque 1: lorsque les données binaires sont émises par le codeur source à un rythme régulier
est également réalisée régulièrement à chaque durée E = [Es , appelée durée symbole . Le
générateur ainsi créé est alors qualifié de synchrone car il transmet ses informations de manière
régulière sur la ligne de transmission. La vitesse des symboles est alors donnée par la rapidité
1 1 r
de modulation (ou Baud rate en anglais) :
= = = & t _Zu
E [Es [
v[, , ℎ , q, J ( , , Γ 2 ∀2 ∈ ℕ∗ w.
Les propriétés du code en ligne ainsi généré sont parfaitement déterminées par l’ensemble

16
Remarque 2: Dans le cas où les données binaires n B sont i.i.d. (indépendantes et identiquement
∈ q (l’ensemble q est appelé l’alphabet des symboles), la suite de symboles va

distribuées) et compte tenu de la correspondance biunivoque entre un p-uplet binaire et un
symbole
hériter de cette propriété i.i.d, et donc la d.s.p du code en ligne sera donnée par la relation (1.3). Si
est nulle alors la d.s.p du signal K se réduit à "M = |c |( .
fgI
=
de plus , la valeur moyenne
La d.s.p n’est alors déterminée qu’à partir de la connaissance de la variance J ( des symboles
et de la réponse impulsionnelle ℎ du filtre de mise en forme.
,
dans ℝ, prend ses valeurs dans l’ensemble q = ±1, ±3, ±5, … , ± 2 − 1 , … , ± { − 1 tel que
Caractéristiques du code − Dans le cas d’un signal NRZ « M-Aires », le processus aléatoire, à valeur
card q = { avec { = 2T . Par exemple, pour { = 8, on a q = ±1, ±3, ±5, ±7 et donc

card q = 8. La règle d’association entre les p-uplets binaires et les symboles de l’ensemble q est
effectuée suivant :
p-uplet symboles
(0 0 0 …. 0 0) - (M-1)
(0 0 0 …. 0 1) -(M-3)
⋮ ⋮
(0 0 0 …. 1 1) -(M-5)
(1 0 0 …. 0 1) +(M-3)
(1 0 0 …. 0 0) +(M-1)
ƒ u- ∈ 0, E
Dans le cas d’un code de type NRZ, la réponse impulsionnelle du filtre est de type rectangulaire :
ℎ =‚
0 u- „
En supposant équiprobabilité ℙ =2 − 1 = 1⁄{ , nous obtenons alors les statistiques
1
†
suivantes :
= = % 2 −1
(
{ Q‡e'
†
(
2 1
† †
= % − % 1
( (
{ Q‡e'
† { Q‡e'
†
( (
2 †'e { 1
= % l +1− m− {
{ Q‡: 2 {
2 {−1 { 2 { 1
= + l1 − m { − {
{ 2 { 2 {
= {−1 + 2−{ −1
=0
1
†
et :
J = − = % 2 −1
( ( ( ( (
{ Q‡e'
†
(

17
2
†
= % 2 −1 (
(
{ Q‡e
2 †/(
= % 4 (−4 +1
{ Q‡e
8 †/( 8 †/( 2 †/(
= % (
− % + % 1
{ Q‡e { Q‡e { Q‡e
Or on a les égalités suivantes : ∑*‡: - ( = et ∑*‡: - =

Xe ( Xe Xe
‰ (
et donc, on obtient :
{ { { {
8 2 + 1! 2 { + 1 8 2 2 + 1! 2 {
J =
(
− +
{ 6 { 2 {2
{+2 {+1 −3 {+2 +3
=
3
{( − 1
=
3
binaires n B sont supposées i.i.d) , nous obtenons d’après l’équation (1.3) la relation :
En utilisant le fait que la séquence est i.i.d. (cf. remarque 2 précédente car les données
{( − 1
"M = |c |(
3E
Nous en déduisons que l’allure de la d.s.p. d’un code NRZ « M-Aires » est dictée par le choix du filtre
de mise en forme. Dans le cas d’un filtre de type NRZ, la réponse impulsionnelle de ce filtre est de
ƒ u- ∈ 0, E
forme rectangulaire soit :
ℎ =‚
0 u- „
Sa transformée de Fourier est donnée par : c = `'\ ℎ & '()*]U Z = ƒE & ')*]=
X\ ‹* )]=
)]=
et
donc on obtient pour la d.s.p du code NRZ :
{( − 1 u- 6 E
(
"M = ƒ E (
Œ • .
3 6 E
Afin d’analyser l’influence du cardinal de q, on considère que l’on a à transmettre une source
binaire dont le débit binaire r = 1⁄Es est constant (par exemple une vidéo au format MP4, ou bien
quantité normalisée suivante l’on a fait apparaitre la relation r = [ liant débit binaire et rapidité
encore un morceau de musique codé au format MP3). On représente alors (cf. figure suivante) la
de modulation :
"M u- 6 [Es
(
=Œ • .
"M 0 6 [Es
d’éléments { = 2T de l’alphabet q :
Deux comportements importants peuvent être observés lorsque l’on fait varier le nombre
= 1⁄ [Es décroit lorsque le nombre d’éléments

dans l’alphabet q augmente,
• La largeur du lobe principal est égale à
~
Ž• ] e
Ž• : TI ] I
•
plus rapide que le nombre d’éléments est important dans l’alphabet q.
La décroissance spectrale de la densité spectrale de puissance se est d’autant

18
On peut donc se dire : lorsque que [ augmente, on a à la fois la largeur du lobe principal de la d.s.p.
la valeur de [ (et donc celle du cardinal de q ) le plus possible. Quelle est la limite de ce processus?
qui diminue et une décroissance spectrale qui est plus rapide, il est donc intéressant d’augmenter
Peut-on travailler avec un alphabet de cardinal infini? La réponse à ces questions sera apportée au
sein du chapitre 3 lorsque nous étudierons les performances du récepteur (en termes de probabilité
d’erreur) en présence de bruit sur le canal de transmission.
Fig. 1.2. D.S.P d’un code NRZ « M-Aires » avec { = 2T pour différentes valeurs de p

19

20
Chapitre II – Structure du récepteur optimal
Structure
générale du
Récepteur Optimal
__________________________________________________________
4- Fonctionnement du récepteur optimal
5- Récepteur à filtrage adapté
5.1. Cas général
6- Le récepteur simplifié à filtrage adapté
__________________________________________________________
Nous avons étudié jusqu’à présent la structure d’un émetteur d’un code en ligne. Bien entendu,
pour, pouvoir récupérer au niveau du récepteur le message numérique qui a été transmis, il est
essentiel d’adopter une approche optimale. C’est pourquoi nous allons étudier en détail la structure
du récepteur optimal (au sens du critère du maximum de vraisemblance).

Nous considérons que le signal reçu K au niveau du récepteur correspond au signal &
par l’émetteur mais perturbé par un bruit aléatoire t additif, centré, indépendant du signal & ,
émis
et caractérisé par sa fonction de covariance ss e , ( = t e t ∗ ( . En communications

numériques, le signal émis & sur un intervalle symbole ne peut prendre ses valeurs que parmi un
e ∈
ee , … , e†
ensemble de M signaux élémentaires possibles, c’est-à-dire que nous avons
avec une probabilité d’émission a priori donnée par :
ℙ & = &* = [*, ∀- ∈ ’1, {“, ∀ ∈ 0, E .
où &* représente l’une des M formes d’ondes possiblement émises par l’émetteur. Chaque signal
&* , de durée limitée à T secondes (l’intervalle symbole), est supposé d’énergie finie tel que :
&* = 0 ∀- ∈ ’1, {“, ∀ ∉ 0, E .
propagation ∆= : + BE avec : ∈ 0, E . Ainsi, au récepteur, le signal reçu peut alors s’écrire :

Lors de sa propagation entre l’émetteur et le récepteur, le signal est affecté d’un retard de
K =& −∆ +t , ∀ ∈ : + BE, : + B+1 E (2.1)

21
A titre d’exemple, on peut imaginer que l’émetteur ne puisse produire que l’une des { = 4 formes
d’ondes représentées sur la figure suivante :
récepteur un signal bruité K comme représenté ci-après.

Ainsi, en supposant que la 4ème forme d’onde ait été émise par l’émetteur, on obtient au niveau du
: + BE, : + B + 1 E , de sélectionner un nombre entier – ∈ ’1, {“ correspondant à l’indice du

Dans ce contexte, la problématique du récepteur consiste, pour chaque intervalle symbole
signal &Q transmis par l’émetteur. Nous avons donc un problème de détection.
Pour faire ce choix, il est nécessaire d’adopter un critère pour optimiser les décisions faites au
choisira l’indice – ∈ ’1, {“ qui maximise probabilité conditionnellement au signal d’observation

récepteur. Nous adopterons le critère du Maximum de vraisemblance (MV), c’est-à-dire que l’on
K . On a donc:

22
– = argmax ℙ & = &Q š› =K

Q∈’e,†“
= argmax ℙ & = &Q ,› =K / ℙ › =K

Q∈’e,†“
= argmax ℙ › =K š& = &Q œℙ & = &Q /ℙ › =K

Q∈’e,†“
Le dénominateur ne dépendant pas de l’indice m, l’indice optimal est alors donné par :
– = argmax ℙ › =K š& = &Q œℙ & = &Q
Q∈’e,†“
•Q = [Q œ ℙ › =K š& = &Q = 1,2, ⋯ , {

il suffit alors de maximiser la quantité suivante :
(2.2)
Il faut donc calculer ℙ › = K š& = &Q

K conditionnellement au fait que le signal &Q
c’est-à-dire la probabilité de l’observation
ait été émis. Ce problème va être résolu en
travaillant dans l’espace de Hilbert

Les signaux ee , … , e† engendrent un sous-espace ž de dimension au plus égale à M. Ils
possèdent une énergie finie et peuvent donc être représentés dans l’espace de Hilbert L( 0, E des
fonctions de carré intégrable sur 0, E (signaux d’énergie finie) muni du produit scalaire :
=
〈_ ,¡ 〉=W _ ¡∗ Z .
:
En raison du retard de propagation ∆= : + BE existant entre l’émetteur et le récepteur, les

signaux ee − ∆ , … , e† − ∆ engendrent également un sous-espace de dimension au plus égale
à M, que nous nommerons l’espace « signal », noté ž, correspondant à l’espace de Hilbert
L( : + BE, : + B + 1 E . Dans ces conditions, le signal d’observation K
décomposition unique en un vecteur appartenant au sous-espace ž et en un vecteur appartenant
possède une
au sous-espace orthogonal ž £ .
Nous choisissons dans ž une base orthonormée ¤ = ¥e , ¥( , … , ¥ avec ¦ = dim ž ¨ { munie

Fig. 2.1. Décomposition des signaux dans l’espace de Hilbert
du produit scalaire :
U© X CXe =
〈 , 〉=W ∗
Z
U© XC=

23
et nous complèterons cette base par une base ¤ £ = vªe , ª( , … , ª« w de ž £ , sous-espace

orthogonal de dimension ¬ (possiblement infinie). On obtient alors les décompositions suivantes :
&Q −∆ =% - * ¥* , ∇ ∈ ’1, {“
Q
*‡e
«
K = Kž + Kž ¯ =% n* ¥* +% °* ª*
*‡e *‡e
«
t = tž + tž ¯ = % ±* ¥* +% ²* ª*

*‡e *‡e
d’autocovariance est donnée par : ss e , ( = t e t ∗ ( = © < ( − e . Le caractère

Nous supposons de plus que le bruit est blanc et centré c’est-à-dire que sa fonction
(
aléatoire de l’information utile transmise &Q implique que ‚- * Q , = 1, ⋯ , { ³ forme un
ensemble de variables aléatoires. De même, Le caractère aléatoire du bruit t
±* , = 1, ⋯ , ¦ et ²* , = 1, ⋯ , ¬ forment deux ensembles de variables aléatoires.
implique que les
Calcul de ´µ ´¶∗
Par définition, on a : ±* = 〈t , ¥* 〉 = Ù ©XC= t ¥*∗ Z - = 1, ⋯ , ¦. On peut alors

U X CXe =
©
écrire :
U© X CXe = U© X CXe =
±* ±·∗ = ŒW t e ¥*
∗
e Z e W t∗ ( ¥· ( Z ( •
U© XC= U© XC=
= W W t e t∗ ( ¥*∗ e ¥· ( Z e Z (
U© XC= U© XC=
¦:
= W W < − ¥*∗ ¥· Z e Z
U© XC= U© XC= 2 ( e e ( (
¦:
= W ¥*∗ ¥· ŒW < − Z e • Z
U© XC=
( (
U© XC= 2 ( e (

¦: U© X CXe =
¦: ¦:
= W ¥*∗ ¥· Z = 〈¥· , ¥* 〉 = <
2 U© XC=
( ( (
2 2 *,·
1 u- - = ¹
Où <*,· désigne le symbole de Kronecker c’est-à-dire : <*,· = ¸
0 u- - ≠ ¹
.
Calcul de »µ »∗¶
²* ²·∗ = ŒW t e ª*∗ e Z e W t∗ ( ª· ( Z ( •
U© XC= U© XC=
= W W t e t∗ ( ª*∗ e ª· ( Z e Z (
U© XC= U© XC=

24
¦:
= W W < − ª*∗ ª· Z e Z
U© XC= U© XC= 2 ( e e ( (
¦:
= W ª*∗ ª· ŒW < − Z e • Z
U© XC=
( (
U© XC= 2 ( e (

¦: U© X CXe =
¦: ¦:
= W ª*∗ ª· Z = 〈ª· , ª* 〉 = <
2 U© XC=
( ( (
2 2 *,·
Calcul de ´µ »∗¶
±* ²·∗ = ŒW t e ¥*∗ e Z eW t∗ ( ª· ( Z ( •
U© XC= U© XC=
= W W t e t∗ ( ¥*∗ e ª· ( Z e Z (
U© XC= U© XC=
¦:
= W W < − ¥*∗ ª· Z e Z
U© XC= U© XC= 2 ( e e ( (
¦:
= W ¥*∗ ª· ŒW < − Z e • Z
U© XC=
( (
U© XC= 2 ( e (

¦: U© X CXe =
¦:
= W ¥*∗ ª· Z = 〈¥· , ª* 〉 = 0
2 U© XC=
( ( (
2
En conclusion, nous avons les propriétés suivantes :

¦: ¦:
±* ±·∗ = < , ²* ²·∗ = < , ±* ²·∗ = 0
2 *,· 2 *,·
Et, en procédant de la même manière nous obtenons :
n* n·∗ = ©
<*,· , °* °·∗ = ©
<*,· , n* °·∗ = 0
( (
(2.3)
Analyse des propriétés statistiques du signal aléatoire ¼½ ¾

Nous avons vu que Kž = ∑*‡e n* ¥* où n* = 〈K , ¥* 〉 = Ù ©XC= K ¥*∗ Z , - =
U X CXe =
1, ⋯ , ¦. Conditionnellement à la connaissance de &Q , le signal d’observation K

©
une loi gaussienne car le bruit t

va posséder
étant une opération linéaire, alors la variable aléatoire n* va également suivre une loi gaussienne
possède une densité de probabilité gaussienne. L’intégration
caractérisée par sa moyenne et sa variance. Déterminons ces deux paramètres.
On a pour la moyenne :
U© X CXe =
n* = W › š&Q ¥*∗ Z
U© XC=

25
U© X CXe =
= W &Q − ∆ ¥*∗ Z
U© XC=
= ∑·‡e - · Ù ©XC= ¥· ¥*∗ Z

Q U X CXe =
©
= - *
Q
et la fonction de corrélation est donnée par :

n* n·∗
= ŒW › š&Q ¥*∗ Z eW › š&Q ¥· Z ( •
∗
e e e ( ( (
U© XC= U© XC=
= W W › š&Q › š&Q ! ¥*∗ ¥· Z e Z
∗
e e ( ( e ( (
U© XC= U© XC=
= W W &Q e − ∆ &Q
∗
( −∆ +t e t∗ ( +t e &Q
∗
( −∆
U© XC= U© XC=
+ &Q e−∆ t∗ ( !¥*∗ e ¥· ( Z e Z (
¦:
= W W Œ&Q − ∆ &Q
∗
−∆ + < − • ¥*∗ ¥· Z e Z
U© XC= U© XC=
e (
2 ( e e ( (
¦: U© X CXe = U© X CXe =
= <*,· + W W &Q − ∆ &Q
∗
− ∆ ¥*∗ ¥· Z e Z
2 U© XC= U© XC=
e ( e ( (
¦:
= <·,*
2 ∗
+ Œ % - ¿ Q
W ¥¿ e ¥*
∗
e Z e • Œ % - CQ W ¥C ( ¥·
∗
( Z ( •
¿‡e U© XC= C‡e U© XC=
¦: ∗
= <*,· + - * Q - ·Q !
2
Nous pouvons conclure que la variable aléatoire n* = 〈K , ¥* 〉 suit une loi normale de
∗
n* = - * Q et de fonction d’auto-corrélation n* n·∗ = ©
<*,· + - * Q - ·Q ! . Sa
(
moyenne
variance est donc Var n* = |n* |( − | n* | ( = ©
(
.
d’observation › peut être décomposé suivant ses 2 composantes dans les sous-espaces ž et ž £
Revenons à notre problème de détection décrit par la relation (2.2). Le signal aléatoire
selon :
› = ›ž + ›ž ¯
Nous pouvons encore écrire :
ℙ › =K š& = &Q = ℙ › = Kž + Kž ¯ š& = &Q

= ℙ ›ž = Kž š& = &Q œ ℙ ›ž ¯ = Kž ¯ š& = &Q
= ℙ ›ž = Kž š& = &Q œ ℙ ›ž ¯ = Kž ¯

26
maximisation. Ainsi, d’après la relation (2.2), maximiser •Q est alors équivalent à maximiser la
Le second terme multiplicatif ne dépend pas de l’indice m, il n’a donc aucun effet sur la
quantité suivante :
•Q
Á
= [Q œ ℙ ›ž = Kž š& = &Q
Cette dernière expression est équivalente à maximiser :
•Q
ÁÁ
= [Q œ [Âž ›ž = Kž š& = &Q
où [Âž ›ž = Kž š& = &Q ›ž

conditionnellement à l’évènement & = &Q .
désigne la densité de probabilité de
Mž Ë XÌ
Note : En effet, on a
ℙ Kž t < Xž t ¨ Kž t + εše t = eÇ t =W pÉž Xž t = ušeÇ t du

Mž Ë
ℙ Xž t = Kž t še t = eÇ t = limÏ `M ž Ë pÉž Xž t = ušeÇ t du

M Ë XÌ
D’où :
Ì⟶: ž
Lorsque Ð → 0, cette dernière intégrale est maximale pour la valeur de _ = Kž t telle que
pÉž Xž t = ušeÇ t soit maximale. Il est donc équivalent de chercher à maximiser la densité a
posteriori pÉž Xž t = xž t šeÇ t .
∎
Or on a Kž = ∑*‡e n* ¥* et donc, d’après les conclusions établies dans la section précédente,

cette densité de probabilité conditionnelle correspond à une loi gaussienne :
1 Õ − Ö = Ô '× Õ − Ö
[Âž ›ž = ∑*‡e n* ¥* h&Q != &K[ Œ− •
√26 |Ô|e/( 2
=
nous avons les vecteurs/matrices suivants : Õ = ne ⋯ n =
, Ö= Õ = - eQ ⋯ - Q ! et la
matrice de covariance :
∗
Ô = Ø Œ n* − n* n· − n· ! •Ù
µ‡×,…,Ú
¶‡×,…,Ú
=Û n* n·∗ − n* n·∗ Üµ‡×,…,Ú

¶‡×,…,Ú
= Ý (© <*,· Þµ‡×,…,Ú
¶‡×,…,Ú
= ß© àÚ
Ú
On a donc : Ô '× = àÚ et |Ô| = ! . Nous obtenons alors :
ß ©
© ß

27
(
1 n* − - * Q !
[Âž ›ž = ∑*‡e n* ¥* h&Q != â &K[ ã− ä
á6¦: *‡e ¦:
On en déduit la log-vraisemblance
ℒQ = log •Q
ÁÁ
= log [Q œ [Âž ›ž = Kž š& = &Q !
soit encore :
ℒQ = æ„ [Q − æ„ 6¦: − ∑*‡e n* − - -
e (
(
. (2.4)
©
Cette dernière expression peut être simplifiée en notant que :

(
% n* − - * ! = ‖Kž − &Q − ∆ ‖(
Q
*‡e
= ‖Kž ‖( + ‖&Q − ∆ ‖( − 2〈Kž , &Q −∆ 〉

= ‖Kž ‖( + ‖&Q − ∆ ‖( − 2〈K , &Q −∆ 〉
car : 〈Kž , &Q − ∆ 〉 = 〈Kž , &Q − ∆ 〉 + èéééééêéééééë
〈Kž ¯ , &Q − ∆ 〉 = 〈K , &Q − ∆ 〉.
‡:
On peut donc exprimer l’expression (2.4) de la log-vraisemblance selon :
ℒQ = æ„ [Q − ( æ„ 6¦: − ‖Kž ‖2 + ‖& ‖2 − 2 〈K 〉

e
−∆ ,& −∆
©
= ‖Kž ‖2 − æ„ 6¦: + îæ„ [Q − ‖& − ∆ ‖2 + 〈K 〉ñ

'e e (
èéééééééêéééééééë èéééééééêéééééééë
,& −∆
© ( © ©
ìéT ì T ‹ ì Q ‡ïð
= ‖Kž ‖2 − æ„ 6¦: + Q+ 〈K 〉!
'e (
èéééééééêéééééééë
,& −∆
(2.5)
© ( ©
ìéT ì T ‹ ì Q
= ‖Kž ‖2 − æ„ 6¦: +∧Q ¡&ó ∧Q = + 〈K 〉

'e (
èéééééééêéééééééë Q ,& −∆
© ( ©
ìéT ì T ‹ ì Q

Le premier terme ne dépendant pas de l’indice m, maximiser la log-vraisemblance ℒÇ est donc
équivalent à maximiser la quantité ∧Ç .
4. Fonctionnement du récepteur optimal

La structure du récepteur optimal au sens du maximum de vraisemblance se déduit directement
de l’étude précédente. Elle est donnée par le schéma-bloc ci-dessous.
Dans l’espace de Hilbert L( : + BE, : + B + 1 E , le principe du récepteur optimal à maximum
ℛQ , = 1, … , { . Chaque région ℛQ étant définie comme l’ensemble des éléments de

de vraisemblance a posteriori décrit précédemment consiste à partager l’espace en M régions
L( : + BE, : + B + 1 E tel que :

K ∈ ℛQ ⟺ ∧Ç >∧÷ ∀- ≠
Le sous-espace ℛQ est appelé la région de décision correcte associée à &Q
décisions entre les régions ℛQ et ℛ* est définie par
. La frontière de

28
p÷ 1 2
∧Ç =∧÷ ⟺ æ„ l m + ‖eÇ t − ∆ ‖( − ‖e÷ t − ∆ ‖( = 〈x t , eÇ t − ∆ − e÷ t − ∆ 〉
pÇ N: N:
Fig. 2.2. Récepteur optimal à corrélateurs
Cas particuliers :
Lors que l’ensemble des signaux ee , … , e†
même probabilité a priori : [Q = † , ∀ ∈ ’1, {“, alors la maximisation de la quantité ∧Ç
•
e
ont la même énergie, et qu’ils ont tous la
se réduit à maximiser le produit scalaire 〈K , &Q − ∆ 〉 puisque tous les Q , ∈

’1, {“ sont égaux. La frontière de décision entre les régions ℛQ et ℛ* est définie par
〈x t , eÇ t − ∆ − e÷ t − ∆ 〉 = 0 ⟺ x t ù eÇ t − ∆ − e÷ t − ∆
Fig. 2.3. Frontière de décision pour des signaux de même énergie
ont tous la même probabilité a priori : [Q = † , ∀ ∈ ’1, {“

•
les signaux ee , … , e†
e
Une seconde situation particulièrement importante en pratique correspond à la situation où

29
log-vraisemblance ℒQ conduit à minimiser la distance euclidienne ‖Kž − &Q − ∆ ‖( .

mais ils ne possèdent pas forcément la même énergie. Dans ce cas, la maximisation de la
\
Or , nous avons l’égalité suivante :
‖K − &Q − ∆ ‖( = ‖Kž − &Q − ∆ ‖( + % °*(
*‡e
Etant donné que le 2nd terme ne dépend pas des signaux &Q émis (mais uniquement du bruit),
rechercher le signal úû
– ¾ − ∆ qui est le plus proche du signal d’observation ü ¾ dans l’espace
le récepteur optimal selon le principe du maximum de vraisemblance consiste donc à
de Hilbert L : + BE, : + B + 1 E . La frontière de décision entre les régions ℛQ et ℛ* est

(
1
définie par :
〈x t , eÇ t − ∆ − e÷ t − ∆ 〉 = ‖eÇ t − ∆ ‖( − ‖e÷ t − ∆ ‖(
2
Fig. 2.4. Frontière de décision pour des signaux d’énergie différente
Le sous-espace ž est alors partitionné en M sous-ensembles ou Voronoi (ici n’est représenté que la
projection sur le plan ¥e , ¥( uniquement, le sous-espace ž £ n’étant pas représenté)
Lien avec la probabilité d’erreur

On appelle probabilité d’erreur (sur les signaux), la probabilité que le signal détecté eQ– soit
différent de celui ayant été émis :
†
ý& = % ℙ eþQ– ≠ eQ
Q‡e
†
= % ℙ eþQ– ≠ eQ š& = eQ œℙ & = eQ
Q‡e
†
= % [Q œ ℙ K ∉ ℛQ š& = eQ
Q‡e
posteriori minimise la distance euclidienne – = - ‖K − &Q − ∆ ‖( c’est-à-dire qu’il

Pour des probabilités d’émission a priori fixées, le récepteur à maximum de vraisemblance a
minimise ℙ K ∉ ℛQ š& = eQ . En conséquence, il minimise également la probabilité

d’erreur (sur les signaux).

30
5. Récepteur à filtrage adapté

5.1. Cas général
Considérons l’opération de filtrage linéaire suivante :
que, pour un signal eQ correspondant à celui donné en exemple au début de ce chapitre, on a :

La réponse impulsionnelle du filtre correspond à une inversion de l’axe temporel c’est-à-dire
Le signal disponible en sortie du filtre peut alors s’écrire suivant :

'\
=W K _ − _ Z_
'\
'\
= W K _ &Q
∗
_− Z_
'\
UX=
= W K _ &Q
∗
_− Z_
U
En évaluant la sortie du filtre à l’instant : + BE , nous obtenons :
U© X CXe =
|U© XC= = W K _ &Q
∗
_− : − BE Z_.
U© XC=
Nous avons donc équivalence entre les 2 structures suivantes :
Nous pouvons conclure que le récepteur optimal à corrélateurs décrit précédemment est
= &Q
∗
− est alors appelé le filtre
équivalent à un récepteur réalisant, sur chaque branche, une opération de filtrage en cascade avec
adapté à la forme d’onde &Q .

un échantillonneur. Le filtre de réponse impulsionnelle
Le récepteur optimal de la figure 2.2 correspond à la structure d’un récepteur à intégrateurs. Il est
alors possible de représenter ce récepteur en faisant apparaître les filtres adaptés à chacune des M

31
formes d’ondes. Nous obtenons ainsi le récepteur optimal sous la forme d’un récepteur à filtrage
adapté.
Fig. 2. 6. Récepteur optimal à filtrages adaptés
ee , … , e†
Un cas pratique très important correspond à la situation où l’ensemble des signaux source
ℎ c’est-à-dire qu’il existe un ensemble q = a* ∈ ℝ, - = 1, … , { tel que l’on ait :

est construit par simple homothétie par rapport à une forme d’onde élémentaire
&* = * ℎ ∀- ∈ ’1, {“
⇒& −∆ = B ℎ − − BE avec B ∈ q
. (2. 6)
:
où le paramètre B ∈ q correspond au symbole transmis par l’émetteur durant l’intervalle de

temps : + BE, : + B + 1 E . Le terme additif sur chacune des voies du récepteur optimal de la
1
figure 2.6 devient alors :
CQ = log pÇ − ‖e t − ∆ ‖(
N: Ç
(
= log pÇ − ‖ℎ t − ∆ ‖( .
Q
N:
La maximisation de la quantité ∧Ç peut ainsi se simplifier (i.e. mise en facteur du filtrage par le filtre
prototype ℎ ) et le processus de maximisation de la vraisemblance est encore équivalent à celui
de la structure ci-après.
Les signaux source étant produits à partir d’une homothétie conformément à (2.6), la base
vecteur ℎ − ∆ /‖ℎ − ∆ ‖ et il suffit de projeter le signal reçu K

orthonormée permettant de décrire les différents signaux source n’est formée que d’un seul
orthonormée ¤ = ℎ − ∆ /‖ℎ − ∆ ‖ et donc ¦ = dim ž = 1 ¨ {.

sur ce seul vecteur de la base

32
Si de plus, on suppose que les signaux émis ont tous la même probabilité a priori : [Q = † , ∀ ∈
e
’1, {“, alors on a de plus :

1
CQ = log pÇ − ‖eÇ t − ∆ ‖(
N:
(
= −log { − ‖ℎ t − ∆ ‖( .
Q
N:
La maximisation de la quantité ∧Ç peut ainsi se simplifier (i.e. mise en facteur du terme 2⁄N: ,
élimination du terme constant dans CÇ , et mise en facteur du filtrage par le filtre prototype ℎ )
et le processus de maximisation de la vraisemblance est encore équivalent à celui de la structure
représentée à la figure 2.7 ci-après.
K & − ∆ avec & = ℎ où ∈ e , … , † , on obtient en sortie de l’échantillonneur

En remarquant que dans le cas non-bruité le signal disponible en entrée du récepteur est donné par
la quantité œ Q ‖ℎ t − ∆ ‖ , et donc la maximisation conduit à :

(
(
– = argmax Œ − • ‖ℎ t − ∆ ‖(
Q
Q∈’e,†“
Q
2
−1 (
= argmax − (
+
Q∈’e,†“ 2 Q
2
= argmin − Q
(

Q∈’e,†“
⇒ –
Q =
Ainsi, dans le cas non-bruité, le symbole décidé au niveau du récepteur correspond bien au symbole
transmis (cf. relation (2.6)).

33
Fig. 2. 7. Récepteur optimal simplifié dans le cas de signaux construits par homothétie
Note : Le rôle du filtre de réception à filtrage adapté consiste à réaliser un compromis entre d’une
part (i) l’élimination (bande coupée du filtre) des composantes spectrales du bruit présent au sein
du signal d’observation, et d’autre part (ii) la conservation (bande passante) des composantes
spectrales de la composante « utile » présente au sein du signal d’observation. En fait, nous verrons
plus tard au chapitre III que le filtre adapté maximise la valeur du rapport signal à bruit à sa sortie.
Dans le cas d’un récepteur pour signaux GPS, la figure suivante représente le cas typique d’un signal
GPS en bande L1 à 1575.42 MHz, reçu en présence de bruit thermique. Nous concevons facilement
que le rôle du filtre de réception, qui sera placé en tête de la chaîne de réception, consistera à
« extraire » au maximum le signal utile (en bleu) tout en essayant de minimiser (c’est-à-dire « à
filtrer ») l’influence du bruit thermique (en rouge).
Ainsi, il existera un compromis sur la largeur de bande du filtre de réception. Si cette largeur de
bande est trop importante alors il y aura une puissance de bruit importante au sein du récepteur ce
qui va introduire des erreurs de décision. Par contre, lorsque la largeur de bande sera réduite à son
minimum, le signal utile au sein du récepteur sera distordu mais l’influence du bruit sera mimimale
au sein du récepteur.

34
6. Le récepteur simplifié à filtrage adapté
ee , … , e†
Nous pouvons conclure du paragraphe précédent que dans le cas particulier où les signaux
forme d’onde élémentaire ℎ , le récepteur optimal est équivalent à comparer la sortie de

sont équiprobables et sont construits par simple homothétie par rapport à une
: + BE = B ‖ℎ t − ∆ ‖( par rapport à toutes les valeurs possibles

Q ‖ℎ t − ∆ ‖ , = 1, . . , { , la stratégie du récepteur optimal est donc équivalente à :
(
l’échantillonneur
Fig. 2. 8. Récepteur optimal simplifié dans le cas de signaux équiprobables construits par homothétie
: + BE avec les M valeurs possibles Q ‖ℎ t − ∆ ‖ , = 1, . . , { et à sélectionner l’indice

(
où le rôle du détecteur consiste à comparer le signal disponible en sortie de l’échantillonneur
assurant la minimisation :
– = argmin : + BE − Q ‖ℎ t − ∆ ‖( (
Q∈’e,†“

35

36
Chapitre III – Performances des récepteurs numériques
Transmission
en Bande de Base :
Performance du récepteur
__________________________________________________________
1. Transmission d’un seul symbole binaire sur canal à bruit blanc additif gaussien
1.3. Propriétés statistiques du signal y(t0+kT)
2. Transmission d’un seul symbole M-Aire sur canal à bruit blanc additif gaussien
3. Transmission d’une suite de symboles M-Aires sur canal à bruit blanc additif gaussien
3.3. Application à l’ADSL
__________________________________________________________
Dans ce chapitre, nous considérons que les signaux émis par l’émetteur se , … , s† sont
construits par homothétie à partir d’une forme d’onde élémentaire ℎ tel que décrit à la relation
(2.6). Nous avons étudié dans le chapitre précédent la structure du récepteur optimal et nous avons
échantillonneur dont la fréquence d’échantillonnage correspond à la rapidité de modulation =

établi que celui-ci est constitué (i) d’un filtre de réception de réponse impulsionnelle , (ii) d’un
= , et (iii) d’un circuit de décision dont le fonctionnement sera détaillé ultérieurement.

e
=
Il nous faut cependant déterminer les performances que l’on peut atteindre à l’aide d’un tel
récepteur. En effet, ces performances serviront ensuite de référence pour toutes les réalisations
« pratiques » d’émetteur/récepteur afin de savoir si l’on se situe plus ou moins loin de l’optimalité.
Nous commencerons tout d’abord par étudier ces performances optimales dans les cas binaire, puis
dans le cas général de signaux « M-Aires ».

37
Fig. 3. 1. Récepteur optimal à filtrage adapté (cas où les signaux émis sont obtenus par homothétie)
1. Transmission d’un seul symbole binaire sur canal à bruit blanc

additif gaussien
(cf. relation (2.6)) à partir du filtre de mise en forme ℎ donné, dans le cas d’une forme d’onde de
Nous supposerons que les signaux élémentaires générés à l’émetteur sont obtenus par homothétie
type NRZ, par :
Ainsi, dans le cas binaire { = 2 et l’alphabet des symboles correspond à q = −1, +1 , d’après la
relations (2.1), l’émetteur reçoit de la source binaire un unique élément binaire n ∈ 0,1 qui sera
associé à un unique symbole, que nous nommerons 0 ∈ q dont les valeurs obéissent à la table
d’association binaire à symbole suivante :
Singleton Symbole
Õ
Binaire
n = "0" e = +1
n = "1" ( = −1
Remarque : le 2nd choix possible pour l’association binaire à symbole est tout à fait possible et il ne
changerait pas les performances obtenues.
= 0 <
Le signal ainsi créé est donné par :
Après filtrage par le filtre de mise en forme de réponse impulsionnelle ℎ , le signal émis est alors
& = ∗ℎ = 0 ℎ . Ainsi, en fonction de la valeur binaire n ∈ 0,1 à transmettre,

38
l’émetteur émet l’un des deux signaux élémentaires &e = +ℎ ou &( = −ℎ sur
l’intervalle 0, E .
Nous avons alors les probabilités a priori suivantes :
ℙ n = "0" = p: u- - = 1
[* = ℙ & = &* = ℙ & = * ℎ = ¸
ℙ n = "1" = 1 − p: u- - = 2
où l’on a posé : ℙ n = "0" = [: ⇒ ℙ n = "1" = 1 − [: ce qui caractérise la source binaire.
En théorie de l’information, la notion d’’entropie (de Shannon) correspondant à la quantité

d'information contenue ou délivrée par une source est définie par :
c = Û−æ„ ( ℙ n Ü
= −[: æ„ ( [: − 1 − [: æ„ ( 1 − [: .
Cette notion d’entropie, représentée ci-après, varie en fonction de la valeur de [: . On remarque
que la valeur maximale est obtenue lorsque les données binaires sont équidistribuées, i.e. [: =
1/2. C’est pourquoi, les « codeurs source » essaient de satisfaire cette contrainte et donc nous
étudierons souvent dans nos analyses théoriques les cas correspondant à des données
équiprobables.
∆= : + BE correspondant à la distance entre émetteur/récepteur et en présence de bruit additif.

Le signal ainsi transmis est ensuite reçu au niveau du récepteur avec un retard de propagation
On obtient alors (cf. figures en début de chapitre 2) à l’entrée du récepteur le signal :

K =& −∆ +t .
Il nous faut également définir parfaitement le circuit de décision. Son fonctionnement (cf. chapitre
précédent) est décrit à partir de la règle de décision suivante :
¦: (
– = argmax Œ Q : + BE + log [Q − ‖ℎ − ∆ ‖( •
Q
Q∈’e,†“ 2 2
¦: (
⇒ þ = argmax Œ Q : + BE + log [Q − ‖ℎ − ∆ ‖( •
Q
∈ 'e,Xe 2 2
¦: ¦:
ð
⇒þ= +1 si − + BE + log [ < + BE + log [e

:
2 ( :
2
−1 sinon
¦: [(
= +1 si + BE > log l m
⇒þ = e :
4 [e
( = −1 sinon

39
¦: 1 − p:
Le circuit de décision est donc équivalent à une simple comparaison par rapport à un seuil optimal :
u= log l m ¡&ó p: = ℙ n = "0" .

4 p:
(3. 1)
• La valeur du seuil dépend de la distribution de la probabilité a priori [e , [( de la source

On peut donc observer que :
• Lorsque [e = [( ⇔ p: = 1/2 (source équidistribuée) alors le seuil u est nul et le circuit de

binaire,
: + BE ,
• Lorsque [( ≫ [e ⇔ p: ≪ 1/2 (respectivement [( ≪ [e), alors le seuil u va se déplacer
décision ne doit uniquement tester la positivité/négativité de l’échantillon
favoriser les décisions þ = −1 (respectivement = +1) soit donc l’élément binaire le plus
vers les valeurs positives (respectivement négatives), et donc le circuit de décision va
probable a priori
: + BE ≶ u , on obtient la structure simplifiée suivante :

Dans la figure 3.1, en remplaçant les éléments de la zone entourée de pointillés par un dispositif
testant si l’échantillon disponible
Fig. 3. 2. Récepteur optimal à filtrage adapté dans le cas binaire ({ = 2
1.3. Propriétés statistiques du signal 0 + BE
Avant d’étudier les performances d’un tel récepteur, il est important de bien connaître les
: + BE sur lequel sera fondé la décision. On

propriétés statistiques du signal disponible en sortie du filtre adapté. En effet, c’est sur ce
signal que sera prélevé l’unique échantillon
K = & − ∆ + t , ∀ ∈ ∆, ∆ + E
suppose pour cela que le signal reçu
où ∆= : + BE représente le temps de propagation du signal entre émetteur et récepteur. Avec les

conventions suivantes :
L’émetteur ne transmet qu’un seul symbole 0 ∈ q durant l’intervalle de temps 0, E
Le signal & ∈ &e , &( représente le signal émis durant l’intervalle 0, E et donc
•
on a & = 0 ℎ
•
• t représente un bruit additif, gaussien, centré, blanc, de fonction d’autocovariance

ss e , ( = t e t ∗ ( = (© < ( − e .
En réception, en sortie du filtre adapté, le signal obtenu est = ∗K , soit :

40
= ∗ 0 ℎ − :− BE + t
= 0 ∗ℎ − : − BE + ∗t
X\
= 0 W _ ℎ − : − BE − _ Z_ +
'\
Introduisons les notations suivantes :

• = ∗ℎ la réponse impulsionnelle de chaîne globale de transmission incluant le
= ∗ t , le bruit présent en sortie du filtre de réception.

filtre de mise en forme (à l’émetteur) ainsi que le filtre de réception,
•
Nous pouvons alors exprimer le signal échantillonné au récepteur selon :

X\
: + BE = 0 W _ ℎ −_ Z_ + : + BE
'\
⇒ : + BE = 0 0 + : + BE
= `'\ _ ℎ − _ Z_ ⇒ 0 = `'\ _ ℎ −_ Z_ = `: _ ℎ −_ Z_
X\ X\ =
car
Considérons la variable aléatoire * = : + BE š& = : + BE | 0 = * pour - ∈ 1,2

c’est-à-dire que l’on suppose que l’on connaisse la valeur du symbole transmis 0 ∈ q . Le filtre
de réception étant linéaire, la variable aléatoire * = : + BE | 0 = * possède
également une loi gaussienne dont les caractéristiques sont les suivantes :
=
• Moyenne
*
= : + BE | 0 = *
= * 0 + : + BE
= * 0
•
J( = š *− š !
(
Variance
= | : + BE |(
X\
= _ ∗
¡ t : + BE − _ t ∗ : + BE − ¡ Z_Z¡
'\
X\
¦:
= _ ∗
¡ < _ − ¡ Z_Z¡
2
'\
= ` | |( Z
© X\
( '\
Ainsi, conditionnellement à la connaissance de 0 ∈ q, l’unique échantillon prélevé par

l’échantillonneur à l’instant = : + BE (cf. figure 3.2) correspond à une variable aléatoire de loi
gaussienne ¦ , J ( . Selon la valeur de 0 ∈ −1, +1 , nous obtenons 2 variables aléatoires
* = : + BE | 0 = * dont les densités de probabilités ne vont différer qu’en
fonction de leur valeur moyenne:

41
1 − * 0
(
= exp P− R - ∈ 1,2
√26 J 2 J (
Fig. 3. 3. Densité de probabilité dans le dans le cas binaire ({ = 2
Il nous faut traduire mathématiquement le terme de « performances » du récepteur. En fait, dans

un système de transmission numérique, les performances d’un système d’émission/réception
seront jugées suivant la probabilité que le circuit de décision puisse commettre des erreurs (et nous
le minimum de la probabilité d’erreur sur les symboles ý , c’est-à-dire :

avons vu que cela correspond également à maximiser la vraisemblance). Nous rechercherons donc
†
ý =% ℙ & = &* , &̂ = &· , ¹ ≠ -
*‡e
=ℙ & = &e , &̂ = &( +ℙ & = &( , &̂ = &e

= ℙ 0 = e, þ0 = ( +ℙ 0 = (, þ0 = e
= ℙ þ 0 = (| 0 = e ℙ 0 = e +ℙ þ 0 = e| 0 = ( ℙ 0 = (
= ℙ e ¨ u ℙ n = "0" + ℙ ( > u ℙ n = "1"

‹ X\
= p: W Z + 1 − p: W I
Z
'\ ‹
‹' :
p: 1 − p: X\
= W √( f
exp −_( Z_ + W‹X exp −_( Z_
√6 '\ √6 :
√( f
En introduisant la fonction d’erreur complémentaire (cf. annexe I) définie par

42
2 X\
erfc K = W exp −_( Z_
√6 M
on obtient finalement :
p: 0 −u 1 − p: 0 +u
ý = erfc Œ •+ erfc Œ •
2 √2 J 2 √2 J
= et B = log ! on obtient la forme compacte :

: e e' ©
√( f
En introduisant les notations
©
ý = erfc − ! + erfc + !
p0 C e'p0 C
( (
(3. 2)
Remarque : A ce stade on peut se reposer la question « Quelle est la valeur du seuil de détection u
qui minimise ý ? ». La réponse à cette question est donnée à la relation (3.1) mais celle-ci peut être
retrouvée en observant que :
Zý −1 0 −u ( 2 0 u
=Œ • exp Œ− • P−p: + 1 − p: exp Œ− •R
Zu √26 J 2 J (
J (
Z(ý 1 0 −u ( 0 2 0 u
=Œ • exp Œ− • ã ( Pp: + 1 − p: exp Œ− •R + ⋯
Zu (
√26 J 2 J (
J J (
u 2 0 u
+ ( P−p: + 1 − p: exp Œ− •Rä
J J (
= 0 (point critique max/min) et >0

ì ìI
ì‹ ì‹I
La probabilité d’erreur sera minimisée lorsque
(convexité locale), ce qui est obtenu pour :
J ( 1 − p:
u= log l m
2 0 p:
On retrouve ainsi le seuil optimal donné à la relation (3.1).
▀
probabilité d’erreur ý . En effet on a :

A partir de la relation (3.2), on peut rechercher la valeur du paramètre assurant le minimum de la
Zý −2 B p: B 1 − p: B
2
= exp P− Œ − • R Œ 1 + 2 • − Œ 1 − 2 • exp −4B
Z √6 2 2
2p0 B (
=− exp Œ− l − m •
√6
Cette quantité est toujours strictement négative et donc la probabilité d’erreur est strictement
!" est donc équivalente à la maximisation du paramètre #.

monotone (décroissante) en fonction du paramètre . La minimisation de la probabilité d’erreur

43
Or, la maximisation du paramètre conduit à maximiser la quantité :
`−∞ _ ℎ −_ Z_
+∞
0
= =
√2 J
%¦0 ` š š Z
+∞ 2
−∞
En utilisant l’inégalité de Cauchy-Schwartz, on a :

X\ ( X\ X\
ŒW _ ℎ −_ Z_• ¨ W | _ |( Z_ W |ℎ −_ |( Z_
'\ '\ '\
et ℎ − sont colinéaires (et de même

La maximisation de est atteinte lorsque l’égalité est obtenue entre les termes de droite/gauche
c’est-à-dire lorsque les réponses impulsionnelles
signe si l’on veut maximiser le produit scalaire) soit lorsque :
= & ℎ − avec & ∈ ℝX
On retrouve ainsi les conclusions établies dans le chapitre 2 : le facteur multiplicatif K n’ayant
= ℎ − . Nous savons de plus maintenant

aucune influence sur le détecteur optimal, le filtre de réception optimal correspond au filtre adapté
à la forme d’onde utilisée à l’émission c’est-à-dire
l’analyse nous supposerons que le facteur constant & est égal à l’unité (sans perte de généralité).
que ce filtre minimise la probabilité d’erreur sur le symbole transmis. Par ailleurs dans la suite de

Si l’on s’intéresse à l’énergie moyenne transmise par symbole, on a :
'‹ = (& |& )
=
= ŒW |& _ |( Z_•
:
=
= | 0 |( W |ℎ _ |( Z_
:
= J( + 0 0 = `: _ ℎ −_ Z_ et = ℎ∗ −
( =
car
Donc le paramètre :
0 0 1 '‹ '‹
= =* =* ( = * pour { = 2
√2 J ¦: J + ( ¦: ¦:
(
Le paramètre est donc homogène à un rapport signal sur bruit car :
'‹ ý+ E ý+
= =
¦: ¦: ¦ 1 !
: E
où ý+ désigne la puissance moyenne du signal émis par l’émetteur. Le rapport ( est donc
homogène à un rapport signal à bruit car il correspond au rapport de la puissance moyenne du
signal utile émis (et donc de la composante utile présente au sein du signal reçu) divisé par la
puissance moyenne de bruit mesurée dans une bande passante égale à , i.e. à la rapidité de
modulation.

44
Dans le cas d’un code en ligne de type NRZ-binaire l’énergie moyenne transmise par élément binaire
'‹
est égale à :
's = = '‹ pour { = 2
log ( {
on a de plus l’égalité E = Es ⇔ r = et donc :
'‹ 's
= pour { = 2 .
¦: ¦:
De (3.2), on déduit l’expression finale de la probabilité d’erreur sur les symboles transmis dans le
cas de la transmission d’un seul symbole binaire ({ = 2), et dans le cas où [: = 1⁄2 ⇒ B = 0, soit :
ý = erfc l % t m
e '
( ¦0
(3. 3)
Remarque : les performances des récepteurs numériques sont toujours évaluées en fonction du
, ,
rapport signal sur bruit - (de préférence à . ) car ainsi la puissance de bruit est mesurée sur une
© ©
bande passante de référence correspondant au débit binaire de la source numérique r = = (et

e
-
= = qui, elle, varie

e
non pas dans une bande passante correspondant à la rapidité de modulation
en fonction de M).
-1
10
-2
10
-3
10
Pe
-4
10
-5
10
-6
10
0 1 2 3 4 5 6 7 8 9 10
,-
Eb/No (dB)
dans le cas NRZ binaire ({ = 2

©
Fig. 3. 4. Probabilité d’erreur en fonction du rapport signal à bruit
2. Transmission d’un seul symbole M-Aire sur canal à bruit blanc

additif gaussien

45
Dans le cas M-Aire on a { = 2T . L’émetteur peut transmettre l’un des signaux élémentaires
&* , - ∈ ’1, {“ sur l’intervalle : + BE, : + B + 1 E obtenus par homothétie (cf. relation
(2.6)) à partir du filtre de mise en forme ℎ et nous supposerons que la règle d’association entre
les p-uplets binaires et les symboles de l’ensemble q = ±1, ±3, ±5, … , ± 2 − 1 , … , ± { − 1
est effectuée suivant
p-uplet symboles
(0 0 0 …. 0 0) - (M-1)
(0 0 0 …. 0 1) -(M-3)
⋮ ⋮
(0 0 0 …. 1 1) -(M-5)
(1 0 0 …. 0 1) +(M-3)
(1 0 0 …. 0 0) +(M-1)
Pour simplifier l’analyse, nous supposerons que la séquence des éléments binaires est i.i.d.
binaires sont équiprobables, i.e. ℙ n = "0" = ℙ n = "1" = (, ce qui impose les probabilités a
e
(indépendante et identiquement distribuée). Nous supposerons également que les éléments
priori suivantes sur les signaux émis :

[* = ℙ & = &* = ℙ & = * ℎ − − BE = èé
œ (éêé
œ ⋯ééë
œ ( = (0 = †
e e e e e
: ( é
T ]/*‹

Le fonctionnement du circuit de décision (cf. chapitre II paragraphe 6) est décrit à partir de la règle
de décision suivante :
– = argmin : + BE − Q ‖ℎ t − ∆ ‖( (
Q∈’e,†“
= 2 − 1 ∀ ∈ 1− ( + 1, + ( 2, d’où :
† †
Or les symboles transmis sont donnés par Q
+ { − 1 si { − 2 ‖ℎ t − ∆ ‖( < : + BE
þ = 2 − 1 si 2 − 2 ‖ℎ t − ∆ ‖ <
(
: + BE ¨ 2 ‖ℎ t − ∆ ‖(
− { − 1 si : + BE ¨ − { − 2 ‖ℎ t − ∆ ‖(
Il est constitué d’un ensemble ž comportant (M-1) seuils de décisions :

Cette dernière relation définit parfaitement le fonctionnement du circuit de décision au récepteur.
ž = uQ = −{ + 2 ‖ℎ t − ∆ ‖( , ∀ ∈ ’1, { − 1“ .
=
Le récepteur conserve une structure identique à celui précédemment décrit dans le cas binaire
& ℎ − où & ∈ ℝ (nous choisirons par défaut une valeur & = 1), suivie d’un échantillonnage
X
(M=2) : une opération de filtrage correspondant au filtre adapté de réponse impulsionnelle
unique, puis d’une prise de décision comme décrit précédemment.

46
Fig. 3.5. Récepteur optimal à filtrage adapté dans le cas NRZ-M Aires
Pour étudier les performances du récepteur, nous considérons le signal bruité reçu suivant :
K =& −∆ +t , ∀ ∈ ∆, ∆ + E
où ∆ = : + BE représente le temps de propagation du signal entre émetteur et récepteur. Avec les
conventions suivantes :
0 ∈ q, durant l’intervalle de
temps 0, E ,
• L’émetteur ne transmet qu’un seul symbole M Aires,
Le signal & ∈ &e , &( , … , &† représente le signal émis durant l’intervalle 0, E
et donc on a & = 0 ℎ ,
•
t représente un bruit additif, gaussien, centré, blanc, de fonction d’autocovariance

ss e , ( = t e t ∗ ( = (© < ( − e .
•
= ∗K
X\
En réception, en sortie du filtre adapté, le signal obtenu est , soit :
= 0 W _ ℎ − ∆ − _ Z_ + ∗t
'\
En introduisant les notations suivantes :
• = ∗ℎ la réponse impulsionnelle de chaîne globale de transmission
correspondant à la mise en série du filtre de mise en forme (à l’émetteur) et du filtre de

réception,
•
nous pouvons alors exprimer le signal échantillonné au récepteur selon :
: + BE = 0 0 + : + BE (3. 4)
= `'\ _ ℎ − _ Z_ ⇒ 0 = `'\ _ ℎ −_ Z_ = `: |ℎ _ |( Z_
X\ X\ =
car
Considérons la variable aléatoire * = : + BE š& = : + BE | 0 = * pour - ∈

1,2, … , { c’est-à-dire que l’on suppose connaître la valeur du symbole 0 ∈ q transmis. Le
étant linéaire, la variable aléatoire * = : + BE | 0 = *
possédera également une loi gaussienne dont les caractéristiques sont les suivantes :
filtre de réception
• Moyenne : = * = * 0
• Variance : J ( = š *− š != `'\ | |( Z
( © X\
(
Ainsi, conditionnellement à la connaissance de 0 ∈ q, l’unique échantillon prélevé par

l’échantillonneur à l’instant = : + BE (cf. figure 3.5) correspond à une variable aléatoire de loi

47
gaussienne ¦ , J ( . Selon la valeur de 0 ∈ ±1, ±3, ±5, … , ± 2 − 1 , … , ± { − 1 , nous

obtenons M variables aléatoires * = : + BE | 0 = * dont les densités de probabilités
ne vont différer qu’en fonction de leur valeur moyenne:
1 − * 0
(
= exp P− R , - = 1, … , {
√26 J 2 J (
ce qui conduit aux densités de probabilité conditionnelles suivantes.
Fig. 3.6. Densité de probabilité dans le dans le cas M-Aires
2.4. Probabilité d’erreur du codage NRZ-M Aires
Nous rechercherons le minimum de ý , la probabilité d’erreur les symboles :

†
ý =% % ℙ & = &* , &̂ = &· !
*‡e ·9*
†
= % % ℙ &̂ = &· h& = &* ! ℙ & = &*
*‡e ·9*
1 †
= % % ℙ &̂ = &· h& = &* !.
{ *‡e
·9*
Or nous avons l’égalité suivante :
% ℙ &̂ = &· h& = &* ! = 1 − ℙ &̂ = &* š& = &*

·9*
=1
1 − * 0
: X‖4 U'∆ ‖I (
− W exp P− R Z
√26 J : '‖4 U'∆ ‖I 2 J (
1 2 ‖4 U'∆ ‖ 5√( f
I
= 1 − P W exp −_( Z_ R
2 √6 '‖4 U'∆ ‖I⁄√( f

48
1 ‖ℎ − ∆ ‖(
= 1 − ã2 − 2erfc Œ •ä
2 √2 J
‖ℎ − ∆ ‖(
= erfc Œ •
√2 J
En insérant cette relation dans l’expression obtenue précédemment pour la probabilité d’erreur sur
0 = ± { − 1 peuvent être combinées ensemble, on obtient

les symboles et en remarquant que les probabilités conditionnellement aux 2 symboles extrêmes
ý = erfc l m
†'e ‖4 U'∆ ‖I
† √(f
(3. 5)
Essayons d’exprimer plus clairement le terme intervenant dans cette fonction erfc . . Dans le cas
binaire, nous avons exprimé la puissance de bruit en sortie du filtre de réception selon :
¦: X\ ¦:
J( = W |ℎ − ∆ |( Z = ‖ℎ − ∆ ‖( .
2 '\ 2
Nous avons déjà défini l’énergie moyenne transmise par symbole, on a donc :
'‹ = (& |& )
=
= ŒW |& _ |( Z_•
:
=
= | 0 |( W |ℎ _ |( Z_
:
= J + ( (
‖ℎ − ∆ ‖( .
(car le produit scalaire n’a été défini au chapitre II que sur l’espace de Hilbert 6( ∆, ∆ + E . Ainsi,
nous pouvons également définir l’énergie moyenne par élément binaire :
'‹
's = .
log ( {
Dans le chapitre 1, nous avons montré que pour un signal NRZ M-Aires dont les symboles sont
{( − 1
équiprobables, on a
= 0 & J =
(
.
3
Ces différents éléments nous permettent d’exprimer la probabilité d’erreur sur les symboles selon
l’expression :
{−1 ‖ℎ − ∆ ‖ {−1 3 log ( { 's

ý = erfc Œ •⟹ ý = erfc ã* ( ä
{ á¦: { { − 1 ¦:
La probabilité d’erreur ci-dessus concerne ý , soit donc la probabilité d’erreur sur les symboles
décodés. Or, bien souvent, il est préférable de travailler avec ý s , la probabilité d’erreur sur les
éléments binaires, c’est-à-dire celle qui concerne les éléments binaires décodés. Or, pour un

49
alphabet M-Aires où { = 2T , nous avons [ = log ( { éléments binaires transmis par symbole. La
ý
probabilité d’erreur binaire respecte donc l’inégalité :
¨ýs¨ý
log ( {
binaire, tandis que l’égalité de droite est obtenue lorsque chaque symbole décodé donne lieu à [ =
L’égalité de gauche est obtenue lorsque chaque symbole décodé donne lieu à une unique erreur
log ( { erreurs binaires. La valeur minimale de la probabilité d’erreur binaire peut être obtenue en
réalisant l’association binaire à symbole selon un codage de Gray. Sous cette condition, la
probabilité d’erreur binaire est égale à :
ýs= erfc l% m
†'e ; 89:I † ,-
† 89:I † †I 'e
(3. 6)
©
La figure suivante représente cette probabilité d’erreur binaire pour différentes valeurs de { = 2T
c’est à du cardinal de l’alphabet q. Nous pouvons constater que pour obtenir une probabilité
d’erreur cible de 10'; (QoS pour les applications vocales), le rapport signal à bruit doit être environ
de service c’est-à-dire ý s = 10'; , le rapport signal à bruit est dégradé de 2.5dB (resp. 7.5dB) dans
de 7 dB pour un alphabet binaire. Par rapport au cas binaire, si l’on souhaite obtenir la même qualité
le cas d’un alphabet q de taille M=4 (resp. M=8).
M=2
-1
M=4
10 M=8
M= 16
-2
10
Peb
-3
10
-4
10
0 2 4 6 8 10 12 14 16
,-
Eb/No (dB)
©
Fig. 3. 7. Probabilité d’erreur Binaire en fonction du rapport signal à bruit dans le cas
du code en ligne NRZ M-Aires
3. Transmission d’une suite de symboles M-Aires sur canal à bruit

blanc additif gaussien

e
Nous supposons maintenant que l’émetteur transmet, à un rythme synchrone =, une suite infinie
Q∈ℕ de symboles M-Aires appartenant à l’ensemble q = ±1, ±3, ±5, … , ± 2- −

50
1 , … , ± { − 1 avec { = 2T . Chacun de ces symboles est obtenu à partir de la valeur d’un p-

uplet binaire issu du codeur source selon la règle d’association binaire à symbole suivante :
p-uplet symboles
(0 0 0 …. 0 0) - (M-1)
(0 0 0 …. 0 1) -(M-3)
⋮ ⋮
(0 0 0 …. 1 1) -(M-5)
(1 0 0 …. 0 1) +(M-3)
(1 0 0 …. 0 0) +(M-1)
X\ X\
La suite de symboles ainsi obtenue est donnée par :
= % < − E ⇒& = ∗ℎ = % ℎ − E
Q‡'\ Q‡'\
Sur chaque intervalle ∈ E, + 1 E , l’émetteur transmet l’un des signaux élémentaires
&* , - ∈ ’1, {“ obtenu par homothétie (cf. relation (2.6)) à partir du filtre de mise en forme
ℎ .
Pour simplifier l’analyse, nous supposerons que la séquence des éléments binaires est i.i.d.
binaires n¿ ¿∈ℕ est i.i.d. (indépendante et identiquement distribuée) et que les éléments binaires
(indépendante et identiquement distribuée). Nous supposerons également que la suite d’éléments
sont équiprobables, i.e. ∀l ∈ ℕ, ℙ n¿ = "0" = ℙ n¿ = "1" = . En conséquence, la suite de

e
(
symboles Q∈ℕ est également i.i.d. et elle est caractérisée par les probabilités a priori
1 1 1 1 1
suivantes :
∀m ∈ ℕ, ∀i ∈ ’1, {“, [* = ℙ = = œ œ ⋯ œ = T = .
*
èéééêéééë
2 2 2 2 {
T ]/*‹

De manière identique aux cas où un seul symbole était transmis, le signal est reçu au niveau du
récepteur avec la présence d’un bruit, soit
K =& −∆ +t ,
où ∆= : + BE représente le temps de propagation du signal entre émetteur et récepteur, et t
représente un bruit additif, gaussien, centré, blanc, de fonction d’autocovariance ss e , ( =
t e t ∗ ( = (© < ( − e .
Le fonctionnement du récepteur est strictement identique au cas précédent où un seul symbole M-

Aires était transmis et la structure du récepteur est donnée sur la figure ci-dessous. L’unique
e
changement majeur provient du fait que l’échantillonneur fonctionne maintenant à un rythme
synchrone = .

51
= ∗K
Fig. 3.8. Récepteur optimal à filtrage adapté dans le cas NRZ-M Aires
Au récepteur, en sortie du filtre adapté, le signal obtenu est , soit :

X\ X\
= % W _ ℎ −_− E − ∆ Z_ + ∗t
Q‡: '\
Soit encore :
= ∑X\
Q‡'\ − E − ∆ + (3. 7)
avec les notations suivantes :

• = ∗ℎ la réponse impulsionnelle de chaîne globale de transmission incluant

le filtre de mise en forme (à l’émetteur) ainsi que le filtre de réception,
•
La réponse globale de la chaîne de transmission est donnée par :

X\
= ∗ℎ =W _ ℎ − _ Z_
'\
X\
=W ℎ∗ −_ ℎ − _ Z_
'\
X\
=ƒ W (
1 '=,: 1 U'=,U Z_
'\
| | X\
= Œ1 − • W |ℎ _ |( Z_
E '\
| | X\
= Œ1 − • W |ℎ _ − Δ |( Z_
E '\
| |
= Œ1 − • ‖ℎ ‖(
E
dont la représentation graphique est donnée par :
Au niveau du récepteur, en sortie de l’échantillonneur aux instants : + E, nous obtenons à partir

de la relation (3.7) le signal à temps discret :

52
: + E = ∑X\
Q‡'\ : + E− E − ∆ + : + E
Or le retard de propagation entre émetteur/récepteur est donné par où ∆= : + BE, ce qui nous
X\
permet d’écrire :
: + E = % − − B E + : + E
Q‡'\
⇒ : + E = −B 0 + : + E , ∀ ∈ ℕ . (3.8)
échantillonnée au rythme symbole 1/E ne comporte qu’un seul

échantillon non nul à l’instant = 0. A l’instant d’échantillonnage : + E, nous obtenons ainsi
Car la réponse impulsionnelle
: + E la même expression que la relation (3.4) mis à part que le symbole 0 est
échantillon (car le retard de propagation est ∆= : + BE), le
pour
symbole 1 est présent dans le (k+1)ème échantillon , etc… Les performances du récepteur seront
maintenant présent dans le k ème
donc identiques à celles obtenues dans le cas où un seul symbole M-Aires est transmis par
l’émetteur. Dans le cas où l’association binaire à symbole suit un codage de Gray , la probabilité
d’erreur binaire est égale à :
ý s = † 89: erfc l% m
†'e ; 89:I † ,-
† †I 'e
(3.9)
I ©
Nous obtenons ainsi les mêmes courbes que celles obtenues précédemment sur la figure 3.7 pour
différentes valeurs de la taille de l’alphabet des symboles.
M=2
-1
M=4
10 M=8
M= 16
-2
10
Peb
-3
10
-4
10
0 2 4 6 8 10 12 14 16
,-
Eb/No (dB)
©
Fig. 3. 9. Probabilité d’erreur Binaire en fonction du rapport signal à bruit dans le cas
du code en ligne NRZ M-Aires
3.3. Application à l’ADSL

53
l’alphabet d’un code NRZ { = 2 -Aires doit résulter d’un compromis mettant en jeu deux notions
Des courbes de performances précédentes, nous pouvons déduire que le choix de taille de
différentes :
• L’efficacité spectrale (en bit/s/Hz) doit être la plus importante possible de manière à
• Cependant, à rapport signal à bruit 's ⁄¦: fixé, la probabilité d’erreur augmente lorsque la
transmettre un débit maximal dans une bande passante donnée,
taille de l’alphabet { = 2 croît.

Il faut donc trouver un point de fonctionnement entre ces deux comportements. Ainsi, en ADSL,
l’information binaire est transmise sur de multiples canaux fréquentiels (256 au total, cf. figure 3.10)
et la transmission est optimisée sur chaque canal.
En effet, à l’établissement de la communication, le rapport signal à bruit est mesuré sur la ligne
ADSL (courbes du haut) ce qui permet ensuite d’ajuster l’efficacité spectrale (figure du bas) entre
6bit/s/hz et 12bit/s/Hz de manière à assurer une probabilité d’erreur uniforme sur l’ensemble des
canaux fréquentiels et donc une Qualité de Service (ou QoS pour Quality of Services) maximale
compte-tenu des propriétés propres à la ligne de transmission (observables à travers le rapport
signal à bruit). Ceci revient à tracer une ligne horizontale sur la courbes de probabilité de la figure
pour une QoS donnée par ý s = 10'; , on a 's ⁄¦: { = 2 7Z , 's ⁄¦: { = 4 10.5Z ,
3.9, et à relever les rapports signaux à bruit obtenus pour les différentes tailles d’alphabet. Ainsi
's ⁄¦: { = 6 14.5Z et donc on peut imaginer, pour l’application ADSL, que d’appliquer la
règle suivante pour sélectionner la taille de l’alphabet sur chaque canal fréquentiel:
Si 's ⁄¦: < 7Z alors { = 2
Si 7Z ¨ 's ⁄¦: < 10.5Z alors { = 4
•
Si 10.5Z ¨ 's ⁄¦: < 14.5Z alors { = 8

•
•
• etc…
Fig. 3. 10. Technique de Bit Loading utilisée dans l’ADSL pour s’adapter au rapport signal
à bruit sur les 256 canaux du multiplex fréquentiel

54
Chapitre IV – Transmission sur un canal à bande limitée
Transmission
Sur un canal
A bande limitée
__________________________________________________________
1.1. Conséquence de l’insertion d’un nouveau filtre
2.1. Cas où le support fréquentiel de est inférieur à 1⁄2T
2.2. Cas où le support fréquentiel de est égal à 1⁄2T
2.3. Cas où le support fréquentiel de est supérieur à 1⁄2T
est un filtre en cosinus surélevé

3.1. Cas d’école
3.2. Cas où la réponse impulsionnelle
4- Répartition optimale du filtrage entre émetteur et récepteur
4.1. Le filtre SRRC
__________________________________________________________
Suite aux 3 premiers chapitres, nos connaissances en matière de transmission numérique de codes
en ligne nous permettent de constituer le schéma Rx/Tx suivant.
Fig. 4. 1. Système d’émetteur/récepteur pour la transmission d’un code en ligne
Le premier chapitre décrit les différents blocs nécessaires à la réalisation d’un émetteur d’un code
en ligne et nous avons également présenté des outils d’analyse afin de caractériser la DSP des codes
en ligne. L’étude du récepteur optimal menée au sein du second chapitre nous a permis de décrire

55
une structure simple du récepteur constituée de la mise en cascade d’un filtre de réception linéaire,
suivi d’une opération d’échantillonnage et d’un circuit de prise de décision. Enfin, au sein du
chapitre III, nous avons caractérisé les performances d’un ensemble émetteur-récepteur sur un
canal à Bruit Blanc Additif Gaussien (BBAG) ou Additive White Gaussian Noise (AWGN).

Malheureusement, en l’état actuel, il n’est pas raisonnable d’émettre un tel signal & dans un
canal de transmission. Prenons par exemple le cas de deux systèmes d’émission/réception tels que
représentés sur la figure ci-dessous qui schématise la transmission d’information dans les systèmes
ADSL2+. Deux types de signaux sont transmis sur la ligne ADSL : un signal en bleu représente les
informations transmises dans le sens Boîtier ASDL vers Réseau (sens dit montant), et le signal en
jaune représente la transmission des données Internet dans le sens Réseau vers Boîtier ADSL (sens
descendant). Si nous nous referons au chapitre 1, nous avons établi que la densité spectrale de
puissance du signal NRZ M-Aires possède un support fréquentiel infini (tel que le signal représenté
en bleu). Dans le cas de l’ADSL2+, c’est également le cas. Les contenus fréquentiels des 2 signaux
vont donc interférer et il ne sera plus possible de récupérer au récepteur l’un ou l’autre de ces
signaux sans y ajouter une distorsion liée à la présence de l’autre signal dans la même bande
passante.
Fig. 4. 2. Transmission d’un signal dans le sens Boîtier ASDL vers Réseau (bleu), et dans le sens
Réseau vers Boîtier ADSL (jaune) dans le cas où les 2 signaux (a) ne sont pas, ou (b) sont filtrés.
Pour éliminer cette interférence, il est nécessaire d’introduire une nouvelle opération de filtrage au
sein de la chaîne globale de transmission préalablement décrite à la figure 4.1. Cette opération de
filtrage est représentée en pointillés sur la figure 4.2(b) et elle correspond au filtre de réponse
impulsionnelle de la figure 4.3. On obtient alors le système représenté à la figure suivante :
Fig. 4. 3. Système d’émetteur/récepteur pour la transmission d’un code en ligne

56
1.1. Conséquence de l’insertion d’un nouveau filtre =" ¾

Lorsque l’on considère des signaux NRZ-Maires, le filtre de mise en forme est donné par :
1 si ∈ 0, E
ℎ =‚
0 sinon
. Ainsi, tout se passe comme si le filtre ℎ , considéré dans les

Au sein de l’émetteur, ce filtre est alors en série avec le filtre de limitation de la bande passante de
chapitres précédents, était remplacé par un filtre ℎ =ℎ ∗

réponse impulsionnelle
correspondant à la mise
série des 2 opérations de filtrage effectuées à l’émetteur.
En conséquence, le filtre de réception optimal correspond au filtre adapté à ℎ
∝ ℎ∗ − . Le signal en sortie du filtre de réception s’exprime alors :
soit donc
=K ∗
= ∗ℎ ∗ +t ∗
= ∗ +
avec les notations suivantes :
• = ℎ ∗ la réponse impulsionnelle de chaîne globale de transmission incluant

l’ensemble des opérations de filtrage à l’émetteur et au récepteur,
•
Ainsi, en insérant la relation = ∑X\

C‡'\ C < − BE dans l’expression précédente, on
X\
obtient le signal :
= % C < − BE ∗ +
C‡'\
: + E:
X\
soit encore après échantillonnage aux instants
: + E = % C : + E − BE + : + E
C‡'\
⇒ : + E = èéêéë
Q ∑T9: Q'T : + [E + èéééêé
: + èééééééêééééééë :+ é
éëE (4.1)
‹*? ¿ @U*¿ A,Ž s @*U
Le signal disponible après échantillonnage en sortie du filtre de réception est donc constitué de
trois composantes :
• Une composante de signal utile (proportionnelle à Q ) disponible à l’instant
d’échantillonnage : + E ,
• Une composante d’interférence entre les différents symboles émis C , B ≠

• Une composante de bruit,
. Il s’agit
d’un terme d’Interférence Entre Symboles ou IES (ou en anglo-américain ISI pour
InterSymbol Interference).
D’après la relation encadrée ci-dessus, il est important de noter que ce terme d’IES n’existe qu’à la
∃[ ∈ ℤ∗ , : + [E ≠ 0.
condition suivante :
Or, le support temporel de la réponse impulsionnelle du filtre ℎ

à E car ℎ correspond à la convolution entre le filtre ℎ (de support temporel E) et le filtre
est obligatoirement supérieur

57
= ℎ ∗
. Ainsi, en supposant que le filtre correspond au filtre adapté, la réponse impulsionnelle
2E ce qui provoque inévitablement l’apparition d’IES (cf. schéma ci-dessous).

globale de la chaîne de transmission possède support temporel supérieur à
Fig. 4. 4. Cas de 2 réponses impulsionnelles globales de la chaîne de transmission (haut) il n’y pas
d’IES, et (bas) il existe de l’interférence entre symboles. Ici l’instant optimal d’échantillonnage : =0
Un exemple est donné sur la figure 4.4 où est représentée une réponse impulsionnelle globale de
+ E
la chaîne de transmission dans sa version continue et dans sa version échantillonnée au rythme
:
soit supérieure à 2E implique que sa version échantillonnée va posséder au
symbole . Sur la représentation du bas, on voit que le fait que la durée de la réponse
impulsionnelle
moins 2 échantillons non-nuls ce qui est une condition suffisante pour entraîner la présence d’IES.
posséder un support temporel supérieur à 2E. Dans ces conditions, il existe une condition simple
Nous venons d’observer que la réponse impulsionnelle globale de la chaîne de transmission pouvait
qui garantit l’absence d’IES aux instants d’échantillonnage : + E. Une condition suffisante de
nullité de l’IES est alors donnée par :
si [ = 0
+ [E = ‚ :
:
0 sinon
(critère de Nyquist – Temporel)
impulsionnelle globale ait un support temporel limité (inférieur à 2E) mais sa version
Note : La condition précédente n’implique pas forcément que la version continue de la réponse
impulsionnelle suivante ne possède pas un support temporel inférieur à 2E mais sa version

échantillonnée satisfait au critère de nullité de l’IES précédent. A titre d’exemple, la réponse
échantillonnée satisfait au critère de nullité de l’interférence.

58

Soit ̃ la version échantillonnée de la réponse impulsionnelle globale de la chaîne de
transmission. Cette réponse impulsionnelle est obtenue par l’application d’un peigne de Dirac dans
X\
le domaine temporel soit :
̃ = % < − : − E
‡'\
La transformée de Fourier de cette réponse impulsionnelle est donnée par :

X\
D =W ̃ & '*()]U Z
'\
X\
= Eb ∗ Eb P % < − : − E R
‡'\
X\
1 '*()]U B
= ∗P % & © < l − mR
E E
C‡'\
X\
1 C B
⇒D = % & '*()=U© l − m I
E E
C‡'\
Cette transformée de Fourier peut également s’exprimer suivant :

X\
D =W ̃ & '*()]U Z
'\
X\ X\
=W P % < − : − E R & '*()]U Z

'\ ‡'\
X\ X\
= % W : + E < − : − E & '*()]U Z
‡'\ '\
X\ X\
% :+ E &
'*()] U© X =
W < − : − E Z
‡'\ '\
Soit en prenant en compte la condition de nullité de l’IES (ou critère de Nyquist), on obtient :
⇒D = : & '*()]U© II
En égalant les relations (I) et (II) nous obtenons l’égalité suivante :
X\
C B
% & '*()=U© l − m = E & '*()]U©
E :
C‡'\
B
− E!
X\
C
⇒ % & *() ]'=!U© = E
:
C‡'\

59
Cette dernière expression s’écrit encore suivant :

X\
B
% l − m = E FGHIèGú Kú LMNOHPI – RGéNOúSIHúT
E
C‡'\
Dans cette dernière expression, nous avons introduit une nouvelle notation c’est-à-dire une
nouvelle fonction de transfert ainsi qu’une réponse impulsionnelle :
+
= & *()]U© = 4.2
:
UV
: :
par une opération de normalisation par un facteur d’amplitude 1⁄ : ainsi qu’un décalage
Remarque : Cette nouvelle notation traduit le fait que et sa version normalisée sont liées
maximum (égal à 1) à l’instant initial = 0 comme représenté sur les figures suivantes.
temporel de la réponse impulsionnelle de manière à ce que la réponse impulsionnelle ait son
Fig. 4. 5. Relation entre la réponse globale équivalente de la chaîne de transmission (gauche) la

version non normalisée, et (droite) sa version normalisée
dupliquées tous les 1⁄E de

Le critère de Nyquist exprimé dans le domaine fréquentiel traduit le fait que la somme des versions
, soit égale à une constante E.

, transformée de Fourier de la réponse impulsionnelle normalisée
Fig. 4. 6. Un exemple de fonction de transfert globale (normalisée) vérifiant le critère de Nyquist.
somme des répliques tous les 1⁄T de la fonction de transfert en rouge donne bien une constante.
Un exemple de fonction de transfert satisfaisant à ce critère est donné sur la figure ci-dessus. La
Cependant 3 cas de figure majeurs doivent être discutés en fonction de la valeur de la bande
passante de définie par :

60
= 0, ∀ | | > .
2.1. Cas où le support fréquentiel de XÚ Y est inférieur à ×⁄ßZ

Dans ce cas, le spectre périodifié est obligatoirement nul dans l’intervalle ∈ − 1⁄2E, − ∪
, +1⁄2E modulo 1⁄E. Il n’est donc pas possible de transmettre sans IES un signal dont la rapidité
de modulation est égale à 1⁄E (Bauds) si la bande passante est inférieure à une valeur limite égale
e
(=
à , appelée bande passante de Nyquist.
2.2. Cas où le support fréquentiel de XÚ Y est égal à ×⁄ßZ
transmission est égale à la bande de Nyquist, soit = , alors l’efficacité spectrale (le nombre de
e
Lorsque la bande passante de la fonction de transfert du filtre global de la chaîne de
(=
bits/s par unité de fréquence) est maximisée. Il existe alors un unique filtre assurant la nullité
du critère d’IES :
1 => /@ =>\ sin 6 ⁄E
= E , ∀ | | < ]@@@@@@@@@@@@A = .
2E 6 ⁄E
La figure suivante illustre dans ce cas la réplique des spectres afin de satisfaire le critère de nullité
e
de l’IES. Il s’agit du filtre possédant la largeur de bande minimale afin d’assurer la condition d’IES
nulle lors de la transmission d’un message de rapidité de modulation égale à = Bauds.
2.3. Cas où le support fréquentiel de XÚ Y est supérieur à ×⁄ßZ

Malheureusement, le filtre obtenu dans le cas précédent n’est physiquement pas réalisable car il
donc une fonction de transfert n’assurant pas la continuité aux fréquences ± 1⁄2E . Il est donc
nécessite une bande de transition infiniment petite entre bande passante et bande coupée, soit
nécessaire de relâcher des contraintes si l’on souhaite trouver une solution réalisable en pratique.

61
Une possibilité est alors d’augmenter la bande passante > 1⁄2E pour transmettre un signal
numérique de rapidité de modulation de 1⁄E bauds. Dans ce cas, la solution n’est pas unique. Par
exemple toutes les réponses impulsionnelles équivalentes normalisées dont le support
temporel est inférieur à 2T, soit :
= 0, ∀| | < E
assurent la condition de nullité de l’IES (car sa version échantillonnée E ne comportera qu’un
unique échantillon non-nul). Malheureusement, cette solution correspond à une troncature du
support temporel ce qui nécessite l’utilisation d’un bande passante infinie et donc cette propriété
n’est en général pas acceptable lorsque les critères d’occupation spectrale sont sévères.
décroît rapidement (ce

Aussi d’autres solutions doivent être sélectionnées. Parmi celles-ci, la solution la plus courante vise
qui produit une moindre sensibilité au choix de : l’instant optimal d’échantillonnage), soit une
à élaborer des filtres dont l’enveloppe de la réponse impulsionnelle
réponse en fréquence plus « douce ». On montre que les filtres résultant de la convolution suivante
satisfont à la condition d’IES nulle :
sin 6 ⁄E
={ ∗ E ×Ý' e ,X e Þ U
V = 4.3
(= (= 6 ⁄E
lorsque les conditions suivantes sont vérifiées concernant la fonction { = Eb :
{ − ={
¸
{ = 0 ∀| | > > 1⁄2E
n ∈ 0,1 ) représente une solution couramment utilisée en transmission numérique :

Parmi l’ensemble des solutions possibles, le filtre en cosinus surélevé (avec un facteur de retombée
cos 6n ⁄E sin 6 ⁄E
= 4.4
1 − 2n ⁄E ( 6 ⁄E
fréquence Ý− ,+ Þ. La réponse en fréquence est réelle, positive et donnée par :

eX^ eX^
Par transformée de Fourier, on obtient son équivalent en fréquence. Ce filtre occupe la bande de
(= (=
1−n
b̀ E u- | | <
2E
`
E 6 E 1−n 1−n 1+n
= P1 + ó„u Œ l| | − m•R u- < | | < 4.5
à2 n 2E 2E 2E
` 1+n
_ 0 u- | | >
2E
On peut remarquer que, pour n = 0, les expressions précédentes correspondent à l’unique
= (=. Le facteur de retombée représente le pourcentage
e
solution obtenue dans le cas où
c7@*‹U = (= . Ainsi, lorsque n = 1, alors la bande passante est = 1⁄E soit 100% d’excès par
e
d’excès en bande passante sélectionné relativement à solution à bande passante minimale
c7@*‹U . De même, lorsque le facteur de retombée n = 0.5, alors la bande passante est
= 1.5⁄E soit 50% d’excès par rapport à
rapport à
c7@*‹U .
Les fonctions de transfert normalisées ainsi que les réponses impulsionnelles normalisées
sont représentées sur la figure suivante pour différentes valeurs de l’excès en bande passante

62
ou facteur de retombée n ∈ 0,1 . On constate sur les réponses impulsionnelles que l’amplitude
est d’autant plus faible que n est grand, et donc que la largeur de bande
̂ − : admissible dans l’estimation de
des oscillations de
est grande. Ceci a une grande incidence sur le biais /
l’instant d’échantillonnage optimal (au niveau du récepteur).
différentes valeurs du facteur de retombée (représentation limitée à ∈ −4E, +4E .

Fig. 4. 7. Réponse impulsionnelle de la chaîne de transmission en cosinus surélevé pour
différentes valeurs du facteur de retombée (représentation limitée à ∈ −4E, +4E .

Fig. 4. 8. Fonction de Transfert en cosinus surélevé de la chaîne de transmission pour
Nous pouvons constater que, quelle que soit la valeur du paramètre n, les réponses impulsionnelles
d’un filtre de Nyquist possèdent la même bande passante à -3dB :
1
d';ìe = c& f
E
= = est donc égale à =.

e e
La largeur de bande nécessaire pour transmettre un signal numérique de rapidité de modulation

63
3.1. Cas d’école

Le diagramme de l’œil est une représentation particulière
du signal disponible en sortie du filtre de réception,
juste avant le filtre de réception. Considérons le cas où le
filtre équivalent de la chaîne de transmission possède une
réponse impulsionnelle de la forme ci-contre :
= ∑X\C‡'\ C < − BE produit, en sortie du

En l’absence de bruit, la transmission synchrone des
= ∑X\ − BE
symboles
filtre de réception, un signal C‡'\ C
− BE C∈ℤ . En supposant que les symboles prennent leurs valeurs dans

correspondant à la somme des formes d’ondes
élémentaires C
−1, +1 avec C = +1, CXe = −1, CX( = +1 et CX; = +1 nous obtenons les formes d’ondes
suivantes
Sur chaque intervalle de durée T, il faut alors sommer les contributions élémentaires de chaque
forme d’onde afin de reconstituer le signal disponible en sortie du filtre de réception. C’est ce
binaire C = +1, CXe = −1, CX( = +1 et CX; = +1. Nous voyons que, sur chaque intervalle
qui est réalisé sur la figure précédente (celle du bas). Or, cette forme d’onde est spécifique à la série
dont si nous effectuons une sommation sur 2E, nous pouvons créer au maximum 8 formes d’ondes
symbole, la sommation est effectuée sur 2 couleurs (car seuls 2 symboles binaire sont influents)
élémentaires de durée 2T :

64
Le diagramme de l’œil s’obtient alors en superposant ces 8 formes formes d’ondes élémentaires
sur un même graphique. Il représente donc une superposition de plusieurs trajectoires du signal
reçu observées pendant une durée élémentaire, chacune de ces séquences représentant la forme
d’onde reçue obtenue pour une séquence particulière des symboles émis Dans l’exemple
précédent, on obtient:
3.2. Cas où la réponse impulsionnelle g ¾ est un filtre en cosinus surélevé

Lorsque la réponse impulsionnelle équivalente de la chaîne de transmission est de type cosinus
surélevé, le support temporel de cette réponse est infini (contrairement à l’exemple précédent où
la réponse impulsionnelle avait un support temporel de 2T). Il va donc exister une infinité de formes
d’ondes élémentaires mais il est cependant possible de les représenter par superposition sur un
même diagramme : c’est le diagramme de l’œil.
binaire q = −1, +1 ou quaternaire q = ±1, ±3 . Nous pouvons constater que le choix du

Celui-ci est représenté sur les deux figures ci-après dans le cas où l’alphabet des symboles est
facteur retombé n influence grandement l’allure du diagramme de l’œil. Nous pouvons constater
que tous les diagrammes de l’œil possèdent les caractéristiques suivantes :
Pour chaque intervalle symbole BE, B + 1 E , il existe un instant particulier : + BE avec
: ∈ 0, E , tel que le signal
•
ne puisse prendre uniquement 2 valeurs (dans le cas binaire)

65
ou 4 valeurs (dans le cas quaternaire) : c’est l’instant optimal d’échantillonnage. On dit
Le choix d’un facteur de retombée n proche de zéro génère des formes d’ondes présentant
alors que l’œil est ouvert au maximum.
•
davantage de dynamisme dans les oscillations. Ceci est en conformité avec les courbes
A contrario, pour n proche de 1, nous pouvons constater que le fait d’augmenter la bande
représentées à la Figure 4.7.
passante de 100% permet d’obtenir un œil plus ouvert que lorsque n est proche de zéro (et
•
donc la bande passante correspond alors à celle minimale de Nyquist).
Fig. 4. 9. Diagrammes de l’œil obtenus en sortie du filtre adapté pour une réponse impulsionnelle en
cosinus surélevé du canal de transmission pour différentes valeurs du facteur de retombée.
L’importance du choix du facteur de retombée est bien visible sur les courbes représentées
d’échantillonnage avec une erreur, c’est-à-dire que l’on a ̂/ = : + h alors la propriété

à la figure 4.10. Si le circuit de synchronisation au sein du récepteur estime l’instant optimal
d’ouverture de l’œil reste vraie pour |h| < 0.16 E (si n = 0), |h| < 0.25 E (si n = 0.5), et
|h| < 0.35 E (si n = 1). Le choix d’un facteur de retombé proche de l’unité impose donc, au
sein du récepteur, des contraintes moins fortes sur le circuit d’estimation de l’instant
optimal d’échantillonnage.

66
Fig. 4. 10. Diagrammes de l’œil obtenus en sortie du filtre adapté pour une réponse impulsionnelle
en cosinus surélevé du canal de transmission pour différentes valeurs du facteur de retombée.
Par ailleurs, le digramme de l’œil est un élément fondamental dans l’analyse des performances d’un
système de communication numérique. En effet, il permet d’observer les caractéristiques
suivantes :
• La largeur horizontale de l’œil détermine la sensibilité du récepteur au choix de l’instant
d’échantillonnage,
• L’ouverture verticale de l’œil représente la séparation entre les niveaux lors du cas le plus
défavorable d’IES. Lorsque l’IES est trop forte et que l’ouverture n’est plus possible, l’œil est
fermé. L’ouverture verticale de l’œil définit la marge au bruit correspondant à l’amplitude
maximale du bruit autorisant une démodulation correcte du signal reçu
• La pente de l’œil permet d’apprécier la sensibilité du récepteur à la gigue en temps
(variance du temps de groupe). Une forte pente indique que l’œil se ferme rapidement
lorsque le retard varie par rapport à sa valeur moyenne..
• La dynamique des distorsions en temps et en amplitude introduites par les différents filtres
peut également être évaluée.
• Le rapport signal à bruit obtenu après échantillonnage au rythme symbole (au sein du
récepteur) peut également être mesuré simplement à partir de l’analyse du digramme de
l’œil.

67
Ces différentes caractéristiques pouvant être analysées à partir du diagramme de l’œil sont
rappelées sur la figure suivante.
4. Répartition optimale du filtrage entre émetteur et récepteur

Si la réponse impulsionnelle globale de la chaîne de transmission vérifie le critère de Nyquist
de nullité de l’interférence entre symbole, alors la relation (4.1) ne comporte uniquement deux
termes (car l’IES est nulle du fait du choix de la réponse impulsionnelle globale de la chaîne de
transmission) simplifie selon :
⇒ : + E = èéêéë
Q : + èé :+ é
ééêé éëE (4.6)
‹*? ¿ @U*¿ s @*U
Ainsi, après échantillonnage du signal en sortie du filtre de réception, le signal est donné par la
relation (4.5). Cette dernière relation est identique à celle obtenue précédemment au chapitre 3.
Pour un alphabet M-Aires à symboles équiprobables, la probabilité d’erreur sera identique à celle
obtenue précédemment en absence d’IES, soit :
{−1
ý = & ó avec =
:
{ √2 J
4.1. Le filtre SRRC
d’onde reçue ℎ =ℎ ∗
Le minimum de probabilité sera alors obtenu lorsque le filtre de réception sera adapté à la forme
, soit donc lorsque :
=>
= & ℎ : − & ∈ ℝ∗X iV a = & & '*()]U© c ∗ 4.7
Si l’on tient compte de la relation (4.2) liant les fonctions de transfert et , on a :
=c a = : & '*()]U© (4.8)
où satisfait au critère de Nyquist. En insérant la relation (4.7) dans (4.8), on obtient :

68
& '*()]U©
∗
a = & & Œ •
'·()]U© :
a
⇒ |a |( = & : ∗
Or d’après (4.2), on a | | = h h ce qui implique alors :

j ]
U©
|a | = √& | |e/(
En notant que =c a , on obtient alors l’expression du filtrage global effectué à
1
l’émetteur selon :
|c |= | |e/(
√&
En supposant que le filtre d’émission possède une phase telle que :
1
c = | |e/( & * ? k ]
√&
Alors l’expression du filtre de réception est obtenue suivant :
a = √& | |e/( & '* ()]U© X ? k ] !
c’est-à-dire que la fonction de transfert

Bien évidemment pour que (4.5) soit vérifiée, il faut que la condition de nullité de l’IES soit satisfaite,
équivalente de la chaîne de transmission vérifie le
critère de Nyquist (par exemple de type filtre en cosinus surélevé).
Remarque 1: Dans le cas du chapitre 3, en absence d’IES, cette propriété d’équi-répartition du

module de la fonction de transfert équivalente de la chaîne de réception était naturellement
vérifiée à travers le principe du filtre adapté. .
Remarque 2: La forme d’onde reçue est donnée par l’allure de la réponse impulsionnelle ℎ =
ℎ ∗
réponse impulsionnelle ℎ à la place de la mise en série des deux filtres ℎ
. Au niveau de l’émetteur, il est alors possible de construire directement le filtre de
et . En
pratique, ces filtres sont implémentés en numérique, il suffit donc de construire le filtre de
suivante : ℎ = æ-[æ
réception à temps discret puis d’en déduire le filtre d’émission en effectuant l’opération
c’est à dire en inversant l’ordre des coefficients du filtre par
rapport à ceux de .
& = 1, ce qui conduit alors à la propriété d’équi-répartition du module du filtre de Nyquist entre
Remarque 3: Sans perdre de généralité, on peut tout à fait choisir un facteur de proportionalité
á
l’émetteur et le récepteur. Les fonctions des transfert des filtres d’émission et réception étant en
, on parle alors de filtre en racine de cosinus-surélevé (ou SRRC pour square-root Nyquist
filter).
On peut alors définir un filtre de réception normalisé en amplitude (tel que le retard de
groupe du filtre soit nul dont les caractéristiques sont données par les relations ci-dessous. On peut
nullité de l’IES (car sa réponse impulsionnelle n’est pas nulle aux instants = BE, B ∈ ℤ mais par
remarquer sur la figure 4.11 que le filtre SRRC ne respecte pas la condition temporelle exprimant la

69
contre la mise en cascade de 2 filtres SRRC (l’un à l’émission et l’autre à la réception)) respectera ce
critère.
1−n
b̀ √E u- | | <
2E
`
E 6 E 1−n 1−n 1+n
a = * P1 + cos Œ l| | − m•R u- < | | <
à 2 n 2E 2E 2E
` 1+n 4.4
_ 0 u- | | >
2E
sin 1 − n 6 ⁄E
2n cos 1 + n 6 ⁄E +
4n ⁄E
⇔ =
6√E 1 − 4n ⁄E (
Fig. 4. 11. Réponse impulsionnelle en racine de cosinus surélevé (SRRC : Square-Root Raised Cosine
filter) du canal de transmission pour différentes valeurs du facteur de retombée.

Dans le cas où l’on utilise des filtres SRRC à l’émetteur et au récepteur, il n’a pas d’IES aux instants
d’échantillonnage et la relation (4.6) est vérifiée. Cette relation est alors identique à la relation (3.4)
établie précédemment au Chapitre III.
Conformément à l’analyse menée au paragraphe 2.5 de ce même chapitre, la probabilité d’erreur
sur les symboles est alors donnée par :
{−1 ‖ℎ − ∆ ‖ {−1 3 log ( { 's

ý = erfc Œ •⟹ ý = erfc ã* ( ä
{ á¦: { { − 1 ¦:
Cette relation a déjà été analysée au sein du chapitre précédent. Se reporter à la Figure 3.7 du
chapitre III pour une représentation graphique des courbes de probabilité d’erreur en fonction du
probabilité d’erreur par élément binaire à ý s = ý ⁄log ( { .

rapport signal à bruit. De même, l’utilisation d’un codage de Gray permettra de minimiser la

70
Une conclusion importante à ce chapitre est que la limitation de la bande de fréquence par le filtre
est sans conséquence sur les performances du système de transmission pourvu que la
réponse impulsionnelle équivalente de la chaîne satisfasse (aux instant d’échantillonnage) la
condition de Nyquist et que ce filtrage soit équiréparti entre l’émetteur et le récepteur.

71

72
Chapitre V – Transmission sur fréquence porteuse
Transmission
Numérique sur
Fréquence porteuse
__________________________________________________________
2.3. Le diagramme de constellation de la modulation numérique PSK -2
2.1. Récepteur n°1 : filtrage SRRC en fréquence intermédiaire (IF)
2.2. Récepteur n°2 : filtrage passe-bas en IF, puis filtrage SRRC en BdB
4- Enveloppe complexe - Equivalent en bande de base
__________________________________________________________
c’est-à-dire pour des fréquences ∈ Ý− ( , + ( Þ soit donc situées proches de la fréquence nulle.
Les chapitres précédents se sont concentrés sur la transmission de l’information en Bande de Base
e e
fréquences centrées sur une fréquence particulière : ≫ 2 .

Cependant, dans de nombreuses applications, la transmission doit être effectuée sur une bande de
On dit alors que la transmission est effectuée sur fréquence porteuse et à bande étroite car, dans la
majorité des cas, la fréquence porteuse : est très grande devant la bande passante occupée par le
signal transmis. Un exemple de telles situations est représenté sur la figure suivante obtenue à
porteuse : = 900{cf (3G) ainsi que sur le fréquence porteuse de : = 2.4 acf (Wifi). Ces 2
l’aide d’un analyseur de spectre où l’on observe une transmission à bande étroite sur une fréquence
émetteurs peuvent donc être qualifiés d’émetteurs sur fréquence porteuse à bande étroite.

73
Pour effectuer ce type de transmission, il est nécessaire d’incorporer de nouvelles fonctionnalités

au sein de l’émetteur par rapport à celles décrite lors des chapitres précédents. Celles-ci sont
schématisées sur la figure suivante. L’émetteur comporte alors deux parties bien distinctes : une
partie de transmission en Bande de Base (BdB) et une partie Haute Fréquence (ou encore RF pour
radio fréquence) assurant la transposition du signal vers la fréquence porteuse. Que cela soit pour
l’émetteur ou bien pour le récepteur, les traitements effectués en bande de base correspondent
exactement aux éléments discutés au sein des chapitres précédents.
Fig. 5. 1. Transmission en bande étroite sur fréquence porteuse. Schéma de l’émetteur (Tx) et du
récepteur (Rx).
Concernant la partie HF, l’émetteur incorpore un oscillateur local à la fréquence : afin de

transposer le signal & à bande étroite (soit donc de rythme lent) vers la fréquence porteuse
souhaitée :
2
&( = &e * cos 26
E :

74
la figure 5.2 dans le cas particulier d’un signal & de type M-Aires ({ = 4 et filtre de mise en forme
L’effet de l’opération de cette opération de transposition en fréquence porteuse est schématisé à
rectangulaire). Nous pouvons observer sur ce schéma que l’amplitude du signal &′
du temps à un rythme dicté par celui de l’information en bande de base & . La porteuse est donc
varie au cours
modulée en amplitude sur { = 4 niveaux possibles d’amplitude : on parle alors de modulation

numérique d’amplitude sur 4 niveaux ou d’ASK-4 (Amplitude Shift Keying). En sortie d’émetteur,
un amplificateur à haute puissance (High Power Amplifier ou HPA) est inséré afin d’émettre, dans
le canal de propagation, le signal avec la puissance moyenne voulue compte-tenu du rapport signal
à bruit cible au niveau du récepteur.
Au niveau du récepteur, le signal reçu est tout d’abord amplifié à l’aide d’un amplificateur faible
bruit (Low Noise Amplifier ou LNA) car il impératif que le premier élément de la chaîne de réception
n’introduise par de bruit parasite dans la chaîne de transmission (conformément à l’analyse du
facteur de bruit d’un système à partir de la formule de Friis). En sortie de l’amplificateur faible bruit,
le signal reçu est multiplié par un oscillateur local dont la fréquence d’oscillation est identique à
transmission est parfait (c’est dire que K( = &( ), cette multiplication entraîne l’apparition de
celui utilisé à l’émetteur (en l’absence d’effet Doppler bien sûr). En supposant que la canal de
2 termes après multiplication par l’oscillateur local de réception :

2 2
K( * cos 26 = & cos ( 26 :
E :
E
1
= & 1 + cos 46
E :
Après filtrage passe-bas, on obtient le signal K ≅ & à l’entrée de la partie Bande de Base du
e
=
récepteur soit donc exactement le même signal signal que celui ayant été transmis mais à un
porteuse était « transparente » et ne servait qu’à adapter les caractéristiques du signal &( vis-à-
facteur constant près. Tout se passe donc comme si l’opération de transposition en fréquence
vis des caractéristiques physiques du canal de propagation.
après transposition (bas) pour une séquence de symboles M-Aires ⋯ + 3, −1, −3, +1, ⋯.
Fig. 5. 2. Opération de transposition en fréquence porteuse : signal avant transposition (haut) et

75

Par rapport à la situation décrite ci-avant en introduction de ce chapitre, nous allons constater qu’il
est possible d’améliorer l’efficacité de la transmission en considérant une représentation des
scalaire entre 2 signaux _ et ¡ suivant :

signaux à bande étroite dans une base orthonormée. Pour cela, définissons tout d’abord le produit
CXe =
〈_ ,¡ 〉=W _ ¡∗ Z
C=
Considérons les 2 signaux suivants qui correspondent à deux porteuses en quadrature (l’une de
l’autre) :
2 2 6
- = * cos 26 & 2 = * cos 26 + !
E :
E :
2
sin 26
B + 1 E − sin 26 : BE
Nous obtenons alors les caractéristiques :
‖- ‖( = 〈- ,- 〉 = 1 + Œ •
:
46 : E
sin 26 : B + 1 E − sin 26 : BE
‖2 ‖( = 〈2 , 2 〉 = 1 − Œ •
46 : E
cos 26 : B + 1 E − cos 26 : BE
〈- , 2 〉 = Œ •
46 : E
différence entre 2 sinus (ou cosinus) ; leur valeur est donc toujours bornée entre −2, +2 . Par
Les termes entre parenthèses présents au numérateur de ces expressions correspondent à la
1
contre, si l’on suppose que les conditions de bande étroite sont satisfaites c’est-à-dire que :
: ≫ d';ìe = ⇔ :E ≫ 1
E
alors, les 2 porteuses précédentes définissent une base orthonormée car :
‖- ‖( ≅ 1, ‖2 ‖( ≅ 1 et 〈- ,2 〉≅0
On dit que ces 2 porteuses sont en quadrature (sous-entendu de phase). Comme avec toute base
orthonormée, il est alors envisageable de transmettre de l’information sur chacune des 2 porteuses
transmis par utilisation des propriétés d’orthogonalité entre les 2 porteuses - et 2 . Ce principe
précédentes tout en étant capable, au niveau du récepteur, de séparer les 2 flux d’informations ainsi
r = re = r( = 1⁄Es (bit/s), puis chacun des 2 émetteurs effectue une même opération
est schématisé à la figure 5.3 : chaque émetteur transmet sa propre information binaire à un débit
d’association binaire à symboles M-Aires (avec { = 2 ) ce qui crée 2 flux de symboles =

∑C B < − BE et b = ∑C t B < − BE de même rapidité de modulation = e = ( =
1⁄E (bauds) où E = Es .
La bande passante occupée par le signal transmis par chacun des deux émetteurs est = de =
d( = 1⁄ Es . Le système ainsi constitué permet donc de transmettre globalement un débit binaire
de 2 œ r bit/s dans une bande passante de d = 1⁄ Es ce qui conduit à une efficacité spectrale de
2 bit/s/Hz. Cette dernière a donc été doublée par rapport aux systèmes décrits antérieurement
dans les chapitres précédents.

76
Fig. 5. 3. Transmission de l’information sur deux porteuses en quadrature en considérant 2

émetteurs distincts.

Qu’elle soit analogique ou numérique, la modulation de porteuse consiste à faire varier un
paramètre de l’onde sinusoïdale, appelée onde porteuse, en fonction d’un signal qui constitue
l’information à transmettre, appelée signal modulant. Ainsi, un signal modulé est de la forme :
&( = cos 26 : +o
où le paramètre modulé peut être l’amplitude , la phase o ou la fréquence lorsque la phase
comporte une caractéristique linéaire en fonction du temps.
A partir de l’expression ci-dessus le signal peut encore s’écrire suivant :
&( = èééé cos
éêéé oééë cos 26 : − èééé sin
éêéé oééë sin 26 :
%( U %( p U
= =
= &* - + &7 2
Ainsi, tout signal modulé peut se décomposer sur les 2 porteuses en quadrature - et 2
étudiées précédemment Par convention, on dénomme - la porteuse dite de « la voie en phase »
(ou In phase) et 2 la porteuse de « la voie en quadrature ». Pour une modulation numérique,
modulants &* et &7

l’élément primordial est que l’information à transmettre est discrète ce qui impose que les signaux
paramètres variant à rythme = 1⁄E.

possèdent leur propre rapidité de modulation et donc possèdent des

Dans cet esprit, il est possible d’envisager de modifier le système de transmission précédent de
manière à ne plus considérer 2 émetteurs indépendants mais, au contraire, de considérer un
r = = , avec Es, = Es ⁄2 suivie d’une opération d’association binaire à symbole spécifique puisque
e
émetteur unique. Pour cela, à la figure 5.4, nous considérons une source binaire de débit double
qu’elle produit des symboles ó B = B + ¹t B ∈ q et donc n’appartenant plus à ℝ comme

-
auparavant. Par contre, les symboles possèdent toujours une rapidité de modulation de = 1⁄E

77
B C∈ℤ et t B C∈ℤ appartiennent chacun à un

alphabet M-Aires (avec { = 2 ), l’efficacité spectrale ainsi obtenue est donnée par :
(bauds). Si l’on suppose que les signaux discrets
r 1⁄Es, E
= = , = 2 bit/s/Hz
d 1⁄E Es
B C∈ℤ et t B C∈ℤ véhiculent chacun une information binaire à un
rythme de bits par symbole de durée E. Nous obtenons donc la même efficacité spectrale que
étant donné que les signaux
celle du système précédent qui était décrit à partir de 2 émetteurs.

Les coefficients du filtre de mise en forme d’onde SRRC étant réels, nous obtenons les signaux
modulants suivants :
&* = ∑C B ℎ − BE et &7 = ∑C t B ℎ − BE
B C∈ℤ et t B C∈ℤ appartiennent chacun à un alphabet
M-Aires (avec { = 2 ), on parle alors de modulation d’amplitude sur 2 porteuses en quadrature
Etant donné que les signaux discrets
(ou QAM pour Quadrature Amplitude modulation).
Fig. 5. 4. Transmission de l’information sur deux porteuses en quadrature en considérant un

émetteur unique.

Afin de clarifier l’opération d’association binaire à symbole, considérons le cas particulier où = 1,
c’est-à-dire que les signaux a B et les t B appartiennent à un même alphabet binaire −1, +1 . A
symboles conduit ainsi à générer des symboles complexes ó B ∈ q = ±1 ± ¹ comme

partir de chaque doublet binaire issu de la source binaire, l’opération d’association binaire à
représenté sur la figure ci-dessous.
Fig. 5. 5. Association binaire à symboles dans un alphabet à 2( symboles appartenant à q.

78
tel que indiqué à la figure 5.6. Ce diagramme vise à représenter le signal modulé & Á à travers une
Ces différentes opérations sont couramment représentées à travers un diagramme bidimensionnel
trajectoire temporelle dans le repère 0, - , 2 . Ainsi, le diagramme ainsi obtenu dans le plan
signaux modulants &* = ∑C B ℎ − BE et &7 = ∑C t B ℎ − BE . Les trajectoires

complexe représente une image du signal modulé à partir de l’évolution temporelle des deux
représentées en bleu sur la figure 5.6 représentent ainsi le signal modulé & Á
de mise en forme ℎ correspond à un filtre de Nyquist de paramètre n = 0.35. Sur ce même

dans le cas où le filtre
forme de type rectangulaire c’est-à-dire que ∀ ∈ ℝ, &* ∈ −1, +1 et ∀ ∈ ℝ, &7 ∈

diagramme est également représenté à l’aide de points (oranges) dans le cas d’un filtre de mise en
−1, +1 ce qui se réduit à uniquement 4 points dans le diagramme bidimensionnel.

Cette dernière représentation du signal modulé (obtenue dans le cas d’un filtre de mise en forme
rectangulaire) possède un nom spécifique : il s’agit du diagramme de constellation (ou simplement
constellation) de la modulation.
Fig. 5. 6. Représentation de la modulation QAM-4 dans le repère 0, - , 2

filtre de mise en forme de type cosinus surélevé de paramètre n = 0.35.
dans le cas d’un
Fig. 5. 7. Constellation de la modulation QAM-4.

79
Ce diagramme est représenté spécifiquement sur la figure 5.7 où chaque point correspond à un état
de la modulation. Il est d’usage de représenter également sur ce diagramme la correspondance
effectuée entre les valeurs binaires et les différents états de la modulation. Le diagramme de
constellation permet donc concentrer en une seule opération l’ensemble des opérations effectuées
à l’émission (mis à part le filtrage de mise en forme d’onde).
2.2. Le diagramme de constellation de la modulation numérique QAM-ßu
comportant un plus grand nombre d’états de modulation. Ainsi, dans le cas où où = 2, c’est-à-
Le principe général décrit à la figure 5.4 peut donc être étendu à des modulations QAM numériques
dire que les signaux a B et les t B appartiennent à un même alphabet binaire −3, −1, +1, +3 ,
et des symboles complexes à valeurs dans un alphabet q = ±1 ± ¹, ±1 ± 3¹, ±3 ± ¹, ±3 ± 3¹ tel

il est possible de considérer directement une opération d’association entre des quadruplets binaires
que ó Z q = 2 . L’efficacité spectrale ainsi obtenue est de ² = w = 4 t- /u⁄cf et la

v
modulation numérique QAM ainsi réalisée est la QAM-16. Cette modulation est obtenue par
modulation de l’amplitude de 2 porteuses en quadrature c’est pourquoi elle est appelée modulation
d’amplitude (sur 2 porteuses) en quadrature ou QAM (pour Quadrature Amplitude Modulation).
Les trajectoires représentées en bleu sur la figure 5.9 représentent ainsi le signal modulé &( dans
le cas où le filtre de mise en forme ℎ correspond à un filtre de Nyquist de paramètre n = 1
(valeur maximale afin d’obtenir le maximum d’ouverture). Sur ce même diagramme est également
c’est-à-dire que ∀ ∈ ℝ, &* ∈ ±1, ±3 et ∀ ∈ ℝ, &7 ∈ ±1, ±3 ce qui se réduit à

représenté à l’aide de points (oranges) dans le cas d’un filtre de mise en forme de type rectangulaire
uniquement 16 points dans le diagramme bidimensionnel. Ces 16 points représentent donc la

constellation de la modulation QAM-16.
Fig. 5. 8. Association binaire à symboles MAQ-16 dans un alphabet à 2 symboles appartenant à q.

80
Fig. 5. 9. Représentation de la modulation QAM-16 dans le repère 0, - , 2

filtre de mise en forme de type cosinus surélevé de paramètre n = 1.
dans le cas d’un
La figure suivante donne le détail de l’évolution temporelle des composantes individuelles en
complexes −1 − 3¹, −3 + 3¹ et 1 + ¹.
phase et en quadrature du signal modulé QAM-16 pour un séquence spécifique de 3 symboles
Fig. 5. 10. Modulation QAM-16 : (droite) composantes &* - en bleu et &7 2

(gauche) signal modulé &( = &* - + &7 2
(en vert)
Il est ainsi possible de construire des modulations numériques QAM-2 à grands nombres d’état de
manière à améliorer l’efficacité spectrale de la chaîne de transmission mais, bien sûr, cette
augmentation du nombre d’états de la modulation réside dans la plus grande sensibilité au bruit de
ces modulations. Ainsi par exemple les adaptateurs par Courants Porteurs en Ligne (CPL) de type
AV2 à 500-Mbit/s utilisent des modulations de type 1024-QAM et 4096-QAM ce qui autorise une
transmission par protocole Ethernet avec une efficacité spectrale de 10 et 12 bit/s/Hz. La figure ci-
après présente les principales modulations de type QAM utilisées dans les réseaux de transmissions
numériques.

81
2.3. Le diagramme de constellation de la modulation numérique QAM-ßu

En généralisant l’approche précédente, dont le schéma de principe est donné à la figure 5.4, il est
dictées par la règle d’association binaire à symbole et/ou par le choix de l’alphabet q des symboles
possible de construire des modulations numériques spécifiques dont les caractéristiques sont
complexes ó B C∈ℤ . Dans cet esprit, une modulation numérique de phase ou PSK-2 (pour Phase
Shift Keying) comportant { = 2 états définis par les phases x* = 2- ⁄{6 , - = 0, … , { − 1 peut
où { = 8).
ainsi être construite en considérant la règle d’association donnée à la figure ci-dessous (dans le cas
un alphabet à 2 symboles appartenant à q, (droite) constellation de la modulation PSK-16.

Fig. 5. 11. Modulation numérique de phase PSK-16. (gauche) Association binaire à symboles dans

En considérant que le canal de propagation est parfait, le signal K( reçu à l’entrée du récepteur
est identique au signal &( émis par l’émetteur. Ainsi, le signal reçu peut se décomposer selon 2
composantes sinusoïdales en quadrature suivant K( = &* - + &7 2 où &* =
∑C B ℎ − BE et &7 = ∑C t B ℎ − BE . Le rôle du récepteur consiste à récupérer les
signaux discrets B C∈ℤ et t B C∈ℤ à partir de l’observation du signal K( .

82
3.1. Récepteur n°1 : filtrage SRRC en fréquence intermédiaire (IF)
récepteur. Le signal reçu K( s’écrivant suivant :

Une première structure est obtenue en exploitant les relations d’orthogonalité au niveau du
K( =% B èé
ℎ éééêé
− BEéé-éë + - % t B ℎ
èééé− 2éë
BEéé
éêé
C C
@ U'C= y U'C=
le signal reçu par les formes d’ondes émises _ et ¡ , puis en intégrant le signal ainsi obtenu
nous savons depuis le chapitre II que le récepteur optimal (cf. figure 2.2) est obtenu en multipliant
sur une durée symbole E, soit:

U© X CXe = z =
U© X CXe
W K( _ Z et W K( ¡ Z
U© XC= U© XC=
Ainsi, le récepteur optimal à base de corrélateur est représenté par la figure suivante. Une structure
E par une opération de filtrage adapté à ℎ suivie par un échantillonneur aux instants : + E.
équivalente peut être obtenue en remplaçant (cf. page 31) l’opération d’intégration sur une durée
Fig. 5. 12.(a) Emetteur et Récepteur utilisant une modulation numérique linéaire sur 2 porteuses en
quadrature : filtrage en fréquence porteuse.
3.2. Récepteur n°2 : avec filtrage passe-bas en IF puis filtrage SRRC en BdB
Une seconde réalisation consiste à séparer les 2 composantes transmises sur les voies en phase et
quadrature à partir d’une multiplication par les oscillateurs locaux suivie d’une opération de filtrage
passe-bas. Les signaux obtenus en bande de base correspondent à :
K( - = &* - ( + &7 - 2
1 + ó„u 26 2 : u- 26 2 :
= &* Œ • − &7
2 2
{÷8Ë|}:~ &* ⁄2
?@@@@@@A
et K( 2 = &* - 2 + &7 2 (
u- 26 2 1 − ó„u 26 2
= −&* + &7 Œ •
: :
2 2

{÷8Ë|}:~ &7 ⁄2
?@@@@@@A

83
L’opération de filtrage passe-bas sera efficace car les formes d’ondes classiques ℎ
∈ Ý− !,+ !Þ et, de plus, les signaux sont à
eX^ eX^
assurant la
(= (=
bande étroite c’est-à-dire : E ≫ 1.
nullité de l’IES ont un support spectral borné
On retrouve donc les signaux transmis par l’émetteur sur les voies en phase et en quadrature. Le
traitement est ensuite effectué sur chacune des voies conformément aux règles établies dans les
chapitres précédents :
• filtrage adapté par un filtre SRCC pour garantir la condition de nullité de l’IES et la
échantillonnage à l’instant optimal ̂: garantissant l’ouverture maximal du diagramme de

minimisation de la probabilité d’erreur,
•
décisions þ B et t• B dans les alphabets correspondants aux symboles émis sur les voies
l’œil,
•
constitution de la décision ó̂ B = þ B + ¹ t• B du symbole complexe,

en phase et quadrature,
•
• inspection de la table d’association « Symbole à Binaire »
L’ensemble de ces opérations est synthétisé sur la figure suivante.
Fig. 5. 12. Emetteur et Récepteur utilisant une modulation numérique linéaire sur 2 porteuses en
quadrature :
4. Enveloppe complexe - Equivalent en bande de base

Considérons le signal émis à bande étroite _ . Si celui-ci est de type passe bande tel que € ≠
0, ∀ ∈ : − , : + ∪ − : − , − : + alors il existe un unique signal complexe _• de
bande passante − , tel que :

84
_ = èééé cos
éêéé oééë cos 26 : − èééé sin
éêéé oééë sin 26 :
%( @ U %( @p U
= =
2
= ℝ& ã* _* + ¹ _7 ! & ·()]© U ä
E
= ℝe _• & ·()]© U
Nous pouvons donc écrire :
2 2
_ = * _* cos 26 − _7 sin 26 ! ⇒ _• = * _* + ¹ _7 ! 5.1
E : :
E
Le signal _• est appelé enveloppe complexe du signal _ à bande étroite autour de la

fréquence porteuse : . Il s’agit d’une représentation du signal permettant de faire abstraction de la
notion de fréquence porteuse (qui est sous-jacente).
‚
La transformée de Fourier € de l’enveloppe complexe _• est donnée pour un signal à bande
étroite tel que € = 0, ∀ ∈ − , par les relations :
€X u- ∈ + , +∞ ‚
€ = iƒV € = Eb _• = 2 € X + 5.2
€' u- ∈ −∞, − :
Or pour un signal à bande étroite _ donné par :
2
_ = * _* cos 26 − _7 sin 26 !
E : :
sa Transformée de Fourier est donnée par :
2 δ − +δ + δ − −δ +
= * P€* ∗Œ • − €7 ∗Œ •R
: : : :
€
E 2 2-
2 €* − + €* + €7 − − €7 +
= * PŒ •+-Œ •R
: : : :
E 2 2

85
2 €* − : + -€7 − : 2 €* − : − -€7 + :
= * Œ •+* Œ •
E 2
èéééééééééêéééééééééë E 2
èéééééééééêéééééééééë
…Ï ] …\ ]
‚
On en déduit que la transformée de Fourier € de l’enveloppe complexe _• obéit à la relation
suivante :
2
‚
€ = 2 € X + =* € + -€7 !
:
E *
Nous obtenons donc la propriété suivante :
2 2
_• = * _* + ¹ _7 ‚
! iV € = * €* + -€7 ! 5.3
E E

Considérons maintenant l’opération élémentaire de filtrage d’un signal à bande étroite :
2
_ = * _* cos 26 − _7 sin 26 !
E : :
par un filtre linéaire, invariant dans le temps, de réponse impulsionnelle ℎ . Le signal à bande
étroite _ ayant sa densité spectrale de puissance localisée aux fréquences ∈ − : − , − : +
∪ : − , : + , les caractéristiques du filtre sont principalement décrites par sa fonction de
transfert dans ces mêmes bandes de fréquences. Ainsi, le filtre peut être également considéré à
bande étroite soit :
ℎ = ℎ* cos 26 : − ℎ7 sin 26 :
soit dans le domaine fréquentiel :

c* − : + -c7 − : c* − : − -c7 + :
c =Œ •+Œ •
2
èééééééééêééééééééë 2
èééééééééêééééééééë
kÏ ] k\ ]
Le signal =ℎ ∗_ obtenu en sortie du filtre est alors donné par :

=c €
= cX + c' €X + €'
=c € X
èéééêéééë
X
+c
èé'
€ é
ééêé '
éë
Ï ] \ ]
Car les supports spectraux des différentes composantes . X et . ' sont disjoints. Cette dernière
relation nous permet alors d’exprimer l’enveloppe complexe du signal disponible en sortie de filtre
par :
† = 2 X
+ : par déf.
= cX + : 2 € X + :

86
c* + -c7 ℎ* + -ℎ7
⇒† =Œ • ›† ⇔• =Œ • ∗ K• 5.4
2 2
Ce qui peut encore s’exprimer selon

ℎ* + -ℎ7
ℎ† =Œ • 5.5
2
l’entrée et à la sortie d’une opération de filtrage. Le filtre réel ℎ à bande étroite peut alors être
La relation (5.4) exprime le lien existant entre les enveloppes complexes des signaux présents à
représenté en bande de base par un filtre équivalent ℎ†

valeurs dans q.
dont les coefficients prennent leurs

Nous pouvons alors utiliser les notions définies aux relations (5.1), et (5.4) pour représenter un
système de transmission sur onde porteuse sous la forme d’un système équivalent en bande de
base (BdB) qui manipule les représentations en BdB (c’est-à-dire non réel sans réalité physique) au
lieu représentations (signaux, systèmes) réelles. Ainsi:
les signaux réels _ , ∈ ℝ( , de fréquence maximale : + , seraient
remplacés par leurs enveloppes complexes _• , • ∈ q( définies par (5.1), et de
•
fréquence maximale ,
les systèmes linéaires réels de réponse impulsionnelle ℎ ∈ ℝ seraient remplacés
par équivalents en bande de base ℎ † ∈ q, donnés par (5.4).
•
Fig. 5. 13. Système équivalent en bande de base du système décrit à la figure 5.12.
Un tel système, décrit à la figure 5.13, est appelé système équivalent en base de base. Dans un tel
schéma la fréquence porteuse n’intervient plus directement. L’intérêt d’une telle représentation
devient évident si l’on considère les versions numériques des signaux et systèmes. Ainsi dans le

87
système réel, les signaux _ , et les systèmes ℎ

fréquence d’échantillonnage > 2 : +
devraient être numérisés à une
base, les enveloppes complexes _• , • et les systèmes équivalents ℎ† doivent peuvent être
, alors que dans le système équivalent en bande de
numérisés à une fréquence d’échantillonnage largement inférieure > 2 .

Pour se convaincre de l’intérêt d’une telle représentation, un signal GSM à : = 900{cf de bande
passante = 100Bcf nécessiterait d’utiliser une fréquence d’échantillonnage > 1.8acf pour
d’échantillonnage > 200Bcf dans la représentation équivalente en bande de base. Ceci est
uen représentation avec le système réel, alors qu’il ne nécessite qu’une fréquence
particulièrement intéressant afin d’estimer (en laboratoire, sur calculateurs) les performances de
nouvelles solutions techniques à intégrer des ans les futurs Tx/Rx : les concepts peuvent être valider
sur calculateurs en faisant abstraction de la fréquence porteuse en travaillant avec les
représentations (signaux et systèmes) équivalentes en bande de base.

Si l’on examine de plus près les propriétés des modulations numériques précédemment étudiées
telles que les modulations de type MAQ ou PSK, on se rend compte que lors des très brefs instants
de transition entre les états de modulation (par exemple sur les figures 5.6 et 5.9) que l’amplitude
du signal peut prendre à ces instants des valeurs très faibles et proches de zéro. À d’autres instants,
l’amplitude de ces mêmes signaux correspond à des valeurs importantes. Ainsi, au niveau de
l’émetteur, l’amplificateur va devoir opérer linéairement à la fois dans une gamme « petits signaux »
et également dans une gamme « grands signaux ». Malheureusement, il sera nécessaire de faire
un choix pour positionner le point de fonctionnement (et donc l’amplificateur ne sera linéaire que
autour de ce point de fonctionnement) soit aux « petits signaux » ou bien « grands signaux ». Ceci
engendrera inévitablement un phénomène de non-linéarité dans la chaîne de transmission ce qui
va dégrader fortement les performances du système d’émission/réception qui repose sur des
hypothèses fortes de linéarité des systèmes.
Pour caractériser ce phénomène, il est courant de mesurer le PAPR (Peak-to-Average Power Ratio)
définit par le rapport de l’amplitude maximale (au carré) du signal divisée par la variance du signal,
max |K |(
soit :
PAPR =
|K |( − M(
Afin de réduire le facteur PAPR, et donc simplifier les contraintes apportées sur les étages
d’amplification du signal RF, des modulations numériques spécifiques ont été développées. Nous
allons en décrire plusieurs ci-après parmi les plus utilisées.
Afin de minimiser les effets néfastes liés aux transitions de ±6 (donc passage proche de l’amplitude
= ∑C B < − BE et t = ∑C t B < − BE
zéro) entre les états de la modulation numérique utilisée, une première solution vise à faire en sorte
que les signaux en phase et en quadrature
ne puissent pas simultanément changer de valeurs.
E⁄2 ce qui produite les modulations à trains décalés de type O-QAM (pour Offset QAM) ou O-PSK
Une manière simple de satisfaire cette contrainte consiste à décaler l’un de ces 2 trains binaires de
(pour Offset PSK). La figure suivante représente les trajectoires générées par une telle modulation
dans le cas spécifique d’une modulation Offset QPSK avec un filtrage de mise en forme de type
cosinus-surélevé. Si l’on compare cette figure avec celle de la figure 5.6, nous constatons que simple

88
fait de décaler l’une des 2 voies de E⁄2 permet de faire en sorte qu’il existe un sous-espace (centré
sur l’origine) vierge de toutes trajectoires. Ainsi, le signal modulé résultant ne nécessitera d’être
amplifié qu’uniquement sur une gamme « grands signaux » ce qui va automatiquement libérer des
PAPR sera plus faible que pour une modulation QPSK classique.
degrés de liberté dans les choix de conception de l’amplificateur de puissance car le paramètre
repère 0, - , 2 . Cas d’un filtre de mise en forme en cosinus surélevé de paramètre n = 0.35.
Fig. 5. 14. Représentation de la modulation Offset QAM-4 (encore appelée Offset QPSK) dans le
Comme les modulations O-QPSK et QPSK ne diffèrent qu’uniquement par un retard d’un demi-
symbole apporté sur l’un des voies I et Q, ces deux types de modulation vont alors posséder la
même densité spectrale de puissance, ainsi que les mêmes caractéristiques de probabilité d’erreur
binaire.
Nous venons de voir que les modulations à trains décalés permettent de générer un signal modulé
de type Offset 2 -PSK ne s’accordent pas avec les opérations d’encodage/décodage différentiel.
à faible PAPR ce qui constitue une caractéristique intéressante. Malheureusement, les modulations
Pour outrepasser cette difficulté, un nouveau type de modulations numériques a été proposé dont
différentes (se déduisant l’une de l’autre par une rotation de phase), chacune comportant { = 2
le principe consiste à faire en sorte que 2 symboles successifs appartiennent à 2 constellations
états de modulation.
)
Le principe est exposé ci-après dans le cas d’une modulation type -QPSK (mais le principe de base
générés lors des instants pairs 2[E [ ∈ ℕ appartiennent à une première modulation de type
peut être appliqué à d’autres modulations numériques). Le principe est le suivant : les symboles
QPSK, et ceux générés lors des instants impairs 2[ + 1 E [ ∈ ℕ vont appartenir à une seconde
modulation (cette dernière étant obtenue en appliquant une rotation élémentaire de 6⁄4 vis-à-vis
de la première modulation). Ainsi, sur la figure ci-dessous, le modulateur va indéfiniment passer
d’un état de modulation appartenant à la constellation orange à un état appartenant à la
constellation en bleu clair. Ainsi, la partie centrale de cette représentation ne comporte aucune
trajectoire réalisable ce qui permet de réduire le paramètre PAPR par rapport à une constellation
QPSK classique.

89
)
-QPSK dans le repère 0, - ,2
mise en forme en cosinus surélevé de paramètre n = 0.35.
Fig. 5. 15. Représentation de la modulation . Cas d’un filtre de
Dans le même esprit, la norme EDGE (pour Enhanced Data Rates for GSM Evolution) faisant partie
des solutions de 2.5G de l'UIT (Union Internationale des Télécommunications) décrit une évolution
;)
du système GPRS (pour General Packet Radio Service) utilisant une modulation de type Š -8PSK.
intéressante vis-à-vis du paramètre PAPR (pas de saut de phase de ±6 et des contraintes associées
Cette solution permet d’atteindre une efficacité spectrale de 3 bit/s/Hz tout en offrant une solution
liées à la conception des amplificateurs de puissance HF. Le diagramme représentant les

trajectoires autorisées des voies en phase/quadrature est donnée à la figure 5.16.
Du côté récepteur, plusieurs techniques de démodulation peuvent être utilisées : détection
différentielle en fréquence intermédiaire (IF), ou en bande de base (BdB) , mais au prix d’une
dégradation des performances (sur la probabilité d’erreur) de 2 à 3dB. Il est également possible de
réaliser une détection cohérente ce qui garantit alors des performances équivalentes à celles de la
démodulation cohérente des modulations PSK correspondantes.
;)
-8PSK dans le repère 0, - ,2
Š
Fig. 5. 16. Représentation de la modulation . Mise en forme à
l’aide d’un filtre de Laurent.

90
Annexe I – Fonction erreur complémentaire

91

92
Annexe I - Quelques propriétés de la fonction d’erreur complémentaire

La fonction d’erreur complémentaire est une fonction définie sur ℝ et à valeurs dans −2, +2
définie par :
2 X\
erfc ∶ K ⟼ erfc K = W exp −_( Z_
√6 M
sur ℝ et sa dérivée :
−2
Cette fonction est dérivable est donnée par
erfc′ K = exp −K ( , ∀K ∈ ℝ
√6
La fonction est donc strictement décroissante sur ℝ. Elle possède par ailleurs les limites suivantes :

lim erfc K = ` exp −_( Z_ = 2 `'\ exp − ( ! Z = 2
( X\ X\ e UI
M→'\ √) '\ √()
lim erfc K = lim ` exp −_( Z_ = 0

(X\
et
M→X\ M→X\ √ ) M
Nous obtenons ainsi la représentation graphique suivante :
2.5
1.5
erfc(x)
0.5
-0.5
-1
-4 -3 -2 -1 0 1 2 3 4
x

93
94
Projet −
Simulation d’une chaîne complète

de Transmission Numérique
Objectifs du projet :
• Comprendre les principales notions vues dans le cours de communication numérique : filtrage
adapté, détecteur à seuils, temps optimal d’échantillonnage, conditions de Nyquist, interférence
entre symboles, filtre en cosinus surélevé, probabilité d’erreur.
• Savoir simuler un système de transmission numérique (opération de sur-échantillonnage) en
utilisant des signaux à temps discrets et des filtres numériques à la place des signaux et filtres à
temps continus définis en cours.
Partie I – Analyse des propriétés spectrales de Codes en Ligne
Dans cette première partie, nous allons tout d’abord construire un émetteur produisant un code en ligne de
type NRZ – M-Aires. Pour cela, réaliser les étapes suivantes :
contrôler les probabilités d’émission de « 1 » et de « 0 » en spécifiant la valeur de [: = ℙ n = "0" la

1. Ecrire une fonction matlab BinaireGen(.) générant des données binaires aléatoires dont il est possible de
0,1 et construire la suite binaire n

probabilité d’émettre des zéros binaires. Pour cela, il faudra travailler à partir de la loi uniforme U sur
∈ℕ suivant le principe ci-après :
2. Ecrire une fonction matlab SymboleGen(.) réalisant l’association entre données binaires n ∈ℕ et
symboles M-Aires B C∈ℕ tout en respectant l’encodage de Gray. Pour implémenter efficacement
cette fonction, on profitera des instructions (« reshape(.) » ) et de l’instruction (« find(.) »). On s’inspirera
avantageusement de l’exemple ci-après où b est un tableau 2 x 5000 :
>> size(b)
ans =
2 500
>> indice = find(b(1,:)==0 & b(2,:)==1)
B C∈ℕ par le filtre de filtre de mise en forme (NRZ) suivant :

3. Ecrire une fonction matlab wavegen(.) qui réalise le filtrage de la suite de symboles M-Aires
ℎ = ‚ƒ u- ∈ 0, E
0 u- „

95
Projet −
B C∈ℕ représente le signal à temps

= ∑C B < − BE , et qu’il nous faut calculer le signal émis & =ℎ ∗
A ce stade, il faut bien comprendre que la séquence discrète
continu . Bien
« fréquence d’échantillonnage ». On va donc travailler à une fréquence d’échantillonnage = ý⁄E avec

évidemment, ce filtrage va être implémenté sous la forme d’un filtre numérique et, qui dit « numérique » dit
ý ∈ ℕ\ 0,1 , soit donc ý fois plus grande que le rythme des symboles = 1⁄E. Le paramètre ý est
communément appelé facteur de suréchantillonnage.
Il faudra donc :
à la fréquence = ý⁄E ce qui est équivalent à insérer ý − 1 zéros entre 2
B C∈ℕ
• Echantillonner
Calculer la réponse impulsionnelle du filtre à temps discret ℎ

échantillons consécutifs de
de ℎ à une fréquence = ý⁄E.

• correspondant à l’échantillonnage
• Calculer le signal en sortie de filtre & à l’aide de l’instruction « filter(.) »
4. Etude de la densité spectrale " & ·() > du code en ligne. Ecrire une fonction matlab analysedsp(.) qui
estime la densité spectrale de puissance du code en ligne à partir de la méthode du périodogramme
moyenné vue en cours de « Signaux Aléatoires ». Pour cela, on s’inspirera du pseudocode suivant :
>> nfft = 1024
>> indicebloc = (1:nfft)
>> DSP = zeros(1,nfft)
>> while (indicebloc (end) < length(e))
utiliser e(indicebloc) pour incrémenter la DSP suivant
le principe du périodogramme moyenné
indicebloc = indicebloc + nfft % bloc suivant
end
abscisse l’axe des fréquences et en ordonnée la DSP (exprimée en dB soit 10 loge: . ). Le codage de la
Cette boucle permet d’estimer la DSP et il est nécessaire d’afficher le résultat sur une figure présentant en
affichage sur b ∈ 0,1 ⇔ ∈ 0,

fréquence associée à la DSP est souvent source d’erreurs, aussi cette étape est explicitée ci-après pour un
>> deltafreq = 1/nfft

>> freq = (0:nfft-1)*deltafreq
>> plot(freq,DSP_dB)
ou bien si l’on préfère un affichage sur b ∈ Ý− ( , + (Þ ⇔ ∈ Ý− ( , + ( Þ
e e ] ]
>> deltafreq = 1/nfft

>> freq = (-nfft/2:-1+nfft/2)*deltafreq
>> plot(freq, fftshift(DSP_dB))
5. Etudier les propriétés de la densité spectrale de puissance de & dans différents cas de configuration :
• Faire varier la probabilité d’émission d’un éros binaire [: = ℙ n = "0"

• Faire varier la taille de l’alphabet M-Aires
• Faire varier le facteur de suréchantillonnage ý

Noter soigneusement vos observations et faire, à chaque fois, le lien avec la théorie vue en cours afin
d’être en mesure de bien expliquer que les caractéristiques de la DSP estimée sont bien en cohérence
avec les représentations graphiques prévues par la théorie.
Refaire l’analyse effectuée dans la partie précédente mais en considérant le code en ligne Manchester.

96
Projet −
Le code bi-phase binaire ou Manchester. Dans ce cas l’alphabet des symboles est q = −1,1 et le filtre
de mise en forme d’onde est caractérisé par :
+ƒ u- ∈ 0, E
ℎ = −ƒ u- ∈ E/2, E
0 u- „
Dans ce cas :
Faire varier la probabilité d’émission d’un zéros binaire [: = ℙ n = "0"
Faire varier le facteur de suréchantillonnage ý
•
•
Noter vos observations et faire, à chaque fois, le lien avec la théorie vue en cours afin d’être en mesure de
bien expliquer que les caractéristiques de la DSP estimée sont bien en cohérence avec la théorie.
Partie II – Récepteur (Rx) d’un code en ligne transmis en bande de base

Revenons au cas du code NRZ-M Aires (avec { = 2 , on choisira M=8) et réalisons le récepteur :
Le filtre de réception sera le « filtre adapté » soit = & ℎ : − soit encore sous la forme d’une
= ℎèêë − ∗ èé
< éêé
− éë ∗ &<
èêë
convolution de trois opérations élémentaire :
:
éU T °e éU T °( éU T °;
le choix de l’instant optimal : de l’échantillonneur à : + E. Les opérations réalisées au récepteur sont

L’étape n°2 ne sera pas réalisée car elle correspond à un retard pur et donc son influence sera intégrée dans
alors les suivantes :
• Filtrage du signal reçu par ℎ − ce qui correspond à un retournement de l’axe temporel par rapport à
ℎ . Ce filtrage est effectuée au rythme sur-échantillonné = ý⁄E.
• Echantillonnage du signal disponible en sortie du filtre de réception à : + E soit donc au rythme =
1⁄E. Pour cela, il faut sous-échantillonner d’un facteur ý le signal présent en sortie du filtre de
réception pour ne garder qu’un seul échantillon sur ý échantillons consécutifs. Attention ! Il faudra pour
cela sélectionner avec précaution l’instant optimal d’échantillonnage optimal : qui maximise le rapport
signal à bruit du signal après sous-échantillonnage et donc essayer toutes les ý possibilités de : ∈ 0, E
⇔ : ∈ 0, ýE c’est-à-dire :
o Choisir : = 0, puis sous-échantillonner d’un facteur ý le signal

signal f* B ainsi obtenu. La stocker dans un tableau.
et calculer la puissance du
o Choisir : = ý − 1, puis sous-échantillonner d’un facteur ý le signal

…
du signal f* B ainsi obtenu. La stocker dans un tableau.

et calculer la puissance
o Finalement la valeur optimale de ̂: est celle qui maximise la puissance du signal f* B après
l’opération de sous-échantillonnage
• La 3ème opération consiste après sous-échantillonnage à appliquer un facteur multiplicatif & > 0 (on
puissance du signal de décision f/@U B soit adaptée aux seuils utilisés au sein du circuit de décision.
appelle cela une CAG pour Commande Automatique de Gain) dont le but est de faire en sorte que la

97
Projet −
Généralement, les seuils sont calculés en faisant l’hypothèse que f/@U B ait une puissance unitaire.
Supposons (cas du NRZ_8 Aires) que f/@U B ∈ q = ±∆, ±3∆, ±5∆, ±7∆, :
2∆( 1 + 3( + 5( + 7(
Š
|f/@U B |( = % f* ( ℙ f/@U B = f* = = 21 ∆(
8
*‡e
Donc il existe un lien entre la puissance de f B et la valeur des seuils de décision :

|f/@U B |( ý ]
∆( = = 1
21 21
Donc le principe est le suivant : on fixe a priori la puissance du signal f/@U B a une valeur particulière
|f/@U B |( = • ] , et on va s’assurer (cf. page suivante) avec le calcul du facteur multiplicatif K que les
seuils de décisions (et donc ∆ respecte bien la relation (1) précédente : c’est le rôle d’une commande de gain
automatique.
En résumant ces opérations, il faut donc réaliser le dispositif suivant :
La commande automatique de Gain

Il nous reste juste à faire la CAG, c’est-à-dire un calcul itératif qui va automatiquement converger vers la
valeur optimale de K c’est à dire celle qui vérifie la relation (1). En effet, on remarque que :
• ]
|f/@U B |( = & ( |f* B |( ⇒ & = *
|f* B |(
les statistiques d’ensemble . ne nous sont pas accessibles. On passe alors par l’hypothèse d’ergodicité
Malheureusement, en pratique, on ne connaît pas la densité de probabilité de ces signaux aléatoires et donc
'e
1
pour les remplacer par les statistiques temporelles. On estime alors :
++++++++++++
|f• B |( = lim % |f* |( 2
⟶X\ ¦
Q‡:
1
Pour cela, on étudie la quantité :
•‘ = % |f* |(
+1
Q‡:
'e
1 1
Cette quantité vérifie l’égalité suivante :
•‘ = % |f* |( = P|f* |( + % |f* |( R

+1 +1
Q‡: Q‡:
'e
1 1
⇒ •‘ = |f |( + ! % |f* |(
+1 * +1
Q‡:

98
Projet −
1
⇒ •‘ = |f |( + ! •‘ − 1
+1 * +1
⇒ •‘ = 1 − ° |f* |( + ° •‘ − 1 avec ° ∈ 0,1 3

On obtient ainsi une mise à jour itérative de la commande automatique de Gain donnée par :
ý
& =* 4
]
•‘
• Les relations (3) et (4) réalisent l’algorithme de CAG (on choisira ° très proche de 1). Vous écrirez donc
2 fonctions : l’une puissancemoy(.) correspondra à la mise en œuvre de (3), et la seconde CAG(.)
correspondra à la mise en œuvre de (4).
Afin de vérifier que la commande automatique de gain fonctionne correctement, on étudiera
o L’évolution temporelle du gain &
o L’évolution temporelle de la puissance & ( œ •‘ et sa convergence vers ý ]
• Une fois que le fonctionnement de la CAG est validé, réaliser le circuit de décision en utilisant la relation
(1), puis le mapping « symbole à Binaire » dual de celui effectué à l’émission. On utilisera
avantageusement l’instruction « find(.) » pour ces dernières opérations.
Partie III – Evaluation du taux d’erreur binaire de la liaison
les 2 séquences binaires disponibles : celle de l’émetteur n ∈ℕ et celle du récepteur n þ

Le récepteur étant prêt, nous allons maintenant évaluer ses performances. Pour cela nous allons comparer
∈ℕ . Or la
séquence binaire décodée au récepteur n’est pas synchronisée sur celle de l’émetteur en raison des retards
introduits par les opérations de filtrage de la chaîne de transmissions. Il faut donc les resynchroniser.
Le principe est le suivant : on transforme tout d’abord les données unipolaires n ∈ℕ et n þ ∈ℕ à

valeurs dans 0,1 en des données bipolaires _ ∈ℕ et _
þ ∈ℕ à valeurs dans −1, +1 . Le système
peut être schématisé suivant :
Dans ce cas, la séquence _ ∈ℕ est une séquence i.i.d. (indépendante et identiquement distribuée) et
= +1 [: + −1 [e = [: − [e
donc :
B = _ _ −B = J@( <C,: + @ avec
( @
J@( = +1 ( [: + −1 ( [e − @( = 1 − @(
@@
B = _ _
– −B = _ _ −x−B = B+x
On a alors :
–
@@ @@
–
@@ B , il est possible de déterminer la
valeur du retard x.
Ainsi, en déterminant le maximum de la fonction d’intercorrélation

99
Projet −
• Utiliser l’estimateur non-biaisé de la fonction d’intercorrélation entre _ et _þ

La synchronisation des 2 flux binaires
∈ℕ ∈ℕ pour
déterminer le décalage temporel existant entre les 2 séquences bipolaires :
1 'e'|C|
•@@ B = % _ _
– − B pour B = 0, −1 , … , − ¦ − 1
¦ − |B| ‡:
_þ ∈ℕ sera retardée par rapport à _

On ne calculera cette fonction d’intercorrelation que pour des décalages k négatifs car on sait que forcément
la séquence ∈ℕ . Après avoir affiché la fonction
d’intercorrélation, on déterminera le retard assurant le synchronisation selon la règle :
x• = − argmax •@@ B
C∈’:, 'e“
séquences n ∈ℕ et n þ
Il faudra veiller à choisir le paramètre N suffisamment grand de manière à ce que le retard existant entre les
∈ℕ soit très inférieur (≪) à N.
• Les séquences n −x ∈ℕ et nþ ∈ℕ seront alors parfaitement synchronisées.

Une fois que les flux binaires sont synchronisés, il est possible d’estimer la probabilité d’erreur binaire en
évaluant le Taux d’Erreur Binaire (TEB) par la méthode de Monte-Carlo :
>> Pour allant de 1 à ¦ = length n − x
>> Si n ≠ nþ + x alors TEB = 1 sinon TEB = 0
>> Estimer le taux d’erreur binaire : TEB = 1⁄¦ ∑ ‡e TEB
Partie IV – Performances sur le canal BBAG (Bruit Blanc additif Gaussien)

Nous allons maintenant ajouter du bruit t entre l’émetteur et le récepteur pour simuler l’influence du
avec une variance Js( qui soit liée au rapport signal à bruit 's ⁄¦: voulu :
canal à bruit blanc, centré, additif et gaussien. Par contre, il va falloir faire très attention à injecter le bruit
ss 1, 2 =
t t != <
2− = ( . Ici, sous ®Matlab, nous allons uniquement
¦0
1 ce qui implique que Js
∗
En théorie (voir paragraphe 2.3) la covariance du bruit blanc additif gaussien est donnée par
( ©
1 2 2
d’échantillonnage 1⁄E = ý⁄E (soit en sur-échantillonné d’un facteur ý par rapport au rythme symbole). La
générer un bruit « pseudo-blanc » dont la bande passante sera forcément limitée par la fréquences
fonction de covariance (et sa transformée de Fourier) du bruit ainsi généré seront alors:
¦:
Donc on aura sous Matlab :
Js( = 0 =
ss
2 E
Par ailleurs, l’énergie transmise par symbole sera donnée par :
=
'‹ = ŒW |& _ |( Z_• = ý œ E œ mean |& |(
èéééééêéééééë
: èééééééééêééééééééë
é ?* T é#4 U*¿¿/ =
é ?* T ‹cQs/¿ =

100
Projet −
Donc, à partir des 2 dernières formules, on peut écrire :
's '‹ ý E œ mean |& |( ý œ mean |& |( ý œ mean |& |(

= = = ⇒ J (
=
¦: ¦: œ log ( { 2 E Js( œ log ( { 2 œ log ( { œ Js( s '
2 œ log ( { œ s
¦:
's ⁄¦:
• Pour un rapport signal à bruit 's ⁄¦: allant de 0dB à 16dB
Tracé du Taux d’Erreur Binaire =
ìe
1/ Faire l’émetteur NRZ-M Aires générant un signal & , = 0,1, … .

2/ en déduire la valeur de 's ⁄¦: (en échelle linéaire et non plus en dB)
3/ Calculer la valeur de mean |& |( et, en utilisant la relation précédente, en déduire la valeur Js(
4/ générer un bruit blanc, gaussien, centré, d’écart-type Js : t ∼ – 0, Js utiliser « rand(.) »
5/ Ajouter ce bruit au signal émis : K =& +t , = 0,1, … .
6/ Appliquer le récepteur sur K , = 0,1, … . et mémoriser le TEB obtenu pour ce 's ⁄¦: ìe
• Tracer la courbe de TEB= 's ⁄¦: en utilisant l’instruction « semilogy(.) ». Comparer cette courbe
expérimentale avec la courbe théorique de la probabilité d’erreur ý = 's ⁄¦: vue dans le cours. On
utilisera l’instruction « erfc(.) » disponible sous Matlab pour calculer la fonction d’erreur complémentaire.
Partie V – Performances sur un canal à bande limitée
filtre de mise forme ℎ rectangulaire du code NRZ par un filtre SRRC (Square-Root Raised Cosine filter) en
On souhaite maintenant limiter la bande passante du signal émis par l’émetteur. Pour cela, on remplace le
utilisant la commande :
>> h = rcosine(fs, baud Rate, flag, roll-off, delay)
où :
• fs (frequency sampling): fréquence d’échantillonnage (de fonctionnement du filtre numérique)
• Baud Rate : rythme des symboles
• Flag : 'fir/normal' pour filtre de Nyquist - 'fir/sqrt' pour filtre SRRC
• Delay : retard de groupe du filtre exprimé en nombre de symbole (valeur par défaut 3). Vous pouvez
l’analyser à l’aide de la commande
>> grpdelay(h,1,N) avec N=2048 par exemple.
Le paramètre Delay sert en fin de compte à modifier le nombre de coefficients de votre filtre numérique
SRRC. Si vous voulez que le filtre comporte davantage de coefficients (pour vraiment supprimer l’IES) alors
vous pouvez fixer Delay à 5,7,9,11,…
Performances sur un canal à bande limitée
• Calculer les coefficients du filtre de mise en forme de type SRRC à l’émetteur. Pour cela, on précisera un
Baud Rate normalisé à R=1 et donc la fréquence d’échantillonnage sera de fs=P
• Insérer ce filtre à la place du filtre de réponse impulsionnelle rectangulaire utilisé jusqu’à présent.
• En déduire le filtre de réception correspondant au filtre adapté. Attention, il faudra de nouveau optimiser
le choix de l’instant optimal de sous-échantillonnage au Rx car les retards de groupe des filtres auront
changé par rapport à précédemment.
• Vérifier que ces filtres Tx et Rx mis en série satisfont au critère de Nyquist (instruction « conv(.) »)
• Vérifier que la bande passante du signal transmis est limitée (par rapport au cas de la partie I) en
• Se placer dans un cas de 's ⁄¦: ìe favorable (30 dB par exmple) et vérifier que le récepteur ne fait
observant la DSP du signal émis par le Tx
aucune erreur de détection

101
Projet −
• Une fois que c’est fait, vous pouvez tracer la courbe de TEB= 't ⁄¦0 conformément à la procédure
établie en partie IV.
• Qu’observe-t-on ? Ces résultats sont-ils en accord avec la théorie ?
Partie VI – Modulation numérique et Transmission en fréquence porteuse

On conserve la structure précédente utilisant un filtre de mise en forme SRRC (Square-Root Raised Cosine
filter) et on modifie l’émetteur/récepteur en suivant les étapes ci-dessous.
Transmission sur fréquence porteuse
o Considérer une unique voie en phase - où —: =

= cos 26+++0 :⁄
• Faire la transmission sur onde porteuse
est la fréquence
On choisira un facteur de sur-échantillonnage ý important pour cette partie.

porteuse adimensionnée (encore appelée « normalisée »)
o
Pour éviter le phénomène de repliement de spectre de la composante à 2 / qui se générée au niveau du

récepteur, il faudra choisir / telle que
1
b <+
E‹ 4
/ 2 1 1
iƒV ≪ +++0 = /⁄ < −
1
a − ≫ 1 ý 4 ý
_ / E‹ E‹
fréquence à 2 :. On utilisera l’instruction « fir1(.) » en faisant bien attention au choix de la fréquence de

Attention, au récepteur, il faudra ajouter un filtre passe-bas de type FIR pour éliminer la composante
coupure Wn ∈ 0,1 de ce filtre passe-bas, puis on effectuera le filtrage à l’aide de « filter(.) ».

o Valider votre ensemble Tx/Rx, en observant les DSP des signaux émis en fréquence porteuse
Insérer une voie en quadrature 2 = cos 26+++0 + 6⁄2

et en s’assurant que le TEB est nul en absence de bruit sur le canal.
•
complexes ó = ∑X\
C‡: ó B < − BE où ó B = B + -t B
o modifier l’association binaire à symboles de manière à travailler avec des symboles
∵
o Tracer la constellation de la modulation ainsi obtenue
o Tracer les différentes trajectoires possibles entre les états de modulation en représentant
l’enveloppe complexe du signal émis sur un diagramme bi-dimensionnel

102

Enssat2A CoursCommunicationsNumriques

Transféré par

Droits d'auteur :

Formats disponibles

Enssat2A CoursCommunicationsNumriques

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Enssat2A CoursCommunicationsNumriques

Transféré par

Droits d'auteur :

Formats disponibles

DENSITE SPECTRALE DE

PUISSANCE D’UN CODE

Communication Numériques II - ENSSAT/Electronique - P. Scalart

1. Notion de Densité Spectrale de Puissance

Chapitre II – Structure générale du récepteur optimal .....................................p.21

1. Problématique vue du récepteur

Chapitre III – Transmission en bande de base : performances du récepteur …..p.37

Communication Numériques II - ENSSAT/Electronique - P. Scalart

1. Nécessité de rajouter une opération de filtrage

est un filtre en cosinus surélevé

Chapitre V – Transmission sur fréquence porteuse ........................................ p.71

1. Représentation des signaux à bande étroite

Communication Numériques II - ENSSAT/Electronique - P. Scalart

Communication Numériques II - ENSSAT/Electronique - P. Scalart

1. Notion de Densité Spectrale de Puissance

Or la fonction d’auto-covariance est hermitienne -. &. = ∗

" ℱ = 0 +2% 2 cos 262ℱ

" ℱ =% & '()* ℱ

Communication Numériques II - ENSSAT/Electronique - P. Scalart

fréquence 1⁄E, la fréquence adimensionnée s’écrit ℱ = E et l’on a :

" =" + ∑C∈ℤ < − !

= J ( + ∑C∈ℤ < − ! + 2 ∑7∈ℕ 2 cos 262 E

A partir de la variable aléatoire , on construit maintenant un second signal aléatoire :

d’onde de réponse impulsionnelle ℎ déterministe, et invariant dans le temps.

Cependant ni le signal ni le signal K ne sont stationnaires. En effet, la fonction de

Communication Numériques II - ENSSAT/Electronique - P. Scalart

=ℎ ∗ ℎ∗ − = `'\ ℎ _ ℎ∗ _ − Z_, on obtient :

dernier pouvant disparaître lorsque l’on a c ! = 0, ∀B ∈ ℤ∗ .

Cas particulier : lorsque le signal aléatoire K correspond à un processus i.i.d. (indépendant et

c’est-à-dire Γ 2 = 0, ∀2 ∈ ℕ∗ , la d.s.p précédente se simplifie en :

Communication Numériques II - ENSSAT/Electronique - P. Scalart

2. Structure générale d’un générateur de code en ligne

par une loi de probabilité [: = o n B = "0" et [e = 1 − [: = o n B = "1" . Ces données

∈ q , puis le signal ainsi constitué

un filtre de mise forme afin de constituer un signal K

Fig. 1.1. Structure générale d’un générateur de code en ligne

Communication Numériques II - ENSSAT/Electronique - P. Scalart

∈ q (l’ensemble q est appelé l’alphabet des symboles), la suite de symboles va

3. Etude de la d.s.p. du code NRZ « M-Aires »

card q = { avec { = 2T . Par exemple, pour { = 8, on a q = ±1, ±3, ±5, ±7 et donc

En supposant équiprobabilité ℙ =2 − 1 = 1⁄{ , nous obtenons alors les statistiques

Communication Numériques II - ENSSAT/Electronique - P. Scalart

Or on a les égalités suivantes : ∑*‡: - ( = et ∑*‡: - =

= 1⁄ [Es décroit lorsque le nombre d’éléments

Communication Numériques II - ENSSAT/Electronique - P. Scalart

Communication Numériques II - ENSSAT/Electronique - P. Scalart

Communication Numériques II - ENSSAT/Electronique - P. Scalart

1. Problématique vue du récepteur

et caractérisé par sa fonction de covariance ss e , ( = t e t ∗ ( . En communications

propagation ∆= : + BE avec : ∈ 0, E . Ainsi, au récepteur, le signal reçu peut alors s’écrire :

K =& −∆ +t , ∀ ∈ : + BE, : + B+1 E (2.1)

Communication Numériques II - ENSSAT/Electronique - P. Scalart

récepteur un signal bruité K comme représenté ci-après.

: + BE, : + B + 1 E , de sélectionner un nombre entier – ∈ ’1, {“ correspondant à l’indice du

choisira l’indice – ∈ ’1, {“ qui maximise probabilité conditionnellement au signal d’observation

Communication Numériques II - ENSSAT/Electronique - P. Scalart

– = argmax ℙ & = &Q š› =K

= argmax ℙ & = &Q ,› =K / ℙ › =K

= argmax ℙ › =K š& = &Q œℙ & = &Q /ℙ › =K

Or on a les égalités suivantes : ∑‡: - ( = et ∑‡: - =

Or on a Kž = ∑‡e n ¥* et donc, d’après les conclusions établies dans la section précédente,