République Algérienne Démocratique et Populaire

Ministère de l’enseignement supérieur et de la recherche scientifique

Université 8Mai 1945 – Guelma
Faculté des sciences et de la Technologie
Département d’Electronique et Télécommunications

Mémoire de fin d'étude

Pour l’obtention du diplôme de Master Académique
Domaine : Sciences et Technologie

Filière : Télécommunications
Spécialité : Réseaux et Télécommunications

Etude et Analyse de Méthodes de Beamforming pour des Systèmes Multi-utilisateurs

Pour la 5G

Présenté par :
DEHEMCHI MARWA
BOUHAFER ASMA

Sous la direction de :
Dr. BOUKHAROUBA ABDELHAK

juillet 2019
 Remerciements
En préambule à ce mémoire nous remerciant ALLAH qui nous aide
et nous donne la patience et le courage durant ces langues années
d'étude.

Nous souhaitant adresser nos remerciements les plus sincères aux

personnes qui nous ont apporté leur aide et qui ont contribué à
l'élaboration de cette mémoire ainsi qu'à la réussite de cette
formidable

année universitaire.

Ces remerciements vont tout d'abord au corps professoral et

administratif de la Faculté des Sciences et de la Technologie de
Département d'Electronique et Télécommunication, Juridiques et
sociales, pour la richesse et la qualité de leur enseignement et qui
déploient de grands efforts pour assurer à leurs étudiants une
formation actualisée.

Nous tenant à remercier sincèrement Monsieur Boukharouba

Abdelhak, qui, en tant que Directeur de mémoire, se sont toujours
montrés à l'écoute et très disponible tout au long de la réalisation de
cette mémoire, ainsi pour l'inspiration, l'aide et le temps qu'ils ont
bien voulu nous consacrer et sans qui cette mémoire n'aurait jamais
vue le jour.
On n'oublie pas nos parents pour leur contribution, leur soutien et
leur patience.

Enfin, nous adressons nos plus sincères remerciements à tous nos

proches et amis, qui nous ont toujours encouragés au cours de

la réalisation de cette mémoire.

Merci à tous et à toutes.

A mes parents.
A mes frères Anis et Yasser.
A toute ma famille et mes amis.

« Mieux vaut savoir bien que savoir beaucoup; mieux vaut ne

savoir rien que de savoir mal. » André Grétry.

D.M
Je remercie dieu de m’avoir donné le courage pour accomplir
ce modeste travail que je dédie : à mes très chers parents qui
sont la bougie qui illumine ma vie
A mon frère Mounder
A ma sœur Soulef
Et les enfants de ma sœur Rassim et Ilina
Aucune dédicace ne saurait exprimer l’amour, l’estime, le
dévouement et le respect que j’ai
toujours pour vous.
Et a tous les membres de ma famille Hammadi.
A mes très chers amis et à tous mes enseignants
Et à tous ceux que j’aime beaucoup, et qui m’aiment.

Bouhafer Asma
Résumé

es systèmes de communication sans fil sont devenus l’un des sujets de

L recherche courants en raison de son rôle important dans presque tous les
domaines, de la communication au commerce, à l’industrie, même à la
sécurité et à la santé avec la nouvelle génération de réseau la 5G.

Le but de cette étude est de répondre au souhait du client d’obtenir une bonne qualité
de service en plus des débits binaires élevés, et d’offrir le service aux plus possible
des gens en augmentant la capacité du système en utilisant une multitude de
nouvelles technologies.

Ce processus est divisé en 3 étapes essentielles. Premièrement, l’estimation de canal,

est une technique permettant de connaître les coefficients des différents sous-canaux,
puis de connaître notre canal de transmission de manière à ce que le signal transmis
soit facilement récupéré à la réception, ce qui contribue également à réduire l'effet
du canal à trajets multiples. Deuxièmement, l'utilisation du système Massive MIMO
constitue la solution optimale pour atteindre l'énorme capacité de système souhaitée,
la transmission à haute vitesse. Enfin, les technologies de réseau d’antennes
Beamforming sont utilisées pour éliminer et résoudre les nombreux problèmes
techniques auxquels la mise en œuvre du système Massive MIMO est confrontée.

L’objectif principal de ce travail est de discuter des différents algorithmes

d’estimation de canal afin de déterminer les techniques d’estimation optimales
appropriées au déploiement dans les systèmes de transmission 5G, et de clarifier
l’importance de l’utilisation du réseau d’antennes et de la formation de faisceau pour
atteindre le performance optimale.

Mots clés: 5G, Estimation du canal, MIMO Massif, Antenne linéaire intelligente,
Beamforming.
Abstract

W
ireless communication systems has became one of the common
research subjects according to its important role in almost all the fields
starting with communications and coming to commerce, industry even
security and health with the new network generation the 5G

The purpose of those studies is to response to the client desire of having a good
service quality beside high bit rates, and to offer the service to the most possible by
increasing the capacity of the system using a multiple of new technologies.

This process is divided on 3 essential steps. First, channel estimation, which is a

technique that allows to know the coefficients of the different sub-channel, and then
to know our transmission channel in a way that the transmitted signal will be
recovered at the reception easily, and it helps also to reduce the effect of multipath
channel. Secondly, the use of the MIMO Massif presents the optimal solution to
achieve the huge desired system capacity, the high speed transmission. Finally, The
Beamforming antenna array technologies are used to eliminate and resolve the many
technical hitches that MIMO Massif system implementation faces.

The main objective of this work is to discuss the different algorithms of channel
estimation in purpose to determinate the optimal estimation techniques that are
suitable for deployment in 5G transmission systems, and to clarify the importance of
the use of antenna array and the beamforming to achieve the optimal performance.

Keywords: 5G, Channel estimation, MIMO Massif, Array linear antenna,

Beamforming.
 ‫ملخص‬

‫أصبحت أنظمة االتصاالت الالسلكية واحدة من الموضوعات البحثية المشتركة وفقًا لدورها المهم في جميع المجاالت تقريبًا‬
‫بد ًءا من االتصاالت وصوال إلى التجارة والصناعة وحتى األمن والصحة مع الجيل الجديد للشبكة ‪.5G‬‬

‫والغرض من هذه الدراسات هو االستجابة لرغبة العميل في الحصول على جودة خدمة جيدة بجانب معدالت بت عالية ‪،‬‬
‫وتقديم الخدمة إلى أقصى حد ممكن من خالل زيادة قدرة النظام باستخدام العديد من التقنيات الجديدة‪.‬‬

‫وتنقسم هذه العملية الى ‪ 3‬خطوات أساسية‪ .‬أوالً ‪ ،‬تقدير القناة ‪ ،Estimation de canal‬وهي تقنية تسمح بمعرفة‬
‫معامالت القناة الفرعية المختلفة ‪ ،‬ومن ثم معرفة قناة اإلرسال الخاصة بنا بطريقة يمكن استرداد المعلومات بسهولة ‪ ،‬كما‬
‫ضا في تقليل تأثير القناة متعددة المسارات‪ .multi trajets‬ثانيا ً ‪ ،‬يقدم استخدام ‪ Massif MIMO‬الحل األمثل‬
‫تساعد أي ً‬
‫لتحقيق سعة النظام الهائلة المطلوبة ‪ ،‬سرعة النقل العالية‪ .‬أخيرً ا ‪ ،‬يتم استخدام تقنيات ‪ Beamforming‬إلزالة وحل العديد‬
‫من العوائق الفنية التي يواجهها نظام ‪.Massif MIMO‬‬

‫الهدف الرئيسي من هذا العمل هو مناقشة الخوارزميات المختلفة لتقدير القناة بغرض تحديد تقنيات التقدير المثلى المناسبة‬
‫للنشر في أنظمة اإلرسال ‪ ،5G‬وتوضيح أهمية استخدام ‪ Antennes linéaire‬و‪ Beamforming‬لتحقيق األداء األمثل‪.‬‬

‫كلمات البحث‪ :‬شبكة الجيل الخامس ‪ ،5G‬محاكاة القناة ‪، Massif MIMO ، Estimation de canal‬‬

‫‪.Beamforming ، Antennes linéaires intelligentes‬‬

Table de matière

INTRODUCTION GENERALE………………………….………………………………………………………………………………………………..1

Chapitre01: Introduction aux réseaux de la cinquième génération

1 INTRODUCTION........................................................................................................................................ 3

2 PRINCIPE ET ARCHITECTURE DES RESEAUX DE LA 5

EME
GENERATION ........................................................ 3

2.1 PRINCIPE................................................................................................................................................... 4
2.1.1 Les ondes millimétriques ................................................................................................................... 4
2.1.2 Les micros-celles ................................................................................................................................ 4
2.1.3 Massive MIMO .................................................................................................................................. 4
2.1.4 Beamforming ..................................................................................................................................... 4
2.1.5 Full-Duplex ......................................................................................................................................... 4
2.2 L’ARCHITECTURE DE RESEAU 5G ET SES SERVICES .............................................................................................. 5
2.2.1 New Generation Radio Acces Network (NG-RAN) ............................................................................. 7
2.2.2 5G Core Network (5GC) ..................................................................................................................... 7

3 L’OBJECTIF DE LA 5G .............................................................................................................................. 10

4 COMPARAISON ENTRE LES DIFFERENTES GENERATIONS........................................................................ 10

5 LA 5G DANS LE MONDE .......................................................................................................................... 12

6 CONCLUSION ......................................................................................................................................... 13

Chapitre02: Caractéristiques des canaux de transmission radio

1 INTRODUCTION...................................................................................................................................... 14

2 DESCRIPTION DES PHENOMENES PHYSIQUES DANS UN CANAL RADIO ....................................... 15

2.1 LES SCENARIOS LOS ET NLOS ..................................................................................................................... 15

2.2 LES MECANISMES DE PROPAGATION.............................................................................................................. 16
2.2.1 Dispersion (Scattering) : .................................................................................................................. 16
[Link] L'évanouissement à large échelle : ......................................................................................................... 17
[Link] L’évanouissement à petite échèle .......................................................................................................... 18

3 LES TYPES DE CANAUX DE TRANSMISSION ............................................................................................. 20

3.1 TYPES DE MODULATION ............................................................................................................................. 20

3.1.1 Modulation BPSK ............................................................................................................................. 20
3.1.2 Modulation QPSK ............................................................................................................................ 21
3.1.3 Modulation QAM ............................................................................................................................. 21
3.2 BRUIT ET INTERFERENCES ........................................................................................................................... 21
3.2.1 SNR (RSB) ......................................................................................................................................... 21
3.2.2 BER .................................................................................................................................................. 22
3.3 TYPES DE CANAUX ..................................................................................................................................... 22
3.3.1 Le canal avec bruit blanc additif gaussien(AWGN) ......................................................................... 22
3.3.2 Le canal de Rayleigh : ...................................................................................................................... 22
3.3.3 Canal MIMO .................................................................................................................................... 23
[Link] Capacité d’un canal MIMO ..................................................................................................................... 23

I
4 ESTIMATION D’UN CANAL .................................................................................................................. 25

4.1 ESTIMATION DU CANAL DES MOINDRES CARRES (LS) ........................................................................................ 26

4.2 ESTIMATION DU CANAL MMSE ................................................................................................................... 27
4.3 ESTIMATION DE CANAL BASEE SUR DFT ......................................................................................................... 28

5 CONCLUSION ......................................................................................................................................... 28

Chapitre03: Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

1 INTRODUCTION...................................................................................................................................... 29

2 PRESENTATION DE LA TECHNIQUE MIMO .............................................................................................. 29

3 ARCHITECTURE DES SYSTEMES MIMO....................................................................................... 30

3.1 SYSTEME SISO ......................................................................................................................................... 31

3.2 SYSTEME MISO ....................................................................................................................................... 31
3.3 SYSTEME SIMO ....................................................................................................................................... 32
3.4 SYSTEME MIMO...................................................................................................................................... 33

4 SYSTEME MIMO MASSIF MULTI-UTILISATEUR ................................................................................ 34

4.1 DEFINITION ............................................................................................................................................. 34

4.2 CARACTERISTIQUES GENERALES DES SYSTEMES MIMO MASSIFS ........................................................................ 35
4.2.1 Diversité d’un système MIMOMassif............................................................................................... 35
[Link] Diversité temporelle ............................................................................................................................... 35
[Link] Diversité spatial ...................................................................................................................................... 36
[Link] Diversité spatio-temporelle .................................................................................................................... 36
[Link] Le multiplexage spatial ........................................................................................................................... 36
4.2.2 Small cell et Ondes millimétriques................................................................................................... 36
[Link] Small cell ................................................................................................................................................. 36
[Link] Ondes millimétriques (mmWave) ........................................................................................................... 37
4.2.3 Antennes et propagation ................................................................................................................. 39
[Link] Réseau d’antennes ................................................................................................................................. 39
[Link] Réseaux linéaires uniformes ................................................................................................................... 40
[Link] Antennes intelligentes ............................................................................................................................ 42
[Link] Principe de fonctionnement des antennes intelligentes ........................................................................ 43
[Link] Antennes adaptatives ............................................................................................................................. 44
[Link] Critères adaptatifs : ................................................................................................................................ 46

5 PRECODAGE ........................................................................................................................................... 48

5.1 PRECODAGE ET BEAMFORMING ................................................................................................................... 48

5.1.1 Les différents précodeurs linéaires .................................................................................................. 48
[Link] Détection des signaux pour les systèmes MIMO à multiplexage spatial ................................................ 50
[Link] Conjugate Beamforming (CB) ................................................................................................................. 50
[Link] Transmission Gain Egal (EGT) ................................................................................................................. 51
[Link] Zero Forcing (ZF) ..................................................................................................................................... 52
[Link] Detecteur Minimum Mean Squar Error (MMSE): ................................................................................... 54

6 DIRECTION DE BEAMFORMING (DBS) .................................................................................................... 55

6.1 PRINCIPE................................................................................................................................................. 56
6.2 AVANTAGES............................................................................................................................................. 58
6.3 ASSOCIATION MIMO MASSIF ET BEAMFORMING ........................................................................................... 58
6.4 LIMITATION DES SYSTEMES MIMO .............................................................................................................. 59
6.4.1 Imperfections matérielles ................................................................................................................ 59

II
7 CONCLUSION ........................................................................................................................................ 60

Chapitre04: Simulation et interprétation des résultats

1 INTRODUCTION...................................................................................................................................... 61

2 LANGAGE UTILISE................................................................................................................................... 61

3 ESTIMATION DE CANAL .......................................................................................................................... 62

4 CAPACITE DES SYSTEMES MIMO ............................................................................................................ 64

5 SIMULATION DE PERFORMANCE D’UN SYSTEME MIMO MASSIF ........................................................... 66

6 SIMULATION D’UN SYSTEME DE TRANSMISSION AVEC BEAMFORMING ................................................ 68

7 CONCLUSION ......................................................................................................................................... 72

CONCLUSION GENERALE………………………….……………………………………………………………………………….………………… 73

Annexes

Annexe A

Annexe B

Bibliographie

III
 Table des figures

Figure Légende Page

I.1 techniques utilisées dans la technologie 5G……………………………………………. 3

I.2 l’architecture de réseau 5G…………………………………………………………………….. 5

I.3 PDU et flux QOS : plan utilisateur (UP)……………………………………………………. 6
I.4 la séparation fonctionnelle entre NG-RAN et 5GC…………………………………… 6
I.5 Architecture de NG-RAN…………………………………………………………………………. 7
I.6 architecture du système 5G, no-roaming………………………………………………… 8
II.1 Schéma simplifié d’un système de transmission numérique…………………… 14
II.2 Environnement et mécanismes de propagation………………………………………. 15
II.3 Propagation multi-trajets NLOS………………………………………………………………. 16
II.4 Propagation multi-trajets LOS……………………………………………………………….. 16
II.5 Fluctuations à petite et à grande échelles de la réponse du canal………… 17
II.6 Classification des évanouissements du canal…………………………………………… 19
II.7 Interaction de l’onde électromagnétique avec son milieu……………………… 20
II.8 Diagramme de constellation de BPSK……………………………………………………… 20
II.9 Diagramme de constellation de QPSK……………………………………………………… 21
III.1 Schéma d’un système de transmission sans fil MIMO……………………………… 29
III.2 Système SISO………………………………………………………………………………………….. 31
III.3 système MISO………………………………………………………………………………………… 32
III.4 système SIMO………………………………………………………………………………………… 33
III.5 système MIMO……………………………………………………………………………………….. 34
III.6 Réseau hétérogène composé d’une macro cellule (plus ses relais et RRH) et de
plusieurs small cells permettant de soulager le trafic de données de la macro
cellule………………………………………………………………………………………………………. 37
III.7 Différentes géométries de réseaux pour les antennes intelligentes………… 40

IV
III.8 Modèle du Signal pour RLU………………………………………………………………………. 40
III.9 Principe de base d’une antenne intelligente…………………………………………… 43
III.10 Réseau d’antennes adaptatives……………………………………………………………….. 44
III.11 Critère de réseau adaptive MMSE…………………………………………………………… 46
III.12 Structure d’un réseaux d’antennes avec précodage………………………………… 49
III.13 Précodeur Zéro Forcing…………………………………………………………………………… 52
III.14 Représentation du système en coordonnées sphériques………………………… 56
III .15 Système massive MIMO Beamforming……………………………………………………. 59
IV.1 Comparaison entre les canaux AWGN et Rayleigh en terme de BER. 63
IV.2 Algorithmes d’estimation de canal………………………………………………………….. 64
IV.3 Capacité des Systèmes MIMO à 2, 3, 4 antennes en fonction de SNR……. 65
IV.4 Méthodes de détections classiques pour les systèmes massifs MIMO……. 66
IV.5 Méthodes de détections numériques pour les systèmes massive MIMO.. 67
IV.6 Transmission dans un canal Rayleigh avec et sans Beamforming dans un système
mono-antennes……………………………………………………………………………………….. 69
IV.7 Transmission dans un canal Rayleigh avec et sans Beamforming pur un système
multi- antennes……………………………………………………………………………………….. 69
IV.8 Performances du Beamforming en fonction de déphasage……………………… 70
IV.9 Performances du Beamforming en fonction de déphasage et l’espacement entre
antennes………………………………………………………………………………………… 71

V
Liste des tableaux

Tableau Légende Page

I.1 Comparaisons entre les caractéristiques des générations mobiles………… 11

III.1 les différents précodeurs linaires……………………………………………………….... 57

VI
 Liste des Abréviations

5G 5ème Génération

5GC 5G Core Network

3GPP 3rd Generation Partnership Project

AF Application Function (Application)

Access and mobility Management Function (Gestion d’accès et de

AMF
mobilité)

AN Access Network (réseau d’accès)

AOA Angle of Arrival

AUSF Authentification Server Function (Serveur d’authentification)

AWGN Additive White Guassian Noise (canal avec bruit blanc additif gaussien)

BDMA Binary Division Multiple Access

BER Bit Error Rate (taux d'erreur binaire)

BLAST Bell Labs Layered Space-Time

BPSK Binary Phase Shift Keying

BS Base Station

CDMA Code Division Multiple Access

CIR Channel Impulse Response

VII
DFT Base Channel Estimation

CP Cyclic Prefix

CSI Uniform Linear Array

DARPA Defence Advanced Research Projects Agency

D-BLAST Diagonal Bell Labs Layered Space-Time

DL Down Link / Liaison Descendante

OFDM Orthogonal Frequency Division Multiplexing

DN Data Network

DOA Delay of Arrival (direction d’arrive)

MR Rapport Maximal

EM Electromagnétique

FDMA Frequency Division Multiple Access

FIR Finite Impulse Response (Réponse Impulsionnelle Finie)

SDMA Spatial Division Multiple Access

gNB-CU Next Generation Node Base Station unité centrale

VIII
gNB-DU Next Generation Node Base Station unités distribuées

gNBs Next Generation Node Base Station

GSM Global System for Mobile Communications

IMT 2020 Télécommunication Mobiles Internationale 2020

IOT Internet Of Things (internet des objets)

IP Internet Protocol

LAN Local Area Network

EGT Equal Gain Transmission

DBS Digital Beamsteering

LOS Line Of Sight

LTE Long Term Evolution

Mass-BS MIMO Massif Base Station

MIMO Multiple Input Multiple Output

MISO multiples input single output

MMSE Minimum Mean Square Error (minimisation de l’erreur quadratique

moyenne)

MRC Maximal Ratio Combiner

IX
CB Conjugate Beamforming

MRT Rapport Maximal de Transmission

MS Mobile Station

MSE Mean Squared Error (l’erreur quadratique moyenne)

MSK Minimum Shift Keying

MU-MIMO multi-utilisateur MIMO

SM-MIMO Spatial Modulation MIMO

MV Minimum Variance

NEF Network Exposure Function (Exposition du réseau)

New Generation
NG

NG-RAN New Generation of Radio Access Network (nouvelle génération de

réseau d’accès radio)

NLOS None Line Of Sight

NR New Radio interface (nouvelle interface radio)

Network Repository Function (Référentiel réseau)

NRF

NSF National Science Fondation

NSSF Network Slice Selection Function (Sélection de tranche de réseau)

NTT Nippon Telegraph and Telephone

X
NYU poly l’Institut polytechnique de l’Université de New York

OFDM Orthogonal Frequency Division Multiplexing

PAN Personnel Area Network

PCF Policy control function (Contrôle de politique)

PDU Protocol Data Unit

PRK Phase Reversal Keying

PSK Phase Shift Keying

QAM Quadrature Amplitude Modulation

QOS Quality Of Service

QPSK Quadrature Phase Shift Keying

RF Radio Fréquence

RRH Remote Radio Head

SDN Software Defined Networks (Réseaux définis par logiciel)

SIMO Single Input Multiple Output

SINR Signal to Interference & Noise Ratio

XI
SISO Single Input Single Output

SMF Session Management Function (Gestion de session)

SNR Signal to Noise Ratio( rapport signal sur bruit)

SVD Singular Value Decomposition

TCP Transmission Control Protocol

TDD Time Division Duplex

TDMA Time Division Multiple Access

UDM Unified Data Management (Gestion de données unifiées)

UE User Equipment

UL Up Link / Liaison Montante

ULA Uniform Linear Array

ULA / Uniform Linear Array (réseau linéaire uniforme)

RLU

UMTS Universal Mobile Telecommunications System

UP User Plane (plan utilisateur)

UPF User Plane Function

XII
WAN Wireless Area Network

WLAN Wireless Local Area Network

ZF zero forcing

XIII
Introduction générale
 Introduction Générale

Introduction Générale

Depuis quelques décennies, on observe un développement très rapide dans le domaine des
communications sans fil, ce développement dans le but besoins croissants de débit, le
caractère mobile du terminal, un contexte d'encombrement de la ressource spectrale. Les
anciens systèmes mobiles ne permettent pas de répondre d'une manière optimale à ces
besoins, en raison de la sélectivité en fréquence des canaux et des multiples trajets que peut
emprunter un même signal.

Des anciens systèmes mobiles font généralement référence à un changement de nature du

système, de vitesse, de technologie, de fréquence, de capacité de donnée, de latence … etc. La
nouvelle génération (5G) qui regroupe plusieurs technique parmi eux la technique MIMO
beamforming qui est une technique de formation de faisceaux pour des systèmes Multi-
antennes (MIMO) qui peuvent être exploités afin d’augmenter la capacité des systèmes de
communication sans fil en utilisant plusieurs antennes à la fois en émission et en réception et
permettant ainsi de réduire la consommation énergétique et permet l'exploitation de la
diversité spatiale.

L’objectif de notre travail est l’étude et l’analyse de méthodes de Beamforming pour des
systèmes multi-utilisateurs pour la 5G.

Le premier chapitre montre comment le monde est arrivé à la 5G ensuite nous allons
décrire une présentation complète sur l’architecture de la 5G et pour finir nous comparons
entre la 4ième génération et la 5ième génération.

Le deuxième chapitre présente les problèmes liés à la propagation multi-trajet. Il décrit les
scenarios LOS et NLOS, ainsi que les mécanismes de propagation à savoir, la réflexion, la
transmission, la diffraction et la diffusion. Les évanouissements à petite échelle et à grande
échelle sont par la suite présentés en détails avec leurs paramètres. En suit les différentes
types des canaux de transmission et les perturbations subies par les signaux y transitant
notamment dans le canal, on présentera par la suite l’approche qui a trait à la fiabilité d’une
communication numérique et plus particulièrement au calcul du taux d’erreur binaire (BER).
Aussi dans ce chapitre on verra le canal MIMO et leur capacité du canal, en plus l’estimation
de canal qui permet d’augmenter les performances du système de transmission.

Le troisième chapitre couvre le développement de la technologie MIMO, la première

partie est consacrée aux calculs des capacités des différents configurations (SISO, SIMO,
1
 Introduction Générale

MISO et MIMO). On suit en va voir système MIMO Massif multi-utilisateur et une

description sur les différentes diversités de MIMO Massif, Ensuite, nous développons le
modèle de signal de réseau d’antennes dans des environnements à évanouissement par trajets
multiples, et nous décrirons les critères et les algorithmes adaptatifs pour calculer les vecteurs
de pondérations pour optimiser les performances des réseaux adaptatifs.

A la fin on a présenté les différents précodeurs qui sont directement affectées par la
qualité de l’estimation du canal et l’association entre MIMO Massif et les techniques de
Beamforming .

2
Chapitre 01
Introduction aux réseaux de la
cinquième génération

Sommaire
1 INTRODUCTION........................................................................................................................................ 3

2 PRINCIPE ET ARCHITECTURE DES RESEAUX DE LA 5

EME
GENERATION ........................................................ 3

2.1 PRINCIPE................................................................................................................................................... 4
2.1.1 Les ondes millimétriques ................................................................................................................... 4
2.1.2 Les micros-celles ................................................................................................................................ 4
2.1.3 MIMO Massif .................................................................................................................................... 4
2.1.4 Beamforming ..................................................................................................................................... 4
2.1.5 Full-Duplex ......................................................................................................................................... 4
2.2 L’ARCHITECTURE DE RESEAU 5G ET SES SERVICES .............................................................................................. 5
2.2.1 New Generation Radio Acces Network (NG-RAN) ............................................................................. 7
2.2.2 5G Core Network (5GC) ..................................................................................................................... 7

3 L’OBJECTIF DE LA 5G .............................................................................................................................. 10

4 COMPARAISON ENTRE LES DIFFERENTES GENERATIONS........................................................................ 10

5 LA 5G DANS LE MONDE .......................................................................................................................... 12

6 CONCLUSION ......................................................................................................................................... 13
Chapitre 1 Introduction aux réseaux de la cinquième génération

1 Introduction

La 5G est la nouvelle génération des standards de la téléphonie mobile, cette évolution va

être dépensée à chaque objet physique dans le monde et il sera connecter sur internet sous le
nouveau concept « IOT » (Internet Of Things-internet des objets). Absolument tout, des
véhicules autonomes, aux robots chirurgicaux, en passant par les dispositifs de réalité virtuelle
augmentée, les drones et, plus généralement les communications mobiles seront couvertes par
une nouvelle tranche de bande passante située entre 6 GHZ et 300GHZ. Une partie de cette
tranche sera sous licence, mais une grande partie libre.

La 5G ne représente pas une évolution des réseaux précédents mais elle correspond à
une nouvelle fondation technologique développée pour but de soutenir les demandes
croissantes des clients. Pour la première fois, l'infrastructure physique sera séparée de
l’infrastructure logique ou "virtuelle" .un réseau de type « SDN » (Software Defined
Networks) se permis le contrôle du réseau internet et de lui rendre programmable directement
sous une infrastructure d’une manière à supporter des nouvelles applications ainsi que des
nouvelles services d’internet.

Ce chapitre va représenter une introduction à la 5G en commençant par une explication

de son principe de fonctionnement , découvrir son architecture réseau, son objectif, ensuite
une comparaison entre les différentes générations sera effectuée et finalement ça va conclure
par les défis de la 5G dans le monde.

2 Principe et architecture des réseaux de la 5èmègénération

Figure I.1 techniques utilisées dans la technologie 5G.

3
Chapitre 1 Introduction aux réseaux de la cinquième génération

2.1 Principe

La 5G utilise des fréquences de diffusion ultra-hautes (UHF entre 6-300 GHz) c-à-d les
ondes millimétriques pour transférer rapidement d’énormes quantités de données, en savant
que la plage de diffusion est limitée, en survenant ce problème là en utilisant la technologie de
Beamforming à travers MU-MIMO (multi-utilisateur MIMO) qui permet la diffusion continue
des données sur plusieurs appareils et le processus multi-cell handover pour assurer des
connexions solo de l’ordre de gigabit même en marche.

2.1.1 Les ondes millimétriques

Les ondes millimétriques sont les ondes radioélectriques couvrant les fréquences de 30 à 300
GHz.

2.1.2 Les micros-celles

un dispositif qui offre l'augmentation de l’efficacité spectrale de la zone d'un part et d'autre
part la réduction de la taille de la cellule où le nombre réduit d’utilisateur par cellule par
conséquence de le rétrécissement des cellules fournit plus de spectre à chaque utilisateur. En
effet, la capacité totale du réseau augmente considérablement en réduisant les cellules et en
réutilisant le spectre

2.1.3 MIMO Massif

Ce concept il fait référencer au grand nombre d’antennes utilisées dans un réseau MIMO.

2.1.4 Beamforming

la possibilité d’adapter le diagramme de rayonnement du réseau d’antennes selon un certain

modèle.

2.1.5 Full-Duplex

caractérise une connexion série où réseau qui permet la réception et l’émission de données
simultanément.

4
Chapitre 1 Introduction aux réseaux de la cinquième génération

2.2 L’architecture de réseau 5G et ses services

Un réseau 5G est composé d’un réseau d’accès 5G (AN) et d’un réseau cœur 5G. Le
réseau d’accès lui-même est constitué de la nouvelle génération de réseau d’accès radio (NG-
RAN), qui utilise la nouvelle interface radio 5G(NR), et/ou un non 3GPP AN connecté au
réseau cœur 5G. Les différentes entités de réseau sont connectées par un réseau de transport
TCP/IP sous-jacents, qui prend en charge les fichiers QOS [1].

Figure I.2 l’architecture de réseau 5G.

Comme le montre la figure [I.2] le réseau 5G connecte l’équipement d’utilisateur (UE) à

des réseaux de données externes. La session PDU représente le service de connectivité 5G,
elle constitue par une séquence de tunnels NG dans le 5GC plus un ou plusieurs porteurs
radios sur l’interface radio. Cet ensemble de "tubes" relie finement le UE à ses fonctions de
contrôle ainsi que le réseau de données externe pour l’échange de trafic d’utilisateur [Figure
I.3] [1].

Une session PDU est très similaire à un porteurs EPS à LTE, sauf pour le modèle QOS et
les unités de données des utilisateurs supportées. En effet, une session PDU peut transporter
non seulement les paquets IP de l’utilisateur mais aussi l’ETHERNET où les cadres non
survenus, permettant ainsi une communication de la couche-2 entre les groupes d’UE. Le
modèle 5G est basée sur le nouveau concept de flux de QOS, où un flux est la plus grande
granularité de la différentiation QOS [1].

Les différents flux de QOS peuvent appartenir à une seule session PDU.

5
Chapitre 1 Introduction aux réseaux de la cinquième génération

Figure I.3 session PDU et flux QOS : plan utilisateur (UP).

La figure [I.4] montre les divisions entre les fonctions 5G exécutées dans le NG-RAN et
le 5G cœur, en bordure, le NG-RAN est le responsable de l’établissement, la maintenance et
la libération des parties des sessions PDU qui traversent l’interface radio. Il face le problème
de l’insuffisance physique (ex : interférences, réduction énergétique etc.), les handover inter-
gNB, et le multiplexage de la session (planification).les fonctions de 5GC gèrent les parties
restantes des parties PDU ainsi que tous les autres processus non liés à l’accès radio (gestion
de la mobilité, sécurité adresses IP, allocation etc.) [1].

Figure I.4 la séparation fonctionnel entre NG-RAN et 5GC.

6
Chapitre 1 Introduction aux réseaux de la cinquième génération

2.2.1 New Generation Radio Acces Network (NG-RAN)

Figure I.5 Architecture de NG-RAN.

Comme représenter dans la figure [I.5], le NG-RAN s’agit d’un ensemble de stations de
bases 5G, appelées gNBs, qu’elles sont connectées au 5GC à travers un ensemble d’interfaces
logiques. Les gNBs peuvent êtres interconnectées à travers l’interface Xn pour améliorer les
fonctions de mobilité (handover) et de gestion (coordination d’interférences intercellulaires)
[1].

Le fonctionnement de la gNB est parfois réparti. Dans ce cas, l’architecture résultante est
formée par une unité centrale (gNB-CU) qui nécessite une ou plusieurs unités distribuées
(gNB-DU) et connecter à une carte radio distante (RRH). L’unit centrale est encore divisée en
deux parties, une pour les fonctions de plan de contrôle (gNB-CU-CP) et l’autre pour les
fonctions de plan d’utilisateur (gNB-CU-UP) [1].

2.2.2 5G Core Network (5GC)

La décomposition des fonctions exécutées par les nœuds de réseau des générations
précédentes a conduit à une architecture 5G complètement définis en termes de fonctions de
réseau exposées sous formes de services.

Comme se produit dans le NG-RAN, il y a une séparation entres les plan contrôle et
utilisateur. Dans le plan utilisateur il e trouve une ou plusieurs fonctions UP (UPFs), qui
effectuent principalement le transfert de paquets entre les différents tunnels de NG-U [Figure

7
Chapitre 1 Introduction aux réseaux de la cinquième génération

I.3] qui forment la session PDU. Toutes les autres fonctions du réseau appartiennent au plan
contrôle [1].

Un autre changement radical par rapport aux générations précédentes est la modélisation
d’interface, qui a été passé de " l’orientation-bit point-à-point " (bit-oriented point-to-point)
vers " l’orientation-web basé-service " (web-oriented service-based).En effet, 5GC a une
architecture basé sur le service applicable par tout, les procédures sont définis comme des
services de sorte qu’il est possible de les réutiliser [1].

Il existe une interface point-à-point normalisée, soi réelle où logique, entre toute paire
d’entités de réseau 2g, 3G et 4g en interaction. Cette interface utilise un protocole spécial
orienté-bit. Dans le core 5G, les interactions entre les entités du plan contrôle utilisent des
interfaces basées sur les services prises en charge par des outils web tels que HTTP/2, REST
et JSON [1].

Figure I.6 architecture du système 5G, no-roaming.

8
Chapitre 1 Introduction aux réseaux de la cinquième génération

Les différents nœuds de réseau et leurs fonctions [1] :

1- Le plan utilisateur (user plane UP) : sa fonction est de gérer la transmission du

tunnels NG-U et les services de chemin de données associés, tels que l’ancrage pour le
transfert, les QOS et l’application de la politique circulation.
2- Gestion de session (session management function SMF) : est la partie contrôle d’une
session PDU. En d’autres termes, elle configure des tunnels NG, attribue des adresses
IP avec DHCP, et configure le pilotage du trafic (vers un tiers ou un nuage
périphérique). Il peut y avoir plusieurs fichiers SMF associés à un UE, bien qu’un seul
par tranche.
3- Gestion d’accès et de mobilité (access and mobility management function AMF) :
gère tous les signalisations de 5GC provenant et aller à l’UE. Contrairement au SMF,
c’est une seule fonction présenté dans plusieurs tranches. Il prend en charge l’accès
d’utilisateur au réseau et gérer la mobilité en interagissant avec l’UE et avec d’autres
NFS.
4- Serveur d’authentification (the authentification server function AUSF) : il prend en
charge l’authentification pour les accès 3GPP et non 3GPP.
5- Gestion de données unifiées (unified data management UDM) : peut-être considérer
comme un référentiel pour les informations tels que : identifiants, les détails de l’AMF
et l’affectation SMF pour la session en cours.
6- Contrôle de politique (Policy control function PCF) : est une entité unifiée
fournissant des règles (QOS, filtrage, charge etc.) à d’autres fonctions de plan contrôle
telle que SMF.
7- Sélection de tranche de réseau (network slice selection function NSSF) : sélectionne
l’ensemble des tranches de réseau desservant l’UE ainsi que le meilleur AMF pour
cette fin.
8- Exposition du réseau (network exposure function NEF) : expose les capacités des
réseaux et les évènements des réseaux UE pour une 3eme partie, fonctions
d’application, et d’autres fins.
9- Référentiel réseau (network repository function NRF) : découvre les instances de
fonction réseau lorsqu’il vise une demande de découverte NF à partir d’une instance
NF.

9
Chapitre 1 Introduction aux réseaux de la cinquième génération

10- Application (application function AF) : repose un serveur d’applications pouvant

interagir avec l’autre NFS de contrôle. AFs peut s’exister des services d’applications
différents, et peut être renversé par un opérateur réseau.

3 L’objectif de la 5G

La 5G est la technologie qui permet les connexions et les téléchargements plus rapides que
les autre générations et intègre toute une série de nouveaux usages, la future de la technologie
5G n’y fera pas exception en se concentrait sur l’internet des objectifs la 5G vise à [2] :
 faciliter l’émergence d’un immense écosystème IOT.
 l’amélioration de la vitesse de transmission des données.
 un temps de latence plus court donne l’impression que le réseau est très réactif
(1millisecnde de latence).
 100% de couverture.
 90% de réduction en utilisation énergie du réseau.
 jusqu’à 10 ans de durée de vie de la batterie.
 1000 fois plus de bande passante par unité de la surface.
 jusqu’à 100 fois plus d’appareils connectés par unité de surface.
 99,999% de disponibilité.
 la vitesse de transmission des données est double par rapport à 4G.

4 Comparaison entre les différentes générations

Avec la 5G sur le point d’arriver, en intéressant aux différences qu’elle présente par
rapport à la 4G ce qui fera une différence significative dans le monde de la technologie, sera
pouvoir fournir :
 Une augmentation de l’efficacité énergétique.
 Une connexion stable même en mobilité.
 Un réseau haut performances, capable de fonctionner en temps réel, avec des
exigences élevées en matière de fiabilité.
Le tableau ci-dessous résume les caractéristiques de la 5G et celles qui sont actuellement
disponibles avec la 4G, 3G, 2G et 1G [3] :

10
Chapitre 1 Introduction aux réseaux de la cinquième génération

Caractéristiques 1G 2G 3G 4G 5G
Débit maximal 171.2 Kbit/s 9.6Kbit/s 1.9 Mbit/s 1 Gbit /s 20 Gbit /s
Vitesse (Km/h) / 350 500
Latence (ms) / 150 10 1
Efficacité / / / 1X 100X
énergétique du
réseau
Débit sur une / / / 0,1(Mbit/s/m²) 10(Mbit/s/
zone m²)
Bande passante 2Kbps 14.4- 2Mbps 2Mbps à 1Gbps et
de donnée 64Kbps 1Gbps plus selon
le besoin
La bande de 150Mhz 1.8Ghz 2Ghz 2 à 8 GHz 3 à 300 GHz
fréquence
Accès multiple FDMA TDMA, CDMA CDMA CDMA,
CDMA BDMA
Les technologies Analogique Numérique Large bande IP unifiée, IP unifiée,
passante intégration intégration
CDMA, transparente transparent
technologie des réseaux e des
IP LAN/WAN/PA réseaux
N et WLAN à LAN/WAN/
large bande PAN/WLAN
à large
bande et
technologie
s avancées
basées sur
modulation
OFDM
utilisée en
5G
Service Téléphonie Voix Audio, Accès Accès
mobile numérique, vidéo et dynamique dynamique
(voix) messagerie données aux aux
courte de intégrées informations information
capacité de haute sur les s sur les
supérieure qualité appareils appareils
en paquets portables, portables,
streaming HD, streaming
itinérance HD, toute
mondiale demande
des
utilisateurs
Tableau I.1 : Comparaisons entre les caractéristiques des générations mobile.

11
Chapitre 1 Introduction aux réseaux de la cinquième génération

5 La 5G dans le monde
En Europe
Les efforts de recherche passés en Europe ont permis de nombreuses avancées dans les
communications mobiles, ce que nous tenons pour acquis aujourd'hui. Celles-ci incluent le
standard GSM 2G (utilisé à ce jour par 80% des réseaux mobiles du monde) et les
technologies utilisées dans le système de télécommunications mobiles universelles 3G
(UMTS) et les standards 4G LTE. Le développement rapide de la technologie 5G revêt
désormais une importance capitale pour que l’Europe puisse stimuler l’économie, renforcer la
compétitivité de son industrie et créer de nouveaux emplois [4].
La technologie 5G novatrice est d’une importance capitale, car cette technologie jouera
un rôle essentiel dans le maintien du leadership de l’Europe dans l’industrie mondiale de la
téléphonie mobile [4].
Cependant, l’Europe est en train de prendre du retard sur ses concurrents et veut
rattraper son retard en dirigeant la technologie 5G.
En Amérique du Nord
La recherche en Amérique du Nord est en général différente de celle en Europe et tend
à être davantage basée sur les universités et les industries. Contrairement à l'Europe, il n'y a
pas de financement public pour coordonner les efforts de recherche aux États-Unis et au
Canada. Bien entendu, aux États-Unis, le financement de la recherche dans les universités
provient de secteurs publics tels que la National Science Fondation (NSF) et la Defence
Advanced Research Projects Agency (DARPA). Cependant, la recherche dans les universités
tend à être d’avantage basée sur les intérêts individuels. En ce qui concerne la 5G, les
universités et les entreprises privées s’associent pour examiner certaines des technologies
potentielles. Par exemple, l’Institut polytechnique de l’Université de New York (NYU Poly)
et Samsung se sont associés pour étudier et développer des solutions mmWave pour la 5G [4].
En Asie
L'Asie suit le même objectif que l'Europe en créant une feuille de route 5G. En Corée
du Sud, le forum 5G a été créé, tandis que la Chine est responsable du programme IMT 2020.
Bien qu'il existe en général de nombreuses autres initiatives, certaines d'entre elles reçoivent
un financement du gouvernement, tandis que d'autres ne sont que des efforts de coordination
visant à sensibiliser l'industrie au 5G au niveau régional ou, au-delà, au niveau national. Plus
spécifiquement, la Chine, le Japon et la Corée du Sud sont les principaux pays d’Asie menant
des recherches sur la 5G. La recherche en Chine initiée par le gouvernement et menée

12
Chapitre 1 Introduction aux réseaux de la cinquième génération

conjointement par le biais de partenariats universitaires-industriels en est généralement à ses

débuts. Ceux du Japon et de la Corée du Sud, tous deux initiés et menés conjointement par des
partenariats industrie-université, ont obtenu certains résultats, tels que le réseau de test de
communication pour la 5G, établi par NTT (Nippon Telegraph & Telephone) et Samsung
Electronics, avec 10 Gbps Débits de transmission atteints en fréquences porteuses de 11 GHz
et 28 GHz, respectivement [4].

6 Conclusion
La 5G ou cinquième génération se standards pour réseau mobile, est la nouvelle version
de l’ensemble des technologies mobiles dont le déploiement devront commencer, en Europe,
États-Unis et Asie notamment, dans le courant de l’année 2020.
Il s’agit d’un ensemble de protocoles et méthodes de transmission de l’information qui
doit offrir à la fois rapidité, le temps de latence extrêmement faible permettra de développer
de nouveaux services et l’amélioration des systèmes existants.
La 5G doit également permettre d’arrivées de nombreuses innovation supporter la
connexion de l’ensemble des véhicules autonomes et connectés, permettre de développement
de la santé.

13
Chapitre 02
Caractéristique des canaux de
transmission radio

Sommaire

1 INTRODUCTION...................................................................................................................................... 14

2 DESCRIPTION DES PHENOMENES PHYSIQUES DANS UN CANAL RADIO ....................................... 15

2.1 LES SCENARIOS LOS ET NLOS ..................................................................................................................... 15

2.2 LES MECANISMES DE PROPAGATION.............................................................................................................. 16
2.2.1 Dispersion (Scattering) : .................................................................................................................. 16
[Link] L'évanouissement à large échelle : ......................................................................................................... 17
[Link] L’évanouissement à petite échèle .......................................................................................................... 18

3 LES TYPES DE CANAUX DE TRANSMISSION ............................................................................................. 20

3.1 TYPES DE MODULATION ............................................................................................................................. 20

3.1.1 Modulation BPSK ............................................................................................................................. 20
3.1.2 Modulation QPSK ............................................................................................................................ 21
3.1.3 Modulation QAM ............................................................................................................................. 21
3.2 BRUIT ET INTERFERENCES ........................................................................................................................... 21
3.2.1 SNR (RSB) ......................................................................................................................................... 21
3.2.2 BER .................................................................................................................................................. 22
3.3 TYPES DE CANAUX ..................................................................................................................................... 22
3.3.1 Le canal avec bruit blanc additif gaussien(AWGN) ......................................................................... 22
3.3.2 Le canal de Rayleigh : ...................................................................................................................... 22
3.3.3 Canal MIMO .................................................................................................................................... 23
[Link] Capacité d’un canal MIMO ..................................................................................................................... 23

4 ESTIMATION D’UN CANAL .................................................................................................................. 25

4.1 ESTIMATION DU CANAL DES MOINDRES CARRES (LS) ........................................................................................ 26

4.2 ESTIMATION DU CANAL MMSE ................................................................................................................... 27
4.3 ESTIMATION DE CANAL BASEE SUR DFT ......................................................................................................... 28

5 CONCLUSION ......................................................................................................................................... 28
Chapitre 02 Caractéristiques des canaux de transmission radio

1 Introduction

Les systèmes de transmission numérique véhiculent de l’information entre une source et un

destinataire [5] en utilisant un support physique appelé canal de transmission.
La source émet un message numérique sous la forme d'une suite d'éléments binaires,
ensuite le codeur applique deux fonction la première appelée codage en ligne associe un
support physique adéquat aux éléments abstraits émis par la source. Le second appelée codage
correcteur d'erreurs elle introduit de la redondance dans le signal émis pour le protéger contre
le bruit et les parasites présents sur le canal de transmission.
Enfin du coté récepteur les fonctions de démodulation et de décodage sont les inverses
respectifs des fonctions de modulation et de codage situées du côté émetteur.
Les signaux transportés peuvent être soit directement d’origine numérique comme dans les
réseaux de données, soit d’origine analogique (parole, image...) mais convertis sous une forme
numérique.
Le schéma synoptique d’un système de transmission numérique est donné à la figure (II.1)
où l’on se limite aux fonctions de base.

Figure II.1 Schéma simplifié d’un système de transmission numérique.

14
Chapitre 02 Caractéristiques des canaux de transmission radio

2 Description des phénomènes physiques dans un canal radio

Généralement, l’environnement de propagation a une influence sur les ondes

électromagnétiques émis, qui sont régies par les équations de Maxwell. Note à mot on peut
calculer le champ électromagnétique incident sur l’antenne réceptrice à cause de l’onde
rayonnée théoriquement par les équations de Maxwell.

Les ondes radio dans les systèmes de communications se propagent entre une station de
base (BS) et une station mobile (MS) selon les trois mécanismes suivants : la réflexion sur les
grandes surfaces lisses, la diffraction sur des arêtes aiguées et la diffusion sur des surfaces
rugueuses.

Figure II.2 Environnement et mécanismes de propagation.

2.1 Les scénarios LOS et NLOS

Le canal de propagation est l’endroit où se propagent les signaux sous forme de multi trajets à
cause des obstacles qui entourent l’émetteur et le récepteur. La propagation multi-trajets distinguées
deux situations de propagation : NLOS (None Line Of Sight) ça vous dire qui n’y a pas de visibilité
directe entre l’émetteur et le récepteur. Dans ce cas, la densité de probabilité de l’amplitude
d’évanouissement du signal total reçu suit la loi de Rayleigh [Figure II.3], et on n’a LOS (Line Of
Sight) visibilité est directe entre l’émetteur et le récepteur [Figure II.4], et par conséquent l’amplitude
d’évanouissement est caractérisée par la distribution de Rice [6].

15
Chapitre 02 Caractéristiques des canaux de transmission radio

Figure II.3 Propagation multi-trajets NLOS.

Figure II.4 Propagation multi-trajets LOS.

2.2 Les mécanismes de propagation

2.2.1 Dispersion (Scattering) :

C'est le phénomène de la déviation du trajet direct par des petits obstacles dont les
dimensions sont petites par rapport à la longueur d'onde (feuillages, panneaux de
signalisation,…).
Ces phénomènes génèrent l'évanouissement du signal (fading) et l'apparition de zones
d'ombre (Shadowing). Le phénomène d'évanouissement, qui est la variation de l'amplitude du

16
Chapitre 02 Caractéristiques des canaux de transmission radio

signal en fonction du temps et de la fréquence, peut être classé en deux types.

L'évanouissement à large échelle et l'évanouissement à petite échelle [7] :

[Link] L'évanouissement à large échelle :

Les évanouissements à grande échelle définissent les fluctuations de la puissance

moyenne mesurées sur un déplacement ou sur un intervalle de temps suffisamment grands.
Les deux phénomènes à l’origine des variations à grande échelle sont les pertes en distance et
les effets de masquage (Figure II.5) [5].

Figure II.5 Fluctuations à petite et à grande échelles de la réponse du canal.

Perte de trajet (Path Loss)

La perte de trajet correspond à la différence entre la puissance d’émission et la

puissance de réception (en dB) en raison de l'atténuation introduite par le canal de
propagation. La perte de trajet en espace libre peut être directement dérivée de la loi de
Friis [6].

II.1

Où

et : La puissance d’émission et de réception respectivement.

et : Gain d’émission et de réception respectivement.

17
Chapitre 02 Caractéristiques des canaux de transmission radio

d : La distance entre l’émetteur et le récepteur.

‫=ג‬ : La longueur d’onde rayonnée.

C=3 m/s est la vitesse de la lumière et la fréquence de la porteuse.

‫ג‬
Le facteur est aussi appelé le facteur de perte en espace libre.

Masquage (Shadowing)

L’effet de masque (Shadowing) est la variation de la puissance reçue qui résulte de

l’atténuation du signal due à des obstacles localisés Imaginez un déplacement de mobile dans
un environnement donné, qui a des grands obstacles tels que les bâtiments de grande taille ou
les collines. Étant donné que la position relative du mobile par rapport aux obstacles est en
variation permanente, les conditions de propagation sont également en train de changer, mais
il pourrait prendre une grande distance (de l'ordre de plusieurs dizaines de longueurs d’onde)
afin de modifier d’une manière significative l'intensité de champ reçue. Ce phénomène
engendre des variations lentes qui sont appelés Shadowing.
L’intensité moyenne de champ E suit une distribution log normale :

II.2

Où : est l’écart-type de E et µdB est la moyenne de E, exprimées en dB.

[Link] L’évanouissement à petite échèle

L’origine de ces phénomènes est liée à la présence d’objets de natures, de dimensions et

de positions variables au sein du canal. Ces objets engendrent l’apparition de multiples
répliques du signal transmis interférant de façon destructives ou constructives. On parle alors
de propagation à trajets multiples. Dans cette configuration, l’onde utilise pour se propager les
phénomènes de réflexion, réfraction, diffraction et diffusion [5].

18
Chapitre 02 Caractéristiques des canaux de transmission radio

Figure II.6 Classification des évanouissements du canal [7].

Réflexion (surfaces lisses) /Réfraction (milieux translucides)

La réflexion survient lorsqu’une onde électromagnétique frappe une surface lisse de très
grandes dimensions par rapport à sa longueur d’onde λ telle que les murs, les bâtiments, le sol,
nous avons donc un phénomène de réflexion [5].

Diffraction

Apparait lorsque l'onde EM rencontre des obstacles avec des formes irrégulières ou
lorsque l'OEM passe à travers des petites ouvertures. Il en résulte une courbure de l'OEM
autour de l'obstacle ou dispersion de l'OEM à travers les petites ouvertures. L'OEM ainsi
obtenue est très utile. Elle permet de générer un trajet entre l'émetteur et le récepteur quand ils
ne sont pas en visibilité directe [7].

Diffusion

La diffusion apparaît s’il existe sur le trajet de l’onde un regroupement très dense d’objets
de dimensions du même ordre de grandeur que la longueur d’onde. Le même
phénomène est observé avec une surface présentant des aspérités suffisamment petites. La
diffusion est le cas limite de la réflexion pour laquelle aucune direction privilégiée ne peut
être identifiée.

19
Chapitre 02 Caractéristiques des canaux de transmission radio

Figure II.7 Interaction de l’onde électromagnétique avec son milieu.

3 Les types de canaux de transmission

3.1 Types de modulation

3.1.1 Modulation BPSK

BPSK est la forme la plus simple de PSK. Il utilise deux phases, une phase représente la
logique 1 et l'autre phase représente logique 0. Lorsque le signal numérique d'entrée change
d'état (c'est-à-dire de 1 à 0 ou de 0 à 1) la phase de la porteuse de sortie se déplace entre deux
angles séparés par 180°. Par conséquent, les autres noms de BPSK sont la modulation par
inversion de phase (PRK) et 2-PSK [8].

Un signal BPSK peut être définie par :

II .3

Où m(t) est l’information binaire.

Figure II.8 Diagramme de constellation de BPSK.

20
Chapitre 02 Caractéristiques des canaux de transmission radio

3.1.2 Modulation QPSK

QPSK est un exemple de technique de modulation PSK M-aire. En QPSK, deux bits
successifs dans les données séquence sont regroupés. Cela réduit le débit ou le taux de
signalisation et réduit ainsi la bande passante du canal [8].

Figure II.9 Diagramme de constellation de QPSK.

3.1.3 Modulation QAM

Les modulations QAM (Quadrature - Amplitude - Modulation) sont une extension des
modulations MPSK : La porteuse voit son amplitude et (ou) sa phase "sauter" à chaque
changement de symbole.

La modulation et la démodulation M-QAM reposent sur les mêmes principes que la

modulation – démodulation M-PSK : Modulation de 2 porteuses en quadrature au sein d'un
modulateur IQ, et démodulation cohérente.

3.2 Bruit et interférences

3.2.1 SNR (RSB)

Le rapport signal sur bruit est le rapport entre le signal utile et le bruit de fond indésirable.
II.4

Généralement, le RSB est exprimé sous forme logarithmique à l'aide de décibels en tant que :

II.5

21
Chapitre 02 Caractéristiques des canaux de transmission radio

3.2.2 BER

Le taux d'erreur binaire est défini comme le taux auquel les erreurs se produire dans un
système de transmission. BER est le rapport du nombre de bits erronés au nombre total de bits
transmis.

II.6

3.3 Types de canaux

Un canal de transmission ne se limite pas seulement au support physique du transfert de

l’information. Il comprend aussi les dispositifs qui permettent d’adapter le signal à transmettre
au canal et de minimiser les erreurs de réception. Il existe une multitude de types de canaux.
Dans le cadre de notre projet de fin d’étude nous nous intéressons aux types de canaux
suivants :

3.3.1 Le canal avec bruit blanc additif gaussien(AWGN)

Pour le cas de l'effet Doppler entre une source en mouvement et un récepteur fixe, le
modèle de données à bande étroite est utilisé pour modéliser le signal reçu au niveau des
réseaux d'antennes. Il présume que le support du front d'onde de signal inséminant à travers le
réseau d'antennes reste nécessairement constant. Ce modèle est valable pour les signaux ayant
une bande passante beaucoup plus petite que la fréquence porteuse [9].

Selon l'hypothèse ci-dessus, le signal reçu peut être écrit comme :

II.7

Où, A ( ) est le vecteur de la matrice et N (t) est AWGN avec densité spectrale de
puissance moyenne et bilatérale nulle donnée par N0/ 2.

3.3.2 Le canal de Rayleigh :

L’évanouissement de Rayleigh est principalement due à la réception de propagation par

trajets multiples. L’absence d’un chemin direct (LOS) entre l’émetteur et le récepteur
provoque l’atténuation des objets dans l'environnement, la réflexion, réfraction et diffraction

22
Chapitre 02 Caractéristiques des canaux de transmission radio

de signal devant lui arrive au récepteur. Cet environnement de propagation est connu sous le
nom de Rayleigh évanouissement. Le signal résultant reçu au récepteur est la somme de tous
les ondes réfléchies et dispersées [9].

3.3.3 Canal MIMO

Un canal MIMO est un système où, l’émetteur et le récepteur sont composés de plusieurs
antennes.

Pour un canal avec NT antennes émettrices et NR antennes réceptrices, le canal est

représenté par une matrice complexe H traduisant la dimension spatiale. La relation entre les
entrées X et les sorties Y du système MIMO alterné par un bruit qui suit une loi
et qui est supposé être indépendante et identiquement distribuée est définie par [10] :

II.8

Concernant la matrice H du canal MIMO, elle est définie par :

II.9

Où, tel que ; représente le gain complexe du lien

entre la 1ère antenne émettrice vers la ki-ème antenne réceptrice et où, et représentent
respectivement l’amplitude de l’évanouissement du canal et la phase du coefficient complexe
[10].

[Link] Capacité d’un canal MIMO

Par définition, la capacité d’un canal est définie par l’information mutuelle maximale
entre une variable aléatoire X à valeurs sur l’alphabet d’entrée de canal et sa sortie
correspondante Y. Elle est alors donnée par [10]:

II.10

 L’information mutuelle :

L’information mutuelle entre deux variables aléatoires X et Y est définie par :

23
Chapitre 02 Caractéristiques des canaux de transmission radio

II.11

II.12

Maximiser I(X ;Y) consiste à maximiser H(Y), qui est obtenu dans le cas où, X est un
vecteur gaussien complexe, à symétrie circulaire de moyenne nulle et de
matrice de covariance Kx hermitienne définie positive [10].

L’entropie H(Y) de Y est alors définie par :

II.13

De ce fait, l’information mutuelle est définie par :

II.14

Sachant que l’information mutuelle maximale est obtenue sous la contrainte que la
puissance émise totale PT soit finie et constante alors la capacité d’un canal MIMO est définie
par [10] :

II.15

 Capacité d’un canal MIMO en absence d’information d’état du canal en

émission

En absence d’information d’état du canal, l’émetteur peut distribuer la puissance d’une

façon uniforme sur chaque antenne émettrice. Alors la matrice de covariance du signal émis
est donnée par :

II.16

La capacité d’un canal MIMO est alors définie par :

II.17

Où, représente le rapport signal sur bruit [10].

Capacité d’un canal MIMO basée sur ses valeurs singulières (SVD)

24
Chapitre 02 Caractéristiques des canaux de transmission radio

La décomposition de la matrice H en ses valeurs singulières, la capacité du canal MIMO

est définie par :
II.18

Où, la matrice diagonale S de dimension ( contient les valeurs singulières de H

où les des valeurs propres au nombre de r de HHH qui est définie par :
II.19

La capacité d’un canal MIMO suivant la décomposition de H en ses valeurs singulières

est définie par [10] :

II.20

4 Estimation d’un canal

L’estimation du canal de transmission est un point clé les communications radio-

mobiles permettant d’augmenter les performances du système de transmission grâce à la
connaissance de celui-ci. Dans un environnement MIMO Massif, l’estimation du canal d’une
manière plus précise est très importante car elle permet d’effectuer des traitements
numériques de précodage et de Beamforming pour former des faisceaux focalisant l’énergie
vers, ou autour, des utilisateurs de la cellule. Une mauvaise estimation présente impact néfaste
sur la capacité d’un tel système à focaliser l’énergie vers les différents utilisateurs dans la
cellule.
L’estimation du canal peut être faite au niveau des terminaux utilisateurs qui remontent
ensuite les informations de leurs canaux vers la Mass-BS ou alors directement au niveau de la
Mass-BS, au travers de l’envoi de symboles pilotes des utilisateurs vers la Mass-BS. Par
exemple, pour un système OFDM les symboles pilotes sont répartis en temps et en fréquence.
On va étudier des méthodes basées sur les pilotes où les symboles d’entrainement/pilotes
d‘une modulation OFDM à N porteuses peuvent être décrits par la matrice diagonale
suivantes [11].

II.21

25
Chapitre 02 Caractéristiques des canaux de transmission radio

Où représente le pilote de la k ème sous porteuse tel que et .

Avec . Si le canal de transmission est décrit par pour la k ème

sous-porteuse, le vecteur du signal reçu est donnée par la représentation matricielle suivante
[12] :

II.22

Où est le vecteur du canal de transmission et

est le vecteur bruit tel que et
À partir du (II.23) [13], nous pouvons maintenant déduire plusieurs estimateurs de base.

II.23

4.1 Estimation du canal des moindres carrés (LS)

Dans le cas de l’estimation par les moindres carrés (LS) ou ZF, le canal de transmission
est estimée en minimisant le critère quadratique suivant [12]:

II.24

En dérivant le critère J par rapport au vecteur H et on met le résultat à zéro :

II.25

Par conséquent, l’estimation du canal est données par :

26
Chapitre 02 Caractéristiques des canaux de transmission radio

II.26

Finalement, Le canal estimé pour chaque sous porteuse par la méthode LS est :

II.27

Cet estimateur n’utilise aucune connaissance a priori du comportement du canal. L’erreur

quadratique moyenne (MSE) de cet estimateur est donnée par :

II.28

Où et sont la puissance du signal et celle du bruit respectivement. On remarque que

L’erreur quadratique moyenne (MSE) de cet estimateur est inversement proportionnelle au
SNR.

4.2 Estimation du canal MMSE

Considérons la solution LS dans l'équation (II.26), . Utilisation de la

matrice de poids W, défini , qui correspond à l'estimation MMSE. l’écart MSE de
l’estimation du canal est donné par [12]:

II.29

II.30

27
Chapitre 02 Caractéristiques des canaux de transmission radio

II.31

II.32

4.3 Estimation de canal basée sur DFT

Par conséquent, le CIR est obtenu par IDFT de la réponse en fréquence estimée, tronqué
après le NCP ème échantillon et reconverti dans le domaine fréquentiel. L’estimation améliorée
H est alors donnée par [12] :

II.33

II.34

II.35

5 CONCLUSION

Un canal de transmission est un canal aléatoire, à la fois dispersion et diffraction et

réfraction, ce qui conduit aux phénomènes de propagation par trajets multiples et l’effet
masque. Cependant pour combattre les évanouissements, les solutions se trouve dans les types
de transmission et l’estimation du canal qui fonctionné sur élevé de débit et une fiabilité
optimal de l’information transmise, la connaissance du type du canal et les perturbations dont
il fait l’objet permet de faire les choix qui s’imposent pour atteindre les résultats escomptés.

Dans le chapitre suivant présente un système de communication sans fil MIMO Massif
pour évaluer les performances des systèmes de transmission sans fil

28
Chapitre 03
Systèmes MIMO Massifs et
méthodes de Beamforming pour la
5G

Sommaire

1 INTRODUCTION...................................................................................................................................... 29

2 PRESENTATION DE LA TECHNIQUE MIMO .............................................................................................. 29

3 ARCHITECTURE DES SYSTEMES MIMO....................................................................................... 30

3.1 SYSTEME SISO ......................................................................................................................................... 31

3.2 SYSTEME MISO ....................................................................................................................................... 31
3.3 SYSTEME SIMO ....................................................................................................................................... 32
3.4 SYSTEME MIMO...................................................................................................................................... 33

4 SYSTEME MASSIVE MIMO MULTI-UTILISATEUR ............................................................................. 34

4.1 DEFINITION ............................................................................................................................................. 34

4.2 CARACTERISTIQUES GENERALES DES SYSTEMES MASSIVE MIMO........................................................................ 35
4.2.1 Diversité d’un système MIMOMassif............................................................................................... 35
[Link] Diversité temporelle ............................................................................................................................... 35
[Link] Diversité spatial ...................................................................................................................................... 36
[Link] Diversité spatio-temporelle .................................................................................................................... 36
[Link] Le multiplexage spatial ........................................................................................................................... 36
4.2.2 Small cell et Ondes millimétriques................................................................................................... 36
[Link] Small cell ................................................................................................................................................. 36
[Link] Ondes millimétriques (mmWave) ........................................................................................................... 37
4.2.3 Antennes et propagation ................................................................................................................. 39
[Link] Réseau d’antennes ................................................................................................................................. 39
[Link] Réseaux linéaires uniformes ................................................................................................................... 40
[Link] Antennes intelligentes ............................................................................................................................ 42
[Link] Principe de fonctionnement des antennes intelligentes ........................................................................ 43
[Link] Antennes adaptatives ............................................................................................................................. 44
[Link] Critères adaptatifs : ................................................................................................................................ 46

5 PRECODAGE ........................................................................................................................................... 48

5.1 PRECODAGE ET BEAMFORMING ................................................................................................................... 48

5.1.1 Les différents précodeurs linéaires .................................................................................................. 48
[Link] Détection des signaux pour les systèmes MIMO à multiplexage spatial ................................................ 50
[Link] Conjugate Beamforming (CB) ................................................................................................................. 50
[Link] Transmission Gain Egal (EGT) ................................................................................................................. 51
 [Link] Zero Forcing (ZF) ..................................................................................................................................... 52
[Link] Detecteur Minimum Mean Squar Error (MMSE): ................................................................................... 54

6 DIRECTION DE BEAMFORMING (DBS) .................................................................................................... 55

6.1 PRINCIPE................................................................................................................................................. 56
6.2 AVANTAGES............................................................................................................................................. 58
6.3 ASSOCIATION MIMO MASSIF ET BEAMFORMING ........................................................................................... 58
6.4 LIMITATION DES SYSTEMES MIMO .............................................................................................................. 59
6.4.1 Imperfections matérielles ................................................................................................................ 59

7 CONCLUSION ........................................................................................................................................ 60
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

1 Introduction

Pour assurer les objectifs de la cinquième génération concernant la transmission de

l’information numérique à des débits plus élevés et pour une qualité de service de plus en plus
exigeante ainsi pour la résolution de problème de limitation de capacité des réseaux par
rapport à la bande passante où à la puissance d’émission. La 5G emploie un nouveau système
de transmission qui est représenté par le MIMO Beamforming qui comporte deux
technologies. MIMO Massif qui repose sur l’installation de plusieurs antennes soit à
l’émission où à la réception et qu’offre une efficacité spectral plus élevée que celle des
systèmes mono-antenne, ce système assure aussi une augmentation de la capacité du réseau ;
Et grâce à l’association du Beamforming qui focalise presque la totalité de la puissance émise
vers le récepteur concerné, ce système devient plus robuste aux évanouissements du canal de
transmission en améliorant donc la qualité de transmission.

2 Présentation de la technique MIMO

Figure III.1 Schéma d’un système de transmission sans fil MIMO.

29
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Dans un système mono-antenne, l’augmentation de la taille de la modulation ou de la

bande de fréquence utilisée est les seules solutions pour augmenter le débit de données, avec
tous les problèmes de complexité ou d’encombrement que cela entraîne [14]. Partant du point
de vue de la théorie de l’information, deux membres des laboratoires de recherche Bell,
Telatar et Foschini, ont parallèlement et indépendamment montré que la capacité des
systèmes multi-antennes augmentait linéairement avec le nombre d’antennes émettrices,
dépassant de manière significative la limite théorique de Shannon. L’aptitude des systèmes
multi-antennes à résister aux évanouissements et aux interférences constitue par ailleurs un
avantage supplémentaire indéniable.

Ces découvertes ont fait des systèmes MIMO (figure III-1) un des domaines les plus
attractifs pour les industriels, qui y voient une des technologies susceptibles de résoudre les
problèmes d’encombrement et de limitation de capacité des réseaux sans fil large bande [14].

On distingue principalement deux types d’architectures de systèmes multi antennes

développées pour atteindre l’objectif de l’augmentation de l’efficacité spectrale de la
transmission.
L’architecture originale, connue sous le nom de BLAST visait à augmenter principalement
la capacité des systèmes et a naturellement pris le nom de système spatiotemporel par
couches, puisque la chaîne de symboles est directement démultiplexée sur les antennes
émettrices.
Afin d’améliorer la qualité de la transmission, Tarokh puis Alamouti ont conçu des
systèmes basés essentiellement sur la diversité, proposant un codage et un étiquetage
conjoints. La redondance ainsi introduite permet alors de réduire considérablement le Taux
Erreur Bit, sacrifiant une partie du gain en débit dû à la multiplicité d’antennes.

3 Architecture des systèmes MIMO

Selon le nombre d’antennes existant dans les différents dispositifs d’antennes, nous
pouvons distinguer plusieurs configurations (SISO, SIMO, MISO, et MIMO)(systèmes).
Cependant, ces architectures utilisent des différentes fonctions pour traiter le signal telles que
la technique de combinaison, le codage spatio-temporel, le multiplexage spatial etc…, dont le
but est d’achever la meilleure performance possible du dispositif antenne.

30
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

3.1 Système SISO

C’est la plus simple des architectures radio peut définies en termes MIMO comme
SISO - Single Input Single Output. Ce système ressemble à un canal radio standard
(l’émetteur fonctionne avec une antenne comme le récepteur. il ne nécessite aucun traitement
en fonction de diversité ni aucun autre traitement). La capacité du canal SISO est donnée par :

III.1

Où :

P : la puissance du signal utile en Watt

No : la densité spectrale de puissance du bruit calculé en W/Hz.
W : la bande passante donnée en Hz.
En normalisant la capacité par la bande utile W, on obtient :

III.2

Avec est le rapport signal sur bruit (P/N0).

Figure III.2 Système SISO.

3.2 Système MISO

MISO (multiples input single output) est aussi appelé diversité d'émission. Dans ce cas,
les données sont transmises en redondance à partir des deux antennes émettrices. À La
réception les données sont alors seront récupérées par le traitement du signal optimal reçu (la
somme des signaux des deux chemins).

La capacité du canal MISO :

31
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

III.3

N t : nombre d’antenne d’émission.

En normalisant la capacité par la bande utile W, nous obtenons :

III.4

L’équation III.2 et III.4 sont identiques, mais l’avantage de la technique MISO par
rapport à la technique SISO est que dans les multi trajets, la probabilité d’évanouissement
dans Nt antennes est inférieure à la probabilité d’évanouissement sur une seule antenne.

Figure III.3 système MISO.

3.3 Système SIMO

Le système SIMO (Single Input Multiple Output) utilise à l'émission une seule antenne et
plusieurs antennes à la réception. Il est souvent utilisé pour lutter contre les effets de la
décoloration qui se produit lors de la réception de plusieurs signaux d’un certain nombre de
sources indépendantes.

La capacité du canal SIMO :

III.5

Nr : le nombre d’antenne réceptrice.

En normalisant la capacité en par la bande utile W, nous obtenons :

III.6

32
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Avec est le rapport signal sur bruit.

Figure III.4 système SIMO.

3.4 Système MIMO

La technologie MIMO (Multiple input Multiple output) repose sur Nt antennes de

transmission et Nr antennes de réception. MIMO peut être utilisé pour améliorer la capacité
des canaux ainsi que le débit de canal.

Dans le cas de la Figure III.5 où nous avons un système MIMO à Nt émetteurs et NR

récepteurs, le canal MIMO est traduit par une matrice H de taille dite matrice de canal

III.7

Un signal MIMO peut être définit par :

III.8

Où :

X : la séquence émit.

Y : la séquence reçue.

: représente le bruit qui corrompt le signal lors de la traversée du canal.

33
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Figure III.5 système MIMO.

4 Système MIMO Massif multi-utilisateur

4.1 Définition

MIMO Massif est une extension de MU-MIMO (multi utilisateurs MIMO), dans cette
technologie la BS (station de base) est équipé d’un grand nombre d’antennes qui sert une
cellule avec un grande nombre de UEs (user equipements- équipements d’utilisateur). Les
distinctions principales entre MIMO massif et MU-MIMO peuvent être résumées en trois
aspects : premièrement, seul la BS apprend le CSI G ; deuxièmement, le nombre d’antennes
de BS est généralement plus grand que K ; troisièmement, un traitement d’un signal linéaire
simple, tel que le rapport maximal de transmission (MRT) où bien zero forcing (ZF) sont
utilisés les deux dans UL (up link-liaison montante) ainsi dans DL (down link- liaison
descendante) [15].

Supposant est le produit d’une matrice d’évanouissement à petit échelle

par une matrice d’évanouissement à large échelle tenant en compte

les pertes de parcours et l’effet de masquage, tel que , où les éléments de H ont

des magnitudes d’un et est une matrice diagonal avec le vecteur est son diagonal,

. Comme M devient plus grand , les vecteurs

colonnes de la matrice de propagation sont asymptotiquement orthogonales, donc :

III.9

34
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Quand M augmente sans être liée à certain paramètre, le taux de la somme asymptotique est :

III.10

Ce qui est la somme de l’efficacité spectral des K terminaux, cette capacité de somme
peut être attendue même si avec le plus MRT.

4.2 Caractéristiques générales des systèmes MIMO Massif

4.2.1 Diversité d’un système MIMO Massif

On parle d’exploitation de la diversité du canal lorsqu’on se sert de la nature dispersive du

canal pour envoyer plusieurs répliques d’un même signal au récepteur. En effet, plus ce
dernier reçoit de répliques moins il y a de chances que toutes aient subi une forte atténuation
et l’on améliore ainsi la qualité du lien radio. L’exploitation de la diversité du canal ne sert
que lorsque le canal subit de fortes atténuations car dans le cas contraire, exploiter cette
diversité ne fera qu’utiliser de la ressource spectrale, temporelle ou spatiale, ressources toutes
aussi rares et précieuses, pour un gain presque inexistant. La sélectivité du canal doit donc
être étudiée au préalable [11].

[Link] Diversité temporelle

Exploiter la diversité temporelle du canal consiste à envoyer plusieurs fois le même signal
à des instants différents. Cela revient à répartir les données utiles dans le temps, par exemple à
l’aide de codage de canal et d’entrelaceur temporel, afin de pouvoir recombiner en réception
les différentes instances et reconstruire le signal utile.
Restriction : pour exploiter au mieux la diversité temporelle, il est nécessaire que deux
instances du même signal soient espacées d’au moins le temps de cohérence du canal Tcoh,
temps pendant lequel le canal est considéré comme statique [11].

35
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

[Link] Diversité spatial

La diversité spatiale peut être exploitée lorsqu’un signal est émis de plusieurs points
distincts de l’espace.

Restriction : La distance (d) entre chaque antenne d’un même réseau d’antennes doit être
d’au moins une demi longueur d’onde pour que la diversité puisse être exploitée (antennes
suffisamment décorrélées). Le couplage entre les antennes va également dégrader les
performances [11].

III.11

[Link] Diversité spatio-temporelle

La diversité spatio-temporelle est un exemple de combinaison de techniques de diversité.

En effet, dans cette technique en envoie des versions de signal différées dans le temps via
plusieurs antennes transmetteurs. Ainsi, on atteint un niveau de diversité plus aisé [14].

[Link] Le multiplexage spatial

Le principe du multiplexage spatial est l’agencement sans redondance de la séquence

d’information suivant l’axe spatial. Le système transmet alors Nt fois plus de symboles utiles
par unité de temps qu’un système SISO. Un tel système a été proposé par Foschini en 1996,
l’architecture de premier système MIMO, est appelée D-BLAST [16].

4.2.2 Small cell et Ondes millimétriques

[Link] Small cell

De nos jours, un réseau hétérogène est souvent associé aux cellules dites Small cells [11].
Une telle cellule a la particularité de posséder un rayon de couverture réduit et d’offrir ainsi
un débit élevé à ses utilisateurs, découlant directement du fait que moins de terminaux se
partagent la ressource temps/fréquence. Elle peut alors aisément être complémentaire d’une
cellule à plus large couverture mais au débit moindre (macro cell). On parle d’ailleurs
d’offloading des données lorsque la transmission d’information est attribuée à la small cell au
lieu de la macro cell. La densification des réseaux avec ces small cells rentre pleinement dans

36
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

les problématiques 5G, tant pour améliorer l’efficacité énergétique (grâce au simple fait de
diminuer la taille des cellules) que pour supporter les futurs besoins en débit.

Une telle densification va également nécessiter un backhaul 5 pouvant supporter ces forts
débits, ces liens étant illustrés sur la Figure III.6 entre la macro cell et les small cells, RRH et
relais. L’utilisation du MIMO Massif comme backhaul sans fil (en anglais Wireless Backhaul)
est une solution attrayante. Ainsi, à terme, la Station de Base (SB) de la macro cell pourra ne
consacrer son activité qu’au signaling et au backhaul avec le transfert de données effectué par
les small cells [11].

Figure III.6 Réseau hétérogène composé d’une macro cellule (plus ses relais
et RRH) et de plusieurs small cells permettant de soulager le trafic de données
de la macro cellule.

[Link] Ondes millimétriques (mmWave)

La réduction de la taille des cellules provoquée par la densification des réseaux permet
d’envisager et d’exploiter des systèmes à très haute fréquence (> 6 GHz) pour de futures
communications. En effet, couvrir une large zone n’est plus possible en raison de fortes pertes
en espace libre à ces fréquences, mais de très larges bandes de fréquences peuvent être
utilisées et ainsi permettre de décupler le débit [11].

37
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

 Application aux systèmes MIMO Massifs

Il devient de plus en plus évident que l’obtention de tels débits passera par une nette
densification des réseaux. Nous allons lister succinctement les avantages et les inconvénients
d’une utilisation de ces larges réseaux d’antennes à très hautes fréquences [11]:

 Avantages

• Très faible encombrement : en effet la taille des antennes est grandement réduite ce qui
permet à une Mass-BS de conserver une taille très raisonnable.

• Très larges bandes : augmenter la bande passante est un moyen direct pour augmenter la
capacité d’une cellule (de 100 à 500 MHz de bande contre un maximum de 20 MHz
aujourd’hui sans agrégation).

• Canaux majoritairement en Line of Sight (LOS) : la réduction de la taille des cellules va

augmenter la probabilité que le terminal soit en visibilité directe de la SB. Cette particularité
va permettre l’utilisation de nouvelles techniques.

 Inconvénients

• Forte sensibilité aux obstructions : ces fréquences ne pénètrent pas les murs et les
communications peuvent subir de fortes dégradations en présence d’obstacles. Cela nécessite
d’identifier des scénarios particuliers.

• Pertes en espace libre : on peut écrire l’atténuation et le déphasage que provoque le canal en
espace libre de la manière suivante [11] :

III.12

Avec d la distance parcourue par l’onde, λ sa longueur d’onde et γ un facteur compris entre 2
et 4 dans l’air (plus ou moins d’absorption selon les éléments météorologiques, les fréquences
utilisées etc...).

• Chaînes RF et antennes coûteuses : la précision nécessaire à la fabrication de tels systèmes

les rends onéreux. Il faudra donc opter pour un compromis coût / performances pour rendre le
système viable économiquement.

38
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

4.2.3 Antennes et propagation

Les systèmes existant des radiocommunications sont équipés par des antennes classiques
(omnidirectionnelles, sectorielles) dont les diagrammes de rayonnement sont déterminer
d’une telle manière que la couverture soit optimale. En tant que ces diagrammes sont fixes
donc ils ne peuvent pas s’adapter aux phénomènes rencontrer lors de la propagation. Pour
résoudre ce problème il apparue le concept des antennes intelligentes basées sur les réseaux
d’antennes (linéaires, planaires, circulaires…) qui offrent la combinaison dynamiques les
différents signaux et l’optimisation des bilans de liaison ; plus la possibilité de les orientés
vers des directions privilégiées selon la direction de mouvement du mobile pendant la
communication pour but de limiter les interférences avec les signaux voisins.

[Link] Réseau d’antennes

Un réseau d’antennes est formé de capteurs spatialement séparés et dont les sorties
alimentent un réseau pondéré. Généralement n’importe quelle combinaison des éléments dans
différentes structures géométriques peut former un réseau [17].

 L’espacement entre les éléments du réseau est assez petit qu’i n’y a aucune variation
d’amplitude entre les signaux reçus aux différents éléments.

 Il n’y a aucun couplage manuel entre les éléments.

 Tous les champs d’incidence peuvent être décomposés en nombre discret d’ondes
planes. C’est-à-dire, il y a un nombre fini de signaux.

 La largeur de bande du signal incident sur le réseau est petite comparée à la fréquence
porteuse.
Le réseau d'antennes peut être arrangé dans diverses configurations de la géométrie dont
les plus populaires sont linéaires, circulaires et planaires représentés sur la figure III.7 :

D’où :

a) Réseau linéaire uniforme.

b) Réseau circulaire.

c) Réseau planaires.

39
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Figure III.7 Différentes géométries de réseaux pour les antennes intelligentes [17].

[Link] Réseaux linéaires uniformes

Figure III.8 Modèle du Signal pour RLU [17].

Un réseau linéaire uniforme (ULA) est la géométrie la plus fréquemment utilisée dans la
conception des antennes réseaux. La Figure III.8 représente un réseau formé de « N» antennes
alignées et séparées par une distance « d ».La direction d’arrivé DOA de l’onde plane par
rapport à l’axe du réseau est représentée par l’angle .Le front d'onde plane au premier élément
du réseau doit se propager à travers une distance pour arriver au deuxième élément. Soit
le signal au premier élément d’antenne (l'élément de référence), alors le retard de phase du
signal par rapport au nième élément est , où [16].

Par conséquent, le signal reçu au nième élément est donné par :

III.13

40
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

peut être exprimé sous forme d’un vecteur :

III.14

III.15

Où est l’opération de transposition. Alors l’équation (III.14) peut être exprimée sous
la forme vectorielle :

III.16

Où le vecteur de bruit a été défini comme suit :

III.17

Le vecteur x(t) est souvent désigner sous le nom de vecteur de données d’entrée de réseau
et a( ) est appelé le vecteur de direction.

Il convient de noter que si la largeur de bande passante du signal incident exprimé dans
(III.13) est beaucoup plus petite que l’inverse du temps de propagation à travers le réseau, le
signal désigné sous le nom du signal à bande étroite, autrement il est appelé signal à large
bande [17].

Nous prolongeons maintenant le modèle d’ULA à un cas plus général avec des effets
d’évanouissement par trajets multiples et à multiutilisateurs.

Supposons qu’il y a U utilisateurs reçus par le réseau, et le signal incident de l’i éme
utilisateur ayant trajets multiple non-corrélés avec les amplitudes complexe Angle
Of Arrival (AOA) et le retard de trajet . Alors le signal reçu pour l’iéme utilisateur peut
être exprimé comme suit :

III.18

Le signal reçu est la somme de tous les signaux et bruits reçus par le réseau. Par
conséquent, le vecteur de données reçues peut être exprimé comme suit :

III.19
41
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

L’équation (III.19) peut être exprimée sous forme matricielle comme suit :

III.20

Où est la matrice des vecteurs de direction :

III.21

Et :

III.22

[Link] Antennes intelligentes

Les systèmes antennaires adaptatifs où intelligents (smart antennas), ils résultent lors de
l’association entre les domaines de l’électromagnétisme et le traitement de signal. Ces
systèmes ont comme objectif l’automatisation de la réaction de leur capacité, en temps réel,
selon les modifications intervenues sur le canal de propagation. Ils s’intéressent aussi à la
réduction des pertes d’énergie présentée par les lobes secondaire dans la direction des
interférences tout en concentrant la totalité d’énergie dans le lob principal et de lui focaliser
vers la direction utile. Généralement, un tel système se repose sur un réseau d’antennes et un
processeur récepteur adaptatif qui fonctionne en temps réel et qui assigne des pondérations
aux éléments afin d’optimiser le signal de sortie selon une multitude d’algorithme prédéfinie.
Un réseau d’antenne adaptatif peut être définie comme un système qui a la capacité de
modifier son diagramme de rayonnement, sa réponse fréquentielle et d’autre paramètres
grâce à une boucle à retour de décision interne pendant de son fonctionnement.

Les antennes intelligentes sont capables de définir la position de la cible avant d’envoyer
le signal et donc elles focalisent l’énergie uniquement vers la direction désirée. Par contre,
pour les systèmes antennaires traditionnels, ils ne peuvent pas définir la localisation du
mobile, et alors l’envoie du signal se fait d’une manière très large. Cette transmission
augmente le niveau des interférences par l’émission de la puissance vers des directions
inutiles.

42
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

[Link] Principe de fonctionnement des antennes intelligentes

Les antennes intelligentes semblent être une voie prometteuse pour accroître la capacité
des systèmes de transmission. L’idée consiste à utiliser la dimension spatiale des capteurs. La
Figure III.9 illustre ce procédé.

Le principe de fonctionnement peut se résumer aux étapes suivantes [17] :

1- La station de base intelligente focalise sur un signal en particulier plutôt de capter les
signaux provenant de toutes les directions.
2- Former des faisceaux d’énergie orientés vers un usager particulier sans avoir à
connaître l’emplacement de cet usager. Cela serait comparable à un dispositif de
poursuite, une sorte de signature spatiale. C’est comme doter chaque téléphone
cellulaire de sa propre liaison sans fil.
3- Il faut moins d’énergie pour focaliser un signal sur 20 degrés qu’il en faut pour
l’orienter sur 360 degrés. Donc, en ajoutant un éventail d’antennes et ayant recours à
un mode perfectionné de traitement numérique des signaux, on peut créer les antennes
intelligentes.

Figure III.9 Principe de base d’une antenne intelligente.

La technologie des antennes intelligentes permettra deux choses:

1- L’augmentation du nombre d’usagers que pourra desservir un système cellulaire donné.
2- L’accroissement de l’éventail des services offerts par le système cellulaire.

43
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

En faisant circuler l’énergie directement entre la station et le téléphone cellulaire de l’usager

on produit:

• Une réduction des bruits ambiants.

• Une élimination des interférences provenant d’autres usagers et obstacles.

Cette amélioration de qualité et l’augmentation du nombre d’usagers et de services sont

des atouts pour les futurs systèmes sans fils.

[Link] Antennes adaptatives

Un réseau d’antennes adaptatives est un ensemble des éléments d’antennes qui s’adaptent
continuellement à l’environnement de propagation selon ses changements. Chaque élément
d’antenne à son propre coefficient de pondération qui se mettre à jour d’une manière
adaptative pour maximiser son gain dans une direction précise. Grace à la capacité de
focaliser l’énergie et de poursuivre l’utilisateur dont le but est de réduire les interférences
entre les signaux, plusieurs utilisateurs peuvent partager le même canal transmission à
l’intérieur de la même cellule et donc optimiser l’utilisation des ressources.

D’autre terme, ils peuvent changer leur rayonnement, modèle de réception

dynamiquement pour s’ajuster avec les variations de bruit de canal, afin d’améliorer le SNR
du signal cette procédure se connait sous le nom Beamforming Adaptatif.

Figure III.10 Réseau d’antennes adaptatives [17].

44
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Pour trouver le vecteur de pondérations optimales, il faut minimiser l’erreur moyenne

entre le signal de sortie de réseau et le signal de référence .

Les antennes adaptatives peuvent considérer comme un système prolongé de diversité,

qui a plus de deux branches de diversité.

Le signal de sortie de système s’écrit comme suit :

III.23

Où représente le signal reçu par l’iéme antenne. Supposant que le premier élément de
réseau est la référence de phase, le déphasage relatif du signal reçu au néme élément est :

III.24

désigne la direction du signal incident.

Le signal sur le néme élément est où « e » le diagramme élémentaire :

III.25

III.26

La structure de l'unité de contrôle dépend de l'information que l'on connaît a priori ou que
l'on peut estimer au niveau de la station de base. Cette information inclut le type de
modulation, le nombre de trajets séparables et leurs angles d'arrivés, la présence ou non d'une
séquence d'apprentissage et la complexité de l'environnement de propagation [17].

45
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

[Link] Critères adaptatifs :

Avec un réseau adaptatif, les signaux reçus par chaque antenne sont pondérés et combinée
pour améliorer les performances du signal de sortie. Les critères de performance les plus
fréquemment utilisés sont : la minimisation de l’erreur quadratique moyenne (MMSE),
Minimum Variance (MV) qui seront décrit ci-dessous [17].
 Minimum Mean Square Error (MMSE) (Minimisation de l’Erreur
Quadratique Moyenne)

Ce critère permet de minimiser l'erreur quadratique moyenne entre le signal désiré S(t) et
la sortie de réseau y(t) sur la base d'un signal de référence d(t) qui est connu à la fois au
niveau de la BS et la MS. Le signal d'apprentissage d(t) est habituellement envoyé à partir de
la BS à la MS pour estimer l'environnement de propagation. Après la période d’apprentissage,
les séquences obtenues sont utilisés pour traiter les données reçues. Nous considérerons
maintenant le réseau adaptatif représentée sur la figure III.11 le vecteur de signal d’entrée est
donnée par [17]:

Figure III.11 Critère de réseau adaptive MMSE [17].

III.27

Où n(t) est le vecteur bruit qui est supposé gaussien avec une moyenne nulle et de

variance N0, est AOA, a( ) est le vecteur de propagation pour le signal désiré (vecteur de
direction).

III.28

46
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

La formation de faisceau dans le récepteur utilise les informations du signal de référence

pour calculer le vecteur de pondération optimale w(opt) .Si l'environnement du canal et les
caractéristiques d'interférence restent constants d'une période de formation jusqu'à la
prochaine, le vecteur de pondération w(opt) sera utilisé pour calculer la sortie y(t) [17] :

III.29

Alors le signal d'erreur est donné par :

III.30

Et l'erreur quadratique moyenne est définie par :

III.31

Où E {.} désigne l'opérateur d'espérance d'ensemble. À partir de (III.31), nous avons :

III.32

Où : pxy=E {x (t) d(t)*} est le vecteur de corrélation croisée de dimension .

est la matrice de corrélation. Ici (.) * Désigne le complexe

conjugué.
Le vecteur de pondération optimal peut être trouvé en calculant le gradient de (III.32) :

III.33

Après réarrangement, nous pouvons écrire :

III.34

En supposant qu’est est non singulière, la solution optimale est donnée comme suit :

III.35

L'équation (III.35) est appelée l'équation de Wiener-Hopf.

47
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

5 Précodage

L'idée de base du précodage est d'utiliser une forme de connaissance du canal à l'émetteur
afin de personnaliser les signaux transmis à la structure propre de la matrice canal. Le
précodage permet d'améliorer la probabilité d'erreur, le taux de transmission et par conséquent
la capacité du système par un partage plus efficace du canal avec les différents usagers, il
permet également la suppression des interférences et en l'occurrence réduit la complexité du
récepteur.

5.1 Précodage et Beamforming

La notion de précodage consiste à effectuer un traitement numérique des signaux à

l’émission en utilisant des techniques de codage et de répartition des données sur chacune des
antennes en exploitant des connaissance apriori sur le canal de transmission. Dans ce travail
on va utiliser un codage spatial à travers des techniques de Beamforming dans un
environnement de propagation multi-antennes en exploitant la ressource spatiale. Le
précodage spatial (SDMA) permet de focaliser l’énergie électromagnétique vers une direction
ou une zone particulière (respectivement pour une communication en LOS ou en NLOS).

Un prétraitement numérique suivi d’un convertisseur numérique/analogique en entrée de

chaque antenne est nécessaire et apporte une importante flexibilité aux systèmes de
communication radio-mobile. La synthèse des précodeurs est liée aux critères d’optimisation
désirés (SIR, SNR, SINR, etc...) et les performances des différents précodeurs sont
directement affectées par la qualité de l’estimation du canal [11].

5.1.1 Les différents précodeurs linéaires

Dans cette partie nous nous intéressons aux systèmes multiutilisateurs de type MU-MIMO où
seule la dimension spatiale est exploitée par le précodage pour focaliser l’énergie vers les
différents utilisateurs. Figure III.12 montre la structure d’un système multiutilisateur avec M
antennes à l’émission (Mass-BS) et K utilisateurs dans la cellule [11].

48
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

Figure III.12 Structure d’un réseaux d’antennes avec précodage[11].

Un système multi-utilisateur avec M antennes à l’émission (Mass-BS) et K utilisateurs est

décrit par l’équation suivante :
III .36

où est le vecteur des symboles émis, le vecteur des

signaux émis par les antennes, la matrice de précodage permettant de répartir les
données sur les différentes antennes émettrices et est un facteur de normalisation qui
assure que la puissance émise reste inchangée par le précodage.

III.37

L’antenne émet une combinaison linéaire des K symboles émis :

III.38

Soit le vecteur de signaux reçus par les différents utilisateurs et n le

vecteur de leur bruits blancs gaussiens respectifs. Le signal reçu s’écrit :
III.39

Le signal reçu par l’utilisateur k est décrit par l’expression suivante :

49
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

III.40

On définit et comme la partie utile et la partie interférente respectivement :

III.41

III.42

Les différentes métriques pour un utilisateur k sont exprimées par les expressions suivantes :

III.43

[Link] Détection des signaux pour les systèmes MIMO à multiplexage spatial

Les systèmes MIMO multiplexés dans l'espace (SM-MIMO) peuvent transmettre des données
à une vitesse supérieure à celle des systèmes MIMO utilisant d’autres techniques comme le
codage spatiotemporel. Cependant, la démultiplexage spatial où la détection du signal au
niveau du récepteur est une tâche ardue pour les systèmes SM MIMO.

Les matrices de détection et de précodage sont calculées à partir de l’estimation du canal H. Il

existe un certain nombre de méthodes pour calculer ces matrices. Dans ce travail on va
concentrer sur des méthodes de précodage/détection linéaires à savoir : le rapport maximal
(MR), le forçage nul (ZF) et l'erreur quadratique moyenne minimale (MMSE). Les dérivations
mathématiques complètes de ces techniques ne sont pas détaillées, mais les critères pour
lesquels elles sont optimisées, ainsi que les avantages et les inconvénients de chaque méthode,
sont discutés [12].

[Link] Conjugate Beamforming (CB)

Le Conjugate Beamforming vise à maximiser le SNR. Ce précodeur va offrir un gain de

Beamforming maximal à chaque utilisateur mais va générer une certaine quantité

50
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

d’interférences entre utilisateurs. Pour plus de lisibilité on utilise seulement la matrice des
évanouissements rapides H [11].

La matrice de précodage du Conjugate Beamforming (CB) est donnée par :

III.44

Il s’agit que entre l’utilisateur et l’antenne .

La partie utile et la partie interférente ont les expressions suivantes :

III.45

III.46

On peut démontrer que (Annexe A.1) et , par

conséquent

L’augmentation de nombre d’antenne M augmente la puissance utile et démunie l’interférence

entre utilisateurs.

[Link] Transmission Gain Egal (EGT)

L’EGT, ou transmission à gain constant, ne va compenser que le déphasage engendré par

le canal sur chaque sous porteuse (dans le cas d’une forme d’onde telle que l’OFDM) [11]:

III.47

est le déphasage introduit par le canal entre l’utilisateur k et l’antenne m.

La matrice de précodage a l’expression suivante :

III.48

le coefficient de normalisation devient exactement :

III.49

51
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

La partie utile et la partie interférente ont les expressions suivantes :

III.50

III.51

On peut démontrer que (Annexe A.2) et , par

conséquent

[Link] Zero Forcing (ZF)

Le ZF, illustré Figure III.13, est un précodeur annulant les interférences inter-utilisateurs
(interférences produites par une transmission MU-MIMO) et donc qui maximise le SIR [11].

Figure III.13 Précodeur Zéro Forcing [11].

La technique de forçage à zéro est la technique de détection de MIMO Massifs la plus

simple, proposée par Foschini en 1996, où la matrice de filtrage est construite en utilisant le
critère basé sur la performance ZF.

ZF peut être implémenté en utilisant l'inverse de la matrice de canal H pour produire

l'estimation du vecteur transmis.

La technique du forçage à zéro (ZF) annule l’interférence par la matrice de pondération

suivante:

52
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

La forme linéaire devenant très complexe, l’écriture matricielle est préférable pour plus
de lisibilité [11].

III.52

Les expressions de la partie utile et la partie interférente liées au précodage zero forcing sont
données par (Annexe B.1):

III.53

III.54

III.55

III.56

L’estimation du signal x est donnée par [12] :

III.57

La valeur quadratique de l’erreur d’estimation a l’expression suivante (Annexe B.2):

III.58

x est composé du vecteur décodé x plus une combinaison de la matrice de canal inversé
et du vecteur de bruit inconnu. Parce que la pseudo-inverse de la matrice de canal peut avoir
une puissance élevée lorsque la matrice de canal est inconnue, la variance du bruit est donc
augmentée et la performance est dégradée. Pour atténuer l'amélioration du bruit introduite par
le détecteur ZF, le détecteur MMSE (Minimum Mean Squar Error) a été proposé, où la
variance du bruit est considérée dans la construction de la matrice filtrante.

Avantage du détecteur ZF qui fonctionne bien dans des scénarios à contraintes limitées.

53
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

 Inconvénient de ZF : Néglige l'efficacité du bruit, cela fonctionne mal dans des

scénarios à faible bruit. En outre, si le canal n'est pas bien conditionné, alors les
amplificateurs pseudo inverse sont sensibles au bruit et, par conséquent, la performance
est très médiocre. Par rapport à autres détecteurs comme (MF et MRC) [11].

[Link] Detecteur Minimum Mean Squar Error (MMSE):

Le détecteur MMSE est un détecteur linéaire dont la matrice de transformation est cette
matrice qui minimise l'erreur carrée moyenne entre le vecteur d'émission et le vecteur estimé.
MMSE atténue le problème de l'amélioration du bruit en prenant en compte le pouvoir de
bruit lors de la construction de la matrice de filtrage en utilisant le critère basé sur la
performance MMSE.

Le précodeur MMSE est un compromis entre annulation d’interférences et puissance de

bruit ce qui en fait un précodeur plus adapté que le ZF à bas SNR. Il vise donc à maximiser le
SINR [11].

III.59

Comme le ZF, il est d’une grande complexité à cause de l’inversion matricielle nécessaire
au calcul de la matrice de précodage. Il permet de limiter l’impact du bruit à faible SNR que
subit le ZF [11].

Les estimations vectorielles produites par une matrice de filtrage MMSE deviennent.

La matrice GMMSE de transformation est donnée par la solution au problème de

minimisation suivant:

III.60

III.61

III.62

54
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

La valeur quadratique de l’erreur d’estimation a l’expression suivante (Annexe B.2):

III.63

L'effet d'amélioration du bruit au cours du filtrage linéaire est significatif lorsque le nombre
de conditions de la matrice de canaux est grand, c'est-à-dire que la valeur singulière minimale
est très petite. En vous référant aux équations (III.58) et (III.63), les effets d’amélioration du
bruit dus au minimum La valeur singulière des détecteurs linéaires ZF et MMSE est
respectivement donnée par [12] :

pour ZF III.64

pour MMSE III.65

Le détecteur MMSE combine les meilleurs attributs de performance des détecteurs MF et

ZF. Où est la variance du bruit. Le terme offre un compromis entre les
interférences résiduelles et l'amélioration du bruit. Lorsque le SNR grandit, le détecteur
MMSE converge vers le détecteur ZF, mais à faible SNR le MMSE il se comporte comme
MF en raison de la proéminence des entrées diagonales de comme Le détecteur
MMSE fonctionne strictement mieux que le MF et le détecteur ZF sur toute la gamme des
SNR. MMSE a besoin de connaissances sur la variance du bruit .

6 Direction de Beamforming (DBS)

Beamforming numérique est constitué par un réseau d'antennes où chaque élément est
directement relié à un convertisseur analogique/ numérique. En réception, un poids complexe
affecté à chaque antenne est appliqué en numérique. Les algorithmes du Beamforming
adaptent le diagramme de rayonnement en optimisant ces poids [18].
La technologie des antennes adaptatives vise à optimiser le diagramme afin d'atteindre
les performances optimales. Ce type d'antennes utilise des algorithmes sophistiqués du
traitement du signal pour distinguer continuellement entre les signaux désirés et les signaux

55
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

d'interférence par le calcul de leur direction d'arrivées. L'approche adaptative actualise

continuellement le diagramme de rayonnement. La capacité de suivre les usagers par les lobes
principaux, et l’interférence par les zéros, sont assurées par la maximisation du bilan de
liaison [19].

6.1 Principe

Beamforming est un processus formulé pour multiplier les diagrammes de faisceaux

rayonnés des antennes en construisant complètement les signaux traités dans la direction des
terminaux souhaités et en annulant les faisceaux de signaux brouilleurs. Beamforming
d’émission travaille à maximiser la puissance du signal reçu par chaque utilisateur tout en
minimisant la puissance du signal brouilleur provenant des autres utilisateurs, augmentant
ainsi la capacité. Ceci peut être accompli en utilisant un filtre à réponse impulsionnelle finie
(FIR). Les filtres FIR sont avantageux en ce que leurs poids peuvent être modifiés de manière
adaptative et appliqués pour obtenir Beamforming optimal [20].

les M antennes du réseau plan sont décomposons en MV éléments verticaux et MH

éléments horizontaux, l’antenne d’indice m va donc correspondre au couple (NV ,NH) avec
et . On appelle les angles en azimut et en élévation
décrivant la direction d’arrivée (ou réciproquement de départ) de l’onde supposée plane. Ces
éléments sont représentés sur Figure III.14 [11].

[14]
Figure III.14 Représentation du système en coordonnées sphériques .

Soit un signal émis dans la direction représentant les angles d’élévation et

d’azimut respectivement d’un émetteur ayant un réseau d’antenne réseau à éléments
rayonnants. En supposant une propagation en milieu homogène, le signal subit, sur chaque

56
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

élément d’antenne, un déphasage et une atténuation modélisent par le vecteur à K

composantes . Ce vecteur constitue la réponse au niveau de chaque élément d’antenne
pour la direction considérée et est appelé vecteur directionnel (steering vector)
suivant . Il est donné par [21]:

III.66

Où
III.67

Avec et sont les fréquences spatiales :

III.68

III.69

Ainsi le précodeur Digital Beam steering s’exprime directement en fonction de la matrice A :

III.70

On peut remarquer que la valeur est la même, quelle que soit la fréquence contrairement aux
autres précodeurs reposant sur la connaissance de la réponse en fréquence du canal, former ce
précodeur ne requiert que de la position angulaire, et ce quelle que soit la largeur de la bande.
Le tableau 3.1 récapitule les expressions de tous les précodeurs décrits précédemment avec
leurs critères qu’ils maximisent:
Précodeur Complexité Tx Expression Maximisation
CB ++ SNR
EGT ++ arg( ) SNR
ZF +++ SIR
MMSE +++ SINR
DBS + SNR
Tableau III.1 : les différents précodeurs linaires [11].

57
 Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

6.2 Avantages

Les systèmes MIMO massifs sont extrêmement complexes : leur mise en place vous
donnera plus de fil à retordre qu'un taureau mécanique. Cependant, les avantages offerts par le
MIMO massif valent le coup de mordre la poussière deux ou trois fois [22].
 Efficacité spectrale - Ce sujet prend de plus en plus d'importance, car nous grignotons
toujours davantage du spectre électromagnétique pour divers protocoles de communication.
Les gouvernements ont réservé une large bande de fréquences pour la 5G, mais ces spectres
ne sont pas illimités. Le MIMO massif est en mesure d'exploiter son réseau d'antennes pour
concentrer les faisceaux jusqu'aux utilisateurs individuels. Cela lui permet de proposer une
efficacité spectrale 10 fois supérieure à celles des systèmes MIMO utilisés pour la 4G [22].
 Efficacité énergétique - Le Texas ne va pas continuer à produire du pétrole jusqu'à la fin des
temps, il est donc grand temps de se soucier de l'efficacité énergétique des systèmes
électroniques. Avec le MIMO massif, les antennes peuvent être conjuguées pour augmenter le
gain de signaux transmis. Cela signifie qu'elles irradient moins d'énergie lorsqu'elles
transmettent des données, améliorant l'efficacité énergétique du système [22].
 Suivi des utilisateurs - L'élément qui rend le MIMO massif si efficace énergétiquement
parlant lui permet également de suivre très précisément les utilisateurs. Lorsque les faisceaux
des antennes sont concentrés pour obtenir un gain élevé, leur largeur diminue. Ainsi, la tour
doit suivre chaque utilisateur avec un signal de faisceau étroit. Ce suivi fournira aux
utilisateurs une connexion plus fiable et de meilleure qualité que les signaux larges qui ont été
utilisés jusqu'à présent [22].

6.3 Association MIMO Massif et Beamforming

Un système MIMO est par définition, c’est un système comprenant un grand nombre
d’antennes, ce nombre d’antennes aide à augment le débit de données et l’efficacité du spectre
d’antennes, et le spectre d’ondes millimétriques à haute capacité sont des synonymes de 5G.
Mais au-delà des antennes et du spectre, des techniques de traitement du signal avancées telles
que Beamforming sont essentielles à la fourniture de la 5G.

L’objectif de la technologie de Beamforming c’est une technologie qui associées à un

dispositif d’antenne réseau, Beamforming travaux sur combinant les signaux d’un ensemble
de sources élémentaires, permet de former un ou plusieurs diagrammes de rayonnement.
Beamforming est une technique de traitement des signaux utilisée pour les systèmes de
58
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

transmission sans fil haut débit. Il peut également être considéré comme un filtre spatial pour
chaque direction d'intérêt. Ce filtre va permettre de récupérer ou d’émettre des signaux dans
des directions particulières avec un gain maximum, c'est-à-dire de favoriser le gain pour la
direction d’intérêt et d’atténuer les signaux émis dans les directions non souhaitées. A la sortie
de ce filtre, on n’aura que les signaux dans la direction d’intérêt.

Figure III.15 Système massive MIMO Beamforming.

6.4 Limitation des systèmes MIMO

6.4.1 Imperfections matérielles

Un système MIMO Massif est par définition un système comprenant un très grand
nombre d’antennes (M > 10). Il est donc évident qu’une telle solution va nécessiter des
composants faibles coûts (appelés COTS pour Commercial Off-The-Shelf) pour être
économiquement viable et l’impact de leurs imperfections dans le cas d’une exploitation
massive est étudiée.
Toute action de précodage, permettant la focalisation de l’énergie et donc un accès
SDMA, nécessite une certaine connaissance du canal de transmission. C’est pourquoi dans la
plupart des études menées autour de ces systèmes, on considère un système fonctionnant en
TDD [11]. En effet, cela permet de reporter toute la complexité des traitements numériques au
niveau de la Mass-BS grâce à l’exploitation de la réciprocité du canal de transmission. Dans
un tel système à grand nombre d’antennes et chaînes RF, on ne peut en revanche pas
considérer le canal estimé comme réciproque. En effet, bien que le canal de propagation
puisse toujours être considéré comme réciproque, le canal de transmission, comprenant le
canal de propagation et les étages RF, est celui que l’on estime et utilise pour les différents
traitements en bande de base [11].

59
Chapitre 03 Systèmes MIMO Massifs et méthodes de Beamforming pour la 5G

7 Conclusion

Dans ce chapitre, nous avons présenté un système multiples MIMO Massifs qui s’adapte
mieux à l’environnement NLOS et offrent de bonne performances dans un environnement
multi-trajets, nous avons exposé les différentes architectures puis leurs caractéristique comme
les techniques spatial qui permettent de maximiser la capacité du système, nous avons voir
ensuite l’antenne intelligentes et leur catégories d’antenne adaptatif et sont critère et on a
énuméré les différentes technique de Beamforming qui constitue l’une des applications
envisageables des antenne intelligentes.

A la fin on a vue la relation entre MIMO Massif et Beamforming pour maximiser le

rapport signal sur bruit plus et le gain à l’émission et à la réception, afin de montrer limitation
de système de transmission multi antennes haut débit.

60
Chapitre 04
Simulation & interprétations des
Résultats

Sommaire

1 INTRODUCTION...................................................................................................................................... 61

2 LANGAGE UTILISE................................................................................................................................... 61

3 ESTIMATION DE CANAL .......................................................................................................................... 62

4 CAPACITE DES SYSTEMES MIMO ............................................................................................................ 64

5 SIMULATION DE PERFORMANCE D’UN SYSTEME MIMO MASSIF ........................................................... 66

6 SIMULATION D’UN SYSTEME DE TRANSMISSION AVEC BEAMFORMING ................................................ 68

7 CONCLUSION ......................................................................................................................................... 72
Chapitre 4 Simulation et interprétation des résultats

1 Introduction

La conception des systèmes de communication nécessite une étude à l’avance et une

évaluation de leurs performances. Toutefois, La cible de ce travail est d’arriver à réaliser cette
évaluation pour des Systèmes MIMO Massifs Beamforming pour la 5G à travers une
simulation, en vérifiant qu’il répond aux objectifs fixés, commençant par une comparaison
entre les techniques d’estimations de canal vues dans le deuxième chapitre, et une autre entre
les différentes capacités de système MIMO, pour pouvoir finalement évaluer le performance
d’un système MIMO Beamforming.

L’étude des performances de ces systèmes est réalisée en termes de capacité de

transmission
et aussi en termes de taux d’erreur binaire BER en fonction du rapport signal sur bruit SNR.

2 Langage utilisé

Le choix du bon environnement de programmation est très important pour le

développement des projets. Cela se fait suivant plusieurs facteurs: la puissance de
compilation, la facilité d'utilisation, la disponibilité de plusieurs fonctionnalités et la
communication avec d'autres environnements, etc.
Afin de réaliser les différentes simulations de notre système, nous avons eu recours aux
outils du logiciel MATLAB®. Ce dernier est un langage de calcul scientifique de haut niveau
et un environnement interactif pour le développement d'algorithmes, la visualisation et
l'analyse des données, ou encore le calcul numérique (MATLAB veut dire MATrix
LABoratory).
En utilisant MATLAB, nous pouvons résoudre des problèmes de calcul scientifique plus
rapidement qu'avec les langages de programmation traditionnels ; car il n'est pas nécessaire
d'effectuer les tâches de programmation de bas niveau, comme la déclaration des variables, la
spécification des types de données et l'allocation de la mémoire.

61
Chapitre 4 Simulation et interprétation des résultats

3 Estimation de canal

L’estimation de canal est une méthode qui permet la connaissance de canal de

transmission en estimant les coefficients des différents sous-canaux du canal, pour but de
montrer l’intérêt de cette technique , on va évaluer le performance des canaux de
transmissions(AWGN, Rayleigh) en utilisant le taux d’erreur binaire (BER) comme mesure
de performance. Sera illustré par le tracé de la variation de BER en fonction du rapport signal
sur bruit SNR où de façon équivalente du rapport énergie binaire sur la densité spectrale de
bruit E/N0.

Pour réaliser la simulation on a poursuit un programme sous l’environnement Matlab.

La figure (IV.1) montre les résultats de simulation du BER pour les deux canaux AWGN

représenté théoriquement par et Rayleigh pour une

modulation BPSK.

On considère une transmission de 10^6 bits où symbole par une modulation BPSK,
d’après la figure (IV.1), on observe que le BER est relativement faible pour le canal AWGN
(de l’ordre de 10-1 au SNR=0 dB) et s valeur diminue rapidement jusqu’il s’annule pour
SNR=10 dB. Ceci due à l’absence de retard du aux multi trajets.

Cet effet devient signifiant pour le canal Rayleigh a multi trajets, on voit que le BER
diminue lentement et il devient constant a 10-4 pour un SNR=35 dB.

62
Chapitre 4 Simulation et interprétation des résultats

BER pour la modulation BPSK dans un canal Rayleigh

AWGN-Theorie
-1 Rayleigh-Theorie
10 Rayleigh-Simulation
Taux d'erreur binaire

-2
10

-3
10

-4
10

-5
10
0 5 10 15 20 25 30 35
Eb/No, dB

Figure IV.1 Comparaison entre les canaux AWGN et Rayleigh en terme de BER.

La figure (IV.2) montre quelque algorithme d’estimation de canal en terme de BER en

fonction de SNR, que l’on peut trouver dans [23] pour une transmission des symboles BPSK
sur un canal AWGN où :

On remarque que les traces des deux techniques LS et MMSE simulées sont confondues
sur ceux de leurs théories.

On constat bien que les estimateurs MMSE, TDD LMMSE, et TD QABS LMMSE sont
les meilleurs en terme de performance par rapport à l’estimateur LS.

La comparaison de BER entre ces estimateurs montre que leurs performances sont quasi-
identique a partir du SNR=25 dB, mais MMSE reste le plus compliqué entre LMMSE et les
tequniques LMMSE basées sur d’autres pilots.

63
Chapitre 4 Simulation et interprétation des résultats

1
10
LS
0 MMSE
10
TD LMMSE
TDD LMMSE
-1
10 TD Qabs LMMSE
Theory-LS
Theory-LMMSE
MSE du canal

-2
10

-3
10

-4
10

-5
10

-6
10
0 5 10 15 20 25 30 35 40
EsNodB

Figure IV.2 Algorithmes d’estimation de canal.

D’après l’analyse des figures (IV.1 et IV.2) il résulte que le canal AWGN est le mieux par
rapport au canal Rayleigh en terme de BER grace à l’absence des effets de multi-trajets
présent au canal Rayleigh. D’un autre part, les algorithmes d’estimation de canal basés sur la
technique MMSE donnent de meilleure performance par rapport aux techniques LS,
particulièrement dans le cas de faibles SNR. L'inconvénient principal de cet estimateur est
qu'il a une complexité très élevée.

4 Capacité des systèmes MIMO

Avant tout conception de chaine de transmission, il faut choisir les paramètres du canal
d’une sorte que la capacité du système soit élevée pour pouvoir répondre aux besoins.

Les systèmes de transmission MIMO ont un avantage par rapport aux autres systèmes
grâce à leur grande capacité qui va être démontré en comparant les différentes capacités
étudié dans ce travail.

La capacité donc augmente plus rapide dans un système MIMO qu’un système mono antenne
(SISO). La figure IV.3 représente l’espérance de capacité en fonction du SNR pour la capacité
de Shannon et pour plusieurs valeurs de Nt et Nr. Un programme effectué suivant les
équations définies précédemment (chapitre 2).

64
Chapitre 4 Simulation et interprétation des résultats

capacité MIMO
25
Capacité de Shannon
MIMO, NT=NR=2
MIMO, NT=NR=3
20
MIMO, NT=NR=4
Capacité (bit/s/Hz)

15

10

0
2 4 6 8 10 12 14 16 18 20
rapport signal sur bruit SNR(dB)

Figure IV.3 Capacité des Systèmes MIMO à 2, 3, 4 antennes en fonction de SNR.

 Dans le cas de capacité théorique de Shannon, la capacité varie de 1.25 à 6.25 bit/s/Hz
environ. Elle augmente d’une manière considérable avec le SNR, mais elle reste faible
ce qui illustre les limitations de la transmission.
 Dans le cas MIMO (Nt=Nr=2) la capacité s’augmente de 5.75 bit/s/Hz par rapport à la
capacité de Shannon. La capacité MIMO augmente plus rapidement, pour finir avec
un gain presque 50% à 10 dB de SNR.

Exactement les mêmes commentaires peuvent être effectué pour les systèmes MIMO à
(Nt=Nr= 3) et (Nt=Nr=4). Nous pouvons aussi vérifier que la capacité du système MIMO à 4
antennes est presque le double de celle à 2 antennes.

D’après ces résultats on peut conclue que la capacité des systèmes MIMO augmente
linéairement avec le nombre d’antennes émettrices et réceptrices. Mais à un certain nombre
d’antennes, Ce dernier devient inutile puisque la capacité du système sature.

65
Chapitre 4 Simulation et interprétation des résultats

5 Simulation de performance d’un système MIMO Massif

Les systèmes MIMO Massifs représente une solution optimale pour la transmission à
travers des réseaux 5G, ils donnent la possibilité d’achever l’efficacité spectrale désirée ainsi
que l’efficacité énergétique et plus important la réponse à demandes croissantes des grands
débits. Le MIMO Massif est un sujet d’actualité, dont nous présentons le minimum pour
montrer l’intérêt de ce système. Afin de pouvoir simuler les performances de ses algorithmes
de détection de deux types classique et avancé en termes de BER.

La figure (IV.4) représente 4 méthodes de détections classiques (MF, EGT, ZF, MMSE)
en fonction de BER, en utilisant 128 antennes à la réception et 8 pour la transmission avec
une modulation 16 QAM. On remarque que le performance des différents algorithmes est
presque identique dans la marge (SNR= -10 dB jusqu’à -2 dB). Après cette valeur de SNR les
performances commence à différencier, la réduction de BER est plus rapide pour le EGT que
les autres algorithmes et il devient constant pour SNR= 6 dB avec une valeur presque de
0.5*10-4.

0
10

-1
10
taux d'erreur binaire(teb)

-2
10

MF
-3
10 EGT
ZF
MMSE
-4
10

-10 -8 -6 -4 -2 0 2 4 6 8 10
moyenne de SNR par antenne receptrice [dB]

Figure IV.4 Méthodes de détections classiques pour les systèmes massifs MIMO.

Selon les résultats d’évaluation obtenue on voit que l’algorithme d’EGT est le plus performant
des algorithmes étudiés grace sa rapidité de réduction de BER durant la transmission.

66
Chapitre 4 Simulation et interprétation des résultats

La figure (IV.5) représente quelques algorithmes de détection avancés (MMSE, ADMIN,

Conjugate- Gradient, Neuman, Gauss-Seidel, OCDBOX) [24, 25, 26] en simulant leurs
performances en terme de BER pour une transmission 64QAM, 64 antennes à la réception et
16 terminaux d’utilisateurs. On trouve que :

Pour l’algorithme de Neuman il représente une diminution de BER avec l’augmentation

de SNR très lente et presque non remarquable.

Pour l’algorithme Conjugate-Gradient présente un performance similaire à cell de

NEUMAN avec une réduction de BER =0.46 à SNR =20 dB.

Les autres algorithmes donnent des résultats confondues jusqu’à SNR=12 dB, on
commence d’observer la différence tel que :

 MMSE et ADMIN gardent le même performance, La valeur de BER diminue en terme

de SNR jusqu’à 0.8*10-3 à SNR =18 dB.
 Le Gauss-Seidel présente le meilleur performance avec une réduction rapide de BER
pour qu’il soit de valeur très faible 0.3*10-4 pour un SNR=20 dB.

0
10

-1
10
taux d'erreur de binaire(TEB)

-2
10
MMSE
ADMIN
Conjugate-Gradient
-3 Neumann
10
Gauss-Seidel
OCDBOX

-4
10
0 2 4 6 8 10 12 14 16 18 20
la moyenne de SNR par nombre d'antennes receptrices [dB]

Figure IV.5 Méthodes de détections numériques pour les systèmes MIMO Massifs.

67
Chapitre 4 Simulation et interprétation des résultats

Selon les résultats obtenues on conclu que l’algorithme EGT est le meilleure des
méthodes classiques avec un BER de l’ordre de 0.5*10-4, et ce de Gauss-Seidel est plus
performant par rapport aux méthodes avancés avec un BER= 0.3*10-4.

En comparant entre ces deux algorithmes on voit que l’écart entre eux est très petits de
l’ordre de 0.2*10-4, mais il reste l’algorithme de Gauss-Seidel le plus efficace entre les
méthodes étudiés

6 Simulation d’un système de transmission avec Beamforming

Le beamforming est une technique de filtrage spatial qui offre l’habilité de réduction des
interférences Co-canal, et ainsi la possibilité de la réutilisation des fréquences dans chaque
cellule pour augmenter l’efficacité spectrale du système.

On va analyser et simuler le performance de cette technique en évaluant les résultats de

simulation de transmission avec et sans beamforming, plus l’étude des différents paramètres
qui affectent son performance en terme de BER.

La figure (IV.6) représente une transmission de 105 bits par une modulation BPSK sur un
canal Rayleigh mono-antenne, sans beamforming dans le premier cas, et sans beamforming
avec l’autre.

Pour la transmission sans beamforming on remarque que le BER diminue lentement avec
la progression du SNR jusqu’il atteinte son minimum 0.5*10-4 a SNR= 30 dB.

Pour la transmission avec beamforming il est remarquable que le performance du canal

est mieux que le précédent par une réduction du BER très important dans un temps 1/3 par
rapport au premier, tel que le BER atteinte une valeur de 10-5 pour un SNR =10 dB.

68
Chapitre 4 Simulation et interprétation des résultats

TEB pour la modulation BPSK dans un canal Rayleigh

-1 (simulation sans Beamforming)

10
(simulation avec Beamforming)

-2
10

-3

Taux d'erreur binaire

10

-4
10

-5
10

-6
10

-7
10

-8
10
0 5 10 15 20 25 30
Eb/No, dB

Figure IV.6 Transmission dans un canal Rayleigh avec et sans Beamforming dans un système
mono-antennes.

La figure (IV.7) représente une transmission BPSK sur un canal Rayleigh multi-antennes,
pour trois cas :

La première est la présentation théorique.

La deuxième une transmission avec multi-antennes sans beamforming.

La dernière une transmission avec multi-antennes en appliquant le beamforming.

Les commentaires effectués sur la figure (IV.6) restent valide pour ce cas.

BER pour la modulation BPSK dans un canal Rayleigh

1Tx-1Rx (Theorie)
-1 2Tx-1Rx (sans Beamforming)
10 2Tx-1Rx ( avec Beamforming)
Taux d'erreur binaire

-2
10

-3
10

-4
10

-5
10
0 5 10 15 20 25 30 35
Eb/No, dB

Figure IV.7 Transmission dans un canal Rayleigh avec et sans Beamforming pur un système multi-
antennes.

69
Chapitre 4 Simulation et interprétation des résultats

Selon les résultats obtenus on conclue que la transmission avec le filtrage spatial est plus
efficace que son absence. Parce qu’il optimise les puissances, et réduit les pertes dues aux
interférences de trajet multiple en concentrant le maximum de la puissance vers la direction
désiré.

 Effet de déphasage :

Paramètres de simulation :

Fréquence= 109 GHz.

Vitesse en espace libre c=3*108 m/s.
lambda = c/freq;

La figure (IV.8) représente les performances de beamforming en fonction de déphasage,

dont on a visualisé la propagation d’onde dans le domaine temporelle pour un réseau
d’antennes en phase à quatre phases différentes (σ=9°, σ=114°, σ =129°, σ=223°). Grace aux
interférences constructives et destructives, le lobe principal de l’onde est dirigé vers l’angle
d’intérêt.

Figure IV.8 Performance du Beamforming en fonction de déphasage.

70
Chapitre 4 Simulation et interprétation des résultats

 Effet d’espacement entre antennes

La figure (IV.9) représente une démonstration de Beam steering par les réseaux
d’antennes en phase. Les réseaux sont composés de 7 points de sources espacés uniformément
selon un mode linéaire (réseaux linéaire d’antennes RLA).

La séparation entre antennes est noté par le paramètre d. Quand la séparation est petite, la
directivité de réseaux est plus étroite. Chaque élément d’antenne dans le réseau est alimenté
avec un décalage de phase relative du "delta" en respectant l’ordre adjacent (l’antenne à droit
est l’antenne de référence dont le déphasage est nul delta=0).

λ/2 représente l’espacement optimale dont le lob principale est dirigé vers la cible

absolue avec l’absence des lobes secondaire par contre quand d= λ/4 la direction de lobes
principales n’est pas précis parce qu’il s’élargie avec l’appariation des lobes secondaires qui
expriment la perte d’information.

o o
Relative phase difference:
1  =217 Relative phase difference:
1  =217

0.5 0.5

....... .......
Ant enna separat ion: d=/2 Ant enna separat ion: d=/4

Figure IV.9 Performances du Beamforming en fonction de déphasage et l’espacement entre

antennes.

71
Chapitre 4 Simulation et interprétation des résultats

7 Conclusion

Après avoir finalisé l’étude de notre simulation nous constatons que le système MIMO
massif beamforming est plus performant lorsqu’on augmente le nombre des antennes
intelligentes utilisés et en choisissant un espacement entre eux plus proche à l’espacement
optimale λ/2 pour achever la bonne performance. De plus, on résulte que l’utilisation des
estimateurs de canal facilite beaucoup la transmission en connaissant le canal de transmission
pour choisir les bonnes méthodes de transmission ainsi que celles de détection pour ne pas
perdre l’information et pour éviter beaucoup de calcule.

On a conclue cette étude par la simulation des méthodes de beamforming qu’elle sont
vraiment la solution pour traiter les problèmes d’interférences, de pertes, de directivité
d’antennes que l’implémentation des systèmes MIMO Massifs face lorsque de la
transmission.

A partir des résultats de simulation, le taux d'erreur de bits d'un système de

communication numérique est une figure importante du mérite utilisé pour quantifier
l'intégrité des données transmises par le système.

La simulation que nous avons réalisée a permis de mettre en relief les intérêts des
systèmes massifs mimo et leurs associations avec les techniques de beamforming pour
répondre aux contraintes des réseaux de la cinquième génération d’un point de vue taux
d’erreur binaire

72
 Conclusion Générale

Conclusion Générale

Ce projet de recherche rentre dans le cadre de l’étude de la communication sans fil. Il

traite la problématique suivante : comment améliorer les performances de transmission dans
les réseaux mobiles sans fil grâce à des techniques plus avancées ? Durant les dernières
décennies, les exigences d’utilisations destinées aux communications sans fil, sont devenues
de plus en plus nombreuses, d’où la nécessité d’avoir des débits de transmission plus
importants.

Dans le premier chapitre, nous avons mené une étude sur le développement la cinquième
génération (5G) des réseaux cellulaires, et les techniques utilisées dans cette génération et
leurs architecturé qui différence aux générations précédents. Ce réseau travaille sur
l’augmentation du débit et gères un grand nombre de cas et des exigences d’utilisations, une
connectivité 1000 fois supérieur à celle de 4G, une consommation faible d’énergie, une
latence zéro, et pour arrive à ces exigences la 5G utilise les ondes millimétriques (30GHz-
300GHz) car elle est capables de fournir des fréquences très élevés et des bandes plus larges
par rapport à la 4G.

Dans le deuxième chapitre, nous avons décrit la destination d’information dans un canal
de transmission et les phénomènes physiques ce qui est exposé à elle, ensuit les mécanismes
de propagation dans la transmission sans fil. Ainsi, l’évolution observée des systèmes de radio
communications mène au constat de la nécessité de la recherche de nouvelles solutions
résistantes aux interférences et aux multi-trajets, qui est représenté dans les différents modèles
de canaux rencontrés en pratique ont été examinés, notamment les canaux à évanouissements
qui caractérisent le mieux les communications sans fil. Parmi ces canaux MIMO qui
s’adaptent mieux à environnement NLOS et offrent de bonnes performances dans un
environnement riche en trajets multiples. Nous avons présenté la capacité du système. Après
avoir étudié quelques notions sur estimation d’un canal qui joue un rôle clé dans les
performances des systèmes de communication. Dans ce point, on étudie des techniques
fondées sur les estimateurs LS, MMSE et DET.

Dans le troisième chapitre, nous avons présente les systèmes MIMO qui sont employés
dans des environnements à évanouissements pour exploiter les avantages de capacité et qui
permet la transmission parallèle et simultanée de données sur plusieurs antennes au niveau de
l'émetteur et du récepteur, ceci peut être utilisé pour augmenter le débit et minimiser le taux
d’erreur binaire (BER). Ce système est considéré comme l'une des technologies les plus

73
 Conclusion Générale

prometteuses pour améliorer les performances et la couverture du système. Par la suite, nous
avons présente le système MIMO Massif multi-utilisateur et son caractéristique diversité
spatial qui versions le signal dans le temps via plusieurs antennes transmetteurs.

Ensuite on a montré l’importance des antennes intelligentes qui est associée à un dispositif
complet permettant la détection de l’angle d’arrivée et la formation du diagramme de
rayonnement en direction du récepteur, et on a montré que l'utilisation des réseaux adaptatifs
à la station de base peut apporter plusieurs avantages pour les systèmes de communication
sans fil, l’objectif principal de notre thème était d’utiliser un codage spatial à travers des
techniques de Beamforming dans un environnement de propagation multi-antennes dans le
but de permet de focaliser l’énergie électromagnétique vers une direction ou une zone
particulière. A la fin on a voir l’assation entre MIMO Massif et Beamforming qui permet de
maximiser le rapport signal sur bruit à la réception, en se basant sur le grand nombre
d’antennes qui aide à augment le débit de données et l’efficacité du spectre d’antennes et
Beamforming qui maximiser la puissance de signal reçu ainsi la capacité.

Dans le quatrième chapitre, en utilisant une programmation MATLAB, pour montrer une
comparaison entre les techniques d’estimations de canal, et une autre entre les différentes
capacités de système MIMO, pour pouvoir finalement évaluer le performance d’un système

MIMO Beamforming.

74
Annexes
 Annexe A : Calcul du SNR pour les estimateurs

A. Calcul du SIR pour les estimateurs

A.1 Calcul du SIR du Conjugate Beamforming (CB)

La matrice de précodage est définie par :

Si chaque lien est un processus i.i.d complexe gaussien (Rayleigh indépendants), on

peut l’exprimer comme suit :

où est un coefficient de Rayleigh normalisé et est le déphasage

du canal, ainsi:

Par conséquent :

Et le coefficient de normalisation se réduit à :

D’où

i
 Annexe A : Calcul du SNR pour les estimateurs

Et donc

On a aussi :

D’où

et

A.2 Calcul du SIR du Equal Gain Transmission (EGT)

Le coefficient de normalisation devient :

Les parties utile et interférente s’expriment :

Processus i. i .d complexe gaussien : la valeur de diffère quelle que peu de celle du

CB :

est un coefficient de Rayleigh normalisé :

ii
 Annexe A : Calcul du SNR pour les estimateurs

On a alors

Et

Finalement nous obtenons

et

A.3 Calcul du SIR du Zero Forcing (ZF)

La matrice de précodage est donnée par :

Les parties utile et interférente s’expriment :

Processus i. i. d complexe gaussien :

est la matrice de Wishart [68] complexe carrée de taille telle que :

iii
 Annexe A : Calcul du SNR pour les estimateurs

On trouve alors

Finalement on trouve

iv
 Annexe B : Valeur quadratique moyenne de l’erreur d’estimation

B. Valeur quadratique moyenne de l’erreur d’estimation

B.1 La valeur quadratique de l’erreur d’estimation du zero forcing (ZF)

La matrice de pondération est :

Le signal estimé calculé par la méthode de ZF a l’expression suivante :

est l’erreur d’estimation dont La norme 2

L’erreur quadratique moyenne est évaluée comme suit :

B.2 La valeur quadratique de l’erreur d’estimation du MMSE

La matrice de pondération MMSE est donnée comme suit:

i
 Annexe B : Valeur quadratique moyenne de l’erreur d’estimation

Le signal estimé par la méthode MMSE est

est l’erreur d’estimation dont La norme 2

Où

Par conséquent

Encore une fois, par le fait que la multiplication avec une matrice unitaire ne modifie pas la
norme vectorielle, c’est-à-dire la valeur attendue devient

ii
Bibliographie

[1] Detti, Andrea. "Functional architecture." CNIT - Electronic Eng. Dept., Université de
Rome Tor Vergata.

[2] [Link] Avril 2019.

[3] Abdullah Al Mamun, Sultan Anwar, Hassan Ali, "4G and 5G Mobile Communication
Networks: Features Analysis, Comparison and Proposed Architecture", Dept. of Computer
Engineering, King Fahd University of Petroleum & Minerals, KSA, June 2016.

[4] Rodriguez, Jonathan, ed. "Fundamentals of 5G mobile networks". John Wiley & Sons,
2015.

[5] DAOUD, Khedidja. "Simulation Comparative Des Techniques FBMC et OFDM pour les
réseaux 5G". l’université de Tlemcen, Faculté de Technologie, Département de
Télécommunications .2016.

[6] Bennaceur. Sofiane, Bellahsene. Houcin. "Etude et modélisation de canaux SISO dans le
cas Outdoor". Université Abderrahmane Mira de Bejaïa Faculté de la technologie
Département de Génie électrique, 2012-2013.

[7] Belahammou. Oussama, Bassa. Allaeddine. "Performance d’un Système de

Communication OFDM". Université Kasdi Merbah Ouargla Faculté des nouvelles
technologies de l'information et de la communication Departement d'Electronique et de
Telecommunications.2016-2017.

[8] [Link], Thakur. Ranjana. "Performance Evaluation Of Ber For AWGN, AWGN
multipath and RAYLEIGH Fading Channels". Department Of Electronics and
Communication Engineering, s.e.c.g., Mohali, Punjab, India. 2014.

[9] Babu, A. Sudhir, and Dr KV Sambasiva Rao. "Evaluation of BER for AWGN, Rayleigh
and Rician fading channels under various modulation schemes." International Journal of
Computer Applications 26.9 (2011): 23-28.
[10] Andriamanalina AN. Randriamitantsoa AA. Rakotondraina TE. "Capacité d’un système
MIMO via un canal à évanouissement."2013.

[11] Rozé, Antoine. "Massive MIMO, une approche angulaire pour les futurs systèmes multi-
utilisateurs aux longueurs d’onde millimétriques". Diss. INSA de Rennes, 2016.

[12] Cho, Yong Soo, et al. "MIMO-OFDM wireless communications with MATLAB". John
Wiley & Sons, 2010.

[13] Matthé, Maximilian, et al. "Generalized Frequency Division Multiplexing: A Flexible

Multi-Carrier Waveform for 5G." 5G Mobile Communications. Springer, Cham, 2017. 223-
259.

[14] Benosman. Radia. Sidhoum. Amel. "Etudes et simulation des performances des systèmes
MIMO en configurations STBC et V-BLAST". Diss. 2013.

[15] Jiang, Xiwen. "Massive MIMO: turning concept into reality by exploiting the channel
reciprocity". Diss. Université Côte d'Azur, 2017.

[16] Bendimerad. FT, [Link], Debbat. F, Djennas. SA, Benamar .A, Bahri. SM. "MIMO et
Accès Multiples Avancés pour Réseaux Sans Fil". Laboratoire de Télécommunications de
Tlemcen (LTT), Université Abou-Bekr Belkaid – Tlemcen. Nov 2013.

[17] [Link], Rayeh. Narimane. "MIMO Beamforming Multi Utilisateur".

L’Université De Tlemcen Faculté De Technologie Département De Telecommunication. Mai
2016.

[18] Jaber. Zouhair. "Conception d'une antenne intelligente à faisceau commutable assistée
par un système de locaisation des mobiles". Diss. École de technologie supérieure, 2008.

[19] Nedil. Mourad. " Développement d'un réseau d'antennes à formation de faisceaux basé
sur de nouvelles Matrices de Butler". Diss. Université du Québec, Institut national de la
recherche scientifique, 2006.

[20] Ali. Ehab, et al. "Beamforming techniques for massive MIMO systems in 5G: overview,
classification, and trends for future research". Frontiers of Information Technology &
Electronic Engineering 18.6 (2017): 753-772.
[21] Chahbi. Ismehene. "Exploitation des antennes multiples pour l'optimisation dans les
réseaux sans fil". Diss. Institut National des Télécommunications, 2011.

[22] [Link]
du-mimo-massif-pour-linfrastructure-cellulaire-5g

[23] J J Van de Beek, "Synchronization and Channel Estimation in OFDM systems", Ph.D
thesis,Sept. 1998.

[24] Shahabuddin, S., Juntti, M., & Studer, C. (2017, May). ADMM-based infinity norm
detection for large MU-MIMO: Algorithm and VLSI architecture. In 2017 IEEE International
Symposium on Circuits and Systems (ISCAS) (pp. 1-4). IEEE.

[25] Yin, B., Wu, M., Cavallaro, J. R., & Studer, C. (2014, December). Conjugate gradient-
based soft-output detection and precoding in massive MIMO systems. In 2014 IEEE Global
Communications Conference (pp. 3696-3701). IEEE.

[26] Zhang, C., Wu, Z., Studer, C., Zhang, Z., & You, X. (2018). Efficient soft-output gauss-
Seidel data detector for massive MIMO systems. IEEE Transactions on Circuits and Systems
I: Regular Papers.

[27] [Link]