1

Transmissions et systèmes numériques

Transmissions numériques en bande de base

Evangéline BENEVENT
 Transmissions numériques en bande de base 2

1. Introduction
1.1 Objectif du cours
1.2 Imbrication des différents cours
1.3 Les spécificités de l’information numérique
1.4 Objectif des transmissions numériques

2. Modélisation de l’émission
2.1 Signal numérique
2.2 Composition de l’émetteur
2.3 Densité spectrale de puissance
2.4 Codage en ligne ou codage de canal

3. Transmission dans un canal de bande passante finie

3.1 Origine de l’interférence entre symboles
3.2 Annulation de l’interférence entre symboles
3.3 Diagramme de l’œil
3.4 Conclusion

4. Réception
4.1 Modèle de transmission
4.2 Détection en présence de bruit
4.3 Filtre adapté
 Transmissions numériques en bande de base 3

1. Introduction
1.1 Objectif du cours
1.2 Imbrication des différents cours
1.3 Les spécificités de l’information numérique
1.4 Objectif des transmissions numériques

2. Modélisation de l’émission
2.1 Signal numérique
2.2 Composition de l’émetteur
2.3 Densité spectrale de puissance
2.4 Codage en ligne ou codage de canal

3. Transmission dans un canal de bande passante finie

3.1 Origine de l’interférence entre symboles
3.2 Annulation de l’interférence entre symboles
3.3 Diagramme de l’œil
3.4 Conclusion

4. Réception
4.1 Modèle de transmission
4.2 Détection en présence de bruit
4.3 Filtre adapté
 1. Introduction 4

1.1 Objectif du cours

But : acheminer l’information de la source vers le

destinataire avec le plus de fiabilité possible !

Comment ? En précisant tous les éléments qui conduisent à

une bonne qualité de transmission…
 1. Introduction 5

1.2 Imbrication des différents cours

 1. Introduction 6

1.2 Imbrication des différents cours

Bande de base Bande transposée

= ≠

Pourquoi la bande transposée ? Possibilité de :

• Multiplexage fréquentiel
• Utilisation du spectre RF pour transmettre
• Adaptation de la liaison au canal fréquentiel
 1. Introduction 7

1.2 Imbrication des différents cours

Schéma bloc d’une transmission numérique en bande transposée

 1. Introduction 8

1.2 Imbrication des différents cours

Objectif des modulations numériques : adapter le signal à émettre au canal de transmission.

• Modulation binaire = information transmise à l’aide d’un paramètre qui ne prend que 2
valeurs possibles
• Modulation M-aire = information transmise à l’aide d’un paramètre qui prend M valeurs
possibles

Modulation = modification d’un ou plusieurs paramètres d’une onde porteuse :

𝑝 𝑡 = 𝐴𝑝 co s( 2𝜋𝑓𝑝 . 𝑡 + 𝜑𝑝 ൯

Paramètres modifiables
 1. Introduction 9

1.2 Imbrication des différents cours

Modulations numériques les plus utilisées :

• ASK (Amplitude Shift Keying) pour modulation à déplacement d’amplitude,

• QAM (Quadrature Amplitude Modulation) pour modulation d’amplitude de deux porteuses en

quadrature,

• PSK (Phase Shift Keying) pour modulation à déplacement de phase,

• DPSK (Differential Phase Shift Keying) pour modulation à déplacement de phase différentiel,

• FSK (Frequency Shift Keying) pour modulation à déplacement de fréquence.

 1. Introduction 10

1.3 Les spécificités de l’information numérique

Information analogique = choix dans un ensemble infini de valeurs accessibles.

Information numérique = choix dans un ensemble fini de valeurs accessibles.
⟹ L’information numérique est quantifiée.

Information analogique : l’information se crée à chaque instant.

Information numérique : les décisions qui constituent l’information sont prises en une suite
d’instants.
⟹ L’information numérique est discontinue.

Instants de décision 𝒕𝒌 : période 𝑇 = 𝑡𝑘+1 − 𝑡𝑘 = période d’horloge.

Si 𝑡𝑘 équidistants ⟹ transmission synchrone.
Si 𝑡𝑘 non équidistants ⟹ transmission asynchrone.
 1. Introduction 11

1.3 Les spécificités de l’information numérique

Information numérique = suite de variables aléatoires appelées données 𝑑𝑘 , la donnée

faisant l’objet d’un choix à l’instant 𝑡𝑘 .

Données indépendantes : la loi de probabilité de 𝑑𝑘 caractérise les données.

Sinon, les probabilités conditionnelles interviennent et la caractérisation des données est

plus complexe. Ces probabilités mesurent alors la corrélation entre les données 𝒅𝒌 et 𝒅𝒌 ′
avec 𝒌 ≠ 𝒌′.
 1. Introduction 12

1.4 Objectif des transmissions numériques

Analogique : critère de qualité = rapport signal sur bruit (RSB) en sortie. Le bruit et les
distorsions affectent de façon irréversible le signal transmis.

Objectif en numérique : reconnaître une suite de symboles.

Marge de tolérance avec possibilité de régénération quasi-parfaire du signal.
Critère de qualité en numérique = taux d’erreur sur les bits (BER).

Avantages en numérique = divers traitements possibles :

• Compression,
• Cryptage,
• Multiplexage, etc.

Inconvénients / analogique :
• Largeur de bande plus importante,
• Complexité des systèmes accrue (notamment synchronisation).
 Transmissions numériques en bande de base 13

1. Introduction
1.1 Objectif du cours
1.2 Imbrication des différents cours
1.3 Les spécificités de l’information numérique
1.4 Objectif des transmissions numériques

2. Modélisation de l’émission
2.1 Signal numérique
2.2 Composition de l’émetteur
2.3 Densité spectrale de puissance
2.4 Codage en ligne ou codage de canal

3. Transmission dans un canal de bande passante finie

3.1 Origine de l’interférence entre symboles
3.2 Annulation de l’interférence entre symboles
3.3 Diagramme de l’œil
3.4 Conclusion

4. Réception
4.1 Modèle de transmission
4.2 Détection en présence de bruit
4.3 Filtre adapté
 2. Modélisation de l’émission 14

2.1 Signal numérique

Signal numérique = suite d’impulsions réalisant le support physique de symboles d’information

𝑎𝑘 . Chaque symbole 𝑎𝑘 peut prendre une valeur parmi 𝑀 (symboles « M-aires ») avec une
période de répétition 𝑻𝒔 ou période symbole.
Bits

Regroupement
+ alphabet

Symboles

Impulsion de
base 𝒔𝑩 (𝒕)

Signal émis
 2. Modélisation de l’émission 15

2.1 Signal numérique

On parle d’alphabet ou codage M-aire.

Chaque symbole 𝒂𝒌 d’information transporte à lui seul 𝒏 = 𝒍𝒐𝒈𝟐 (𝑴) bits.

Débit symbole 𝑫𝒔 en 𝑠𝑦𝑚𝑏𝑜𝑙𝑒𝑠/𝑠 ou 𝐵𝑎𝑢𝑑 :

1
𝐷𝑠 =
𝑇𝑠
Débit binaire 𝑫𝑩 en 𝑏𝑖𝑡𝑠/𝑠 :
𝑙𝑜𝑔2 (𝑀)
𝐷𝐵 = = 𝐷𝑠 𝑙𝑜𝑔2 (𝑀)
𝑇𝑠
 2. Modélisation de l’émission 16

2.2 Composition de l’émetteur

Synoptique du bloc émission

+∞ +∞

𝑢𝑒 𝑡 = ෍ 𝑎𝑘 . 𝑠𝐵 𝑡 − 𝑘𝑇𝑠 𝑢𝑒 𝑡 = ෍ 𝑎𝑘 . 𝛿 𝑡 − 𝑘𝑇𝑠 ⊗ 𝑠𝐵 (𝑡)

𝑘=−∞ 𝑘=−∞
 2. Modélisation de l’émission 17

2.2 Composition de l’émetteur

• Dans le domaine temporel :

• 𝑠𝐵 (𝑡)est la forme temporelle de l’impulsion de base, réponse impulsionnelle du
filtre générateur de symboles.
• Dans le domaine fréquentiel :
• 𝑆𝐵 𝑓 est la transformée de Fourier de 𝑠𝐵 𝑡 , fonction de transfert du filtre
générateur de symboles.
 2. Modélisation de l’émission 18

2.3 Densité spectrale de puissance (DSP) de 𝒖𝒆 (𝒕)

Signal à émettre 𝑢𝑒 (𝑡)

Nécessité d’émettre des symboles avec : une certaine puissance, à adapter au canal de
transmission
→ Densité spectrale de puissance

Définition densité spectrale de puissance = carré du module de la transformée de Fourier

Problème :
• Données = signaux aléatoires
• Impossibilité de calculer la TF d’un signal non entièrement connu…
→ Théorème de Wiener-Khintchine : énonce que la densité spectrale de puissance d’un
processus stationnaire au sens large (i.e. dont la valeur moyenne et la fonction
d’autocorrélation sont invariantes dans le temps) est égale à la transformée de Fourier de sa
fonction d’autocorrélation statistique.
Or nous pouvons calculer l’autocorrélation d’un signal aléatoire connu par ses propriétés
statistiques.
 2. Modélisation de l’émission 19

2.3 Densité spectrale de puissance (DSP) de 𝒖𝒆 (𝒕)

Théorème de Wiener-Khintchine :

∞ 2
1 2 𝐸 𝑎𝑘 2
𝐷𝑆𝑃 𝑢𝑒 𝑡 𝑓 = 𝜎𝑎𝑘 + 2 ෍ 𝛾𝑎𝑘 𝑁 . 𝑐𝑜𝑠 2𝜋𝑁𝑓𝑇𝑠 + Ш 1 (𝑓) . 𝑆𝐵 (𝑓)
𝑇𝑠 𝑇𝑠 𝑇𝑠
𝑁=1

aléatoire déterministe

2
𝐷𝑆𝑃 𝑢𝑒 𝑡 𝑓 = 𝛼𝑀 (𝑓). 𝑆𝐵 (𝑓)

Où 𝛼𝑀 est appelé facteur de mode et dépend de l’alphabet.

 2. Modélisation de l’émission 20

2.3 Densité spectrale de puissance (DSP) de 𝒖𝒆 (𝒕)

∞ 2
1 2 𝐸 𝑎𝑘 2
𝐷𝑆𝑃 𝑢𝑒 𝑡 𝑓 = 𝜎𝑎𝑘 + 2 ෍ 𝛾𝑎𝑘 𝑁 . 𝑐𝑜𝑠 2𝜋𝑁𝑓𝑇𝑠 + Ш 1 (𝑓) . 𝑆𝐵 (𝑓)
𝑇𝑠 𝑇𝑠 𝑇𝑠
𝑁=1

• La moyenne des symboles 𝑚𝑎𝑘 = 𝐸 𝑎𝑘 est l’espérance des symboles de l’alphabet.

• 𝜎𝑎𝑘 est l’écart-type des symboles et vaut :

2
𝜎𝑎𝑘 = 𝐸 𝑎𝑘 − 𝑚𝑎𝑘

2
• 𝜎𝑎2𝑘 = 𝐸 𝑎𝑘 − 𝑚𝑎𝑘 est la variance des symboles.

• 𝛾𝑎𝑘 𝑁 est l’autocorrélation des symboles de l’alphabet et vaut :

𝛾𝑎𝑘 𝑁 = 𝐸 𝑎𝑘 − 𝑚𝑎𝑘 𝑎𝑘−𝑁 − 𝑚𝑎𝑘

 2. Modélisation de l’émission 21

2.3 Densité spectrale de puissance (DSP) de 𝒖𝒆 (𝒕)

∞ 2
1 2 𝐸 𝑎𝑘 2
𝐷𝑆𝑃 𝑢𝑒 𝑡 𝑓 = 𝜎𝑎𝑘 + 2 ෍ 𝛾𝑎𝑘 𝑁 . 𝑐𝑜𝑠 2𝜋𝑁𝑓𝑇𝑠 + Ш 1 (𝑓) . 𝑆𝐵 (𝑓)
𝑇𝑠 𝑇𝑠 𝑇𝑠
𝑁=1

• Le spectre dépend à la fois :

• Des caractéristiques du signal 𝑎𝑘 transportant les symboles,
• De la forme de l’impulsion de base.
• Le spectre du signal numérique peut posséder une partie continue.
• Le spectre comprend des raies à la fréquence d’horloge si la moyenne des symboles n’est
pas nulle.
• Dans le cas simplifié où les symboles ont une valeur moyenne nulle et sont non corrélés
alors : 2
𝜎𝑎𝑘 2
𝐷𝑆𝑃 𝑢𝑒 𝑡 𝑓 = . 𝑆𝐵 (𝑓)
𝑇𝑠
 2. Modélisation de l’émission 22

2.4 Codage en ligne ou codage de canal

Principales exigences d’une transmission en bande de base :

• Éviter les signaux comprenant une composante continue,

• Éviter les basses fréquences,

• Limiter la largeur de bande occupée par le spectre du signal transmis,

• Inclure éventuellement une information d’horloge dans le signal transmis afin de faciliter la
synchronisation en réception,

• Inclure un codage différentiel.

Ces propriétés sont la plupart du temps contradictoires, un type de

code donné en privilégiant seulement quelques-unes.
 2. Modélisation de l’émission 23

2.4 Codage en ligne ou codage de canal

Les codes NRZ (pour Non Return to Zero)

 2. Modélisation de l’émission 24

2.4 Codage en ligne ou codage de canal

Les codes RZ (pour Return to Zero)

 2. Modélisation de l’émission 25

2.4 Codage en ligne ou codage de canal

Les codes AMI (pour Alternated Mark Inversion)

 2. Modélisation de l’émission 26

2.4 Codage en ligne ou codage de canal

Le code HDB3 (Haute Densité Binaire)

 2. Modélisation de l’émission 27

2.4 Codage en ligne ou codage de canal

Les codes Biphase

 2. Modélisation de l’émission 28

2.4 Codage en ligne ou codage de canal

Le code CMI (pour Coded Mark Inversion)

 2. Modélisation de l’émission 29

2.4 Codage en ligne ou codage de canal

Le code Delay Modulation

 Transmissions numériques en bande de base 30

1. Introduction
1.1 Objectif du cours
1.2 Imbrication des différents cours
1.3 Les spécificités de l’information numérique
1.4 Objectif des transmissions numériques

2. Modélisation de l’émission
2.1 Signal numérique
2.2 Composition de l’émetteur
2.3 Densité spectrale de puissance
2.4 Codage en ligne ou codage de canal

3. Transmission dans un canal de bande passante finie

3.1 Origine de l’interférence entre symboles
3.2 Annulation de l’interférence entre symboles
3.3 Diagramme de l’œil
3.4 Conclusion

4. Réception
4.1 Modèle de transmission
4.2 Détection en présence de bruit
4.3 Filtre adapté
 3. Transmission dans un canal de bande passante finie 31

3.1 Origine de l’interférence entre symboles (IES)

Fonction de transfert du filtre entre le signal d’entrée 𝑒(𝑡) et le signal reçu 𝑠(𝑡) qui inclut le
canal :
𝐻 𝑓 = 𝑆𝐵 𝑓 . 𝐻𝑐 (𝑓)

Dans le domaine temporel :

𝑠 𝑡 = 𝑒(𝑡) ⊗ ℎ(𝑡)
 3. Transmission dans un canal de bande passante finie 32

3.1 Origine de l’interférence entre symboles (IES)

La troncature du signal numérique à cause de la bande passante finie du canal entraîne une
distorsion linéaire de ce signal.

Allure du signal NRZ après

troncature du spectre

DSP du signal NRZ_Level

bipolaire à symbole binaire
1 1 5
avec troncatures à , et
2𝑇𝑠 𝑇𝑠 𝑇𝑠

L’IES se produit si l’amplitude de l’impulsion soumise à échantillonnage en réception dépend, à

l’instant de décision, des symboles voisins.
 3. Transmission dans un canal de bande passante finie 33

3.2 Annulation de l’IES

Pour annuler l’IES, on impose au signal numérique de respecter les deux propriétés suivantes :

• Au niveau temporel : pas d’IES

• Au niveau spectral : spectre à support borné.

 3. Transmission dans un canal de bande passante finie 34

3.2 Annulation de l’IES

• Au niveau temporel : pas d’IES

Exemple d’une réponse impulsionnelle satisfaisant à la
condition de Nyquist dans le domaine temporel

ℎ 𝑡 . Ш 𝑇𝑠 𝑡 = ℎ 0 . 𝛿(𝑡൯
Condition de Nyquist au niveau temporel
 3. Transmission dans un canal de bande passante finie 35

3.2 Annulation de l’IES

• Au niveau temporel : pas d’IES

Exemple d’une fonction de transfert satisfaisant à la
condition de Nyquist dans le domaine spectral
𝑘
෍𝐻 𝑓 − = 𝑇𝑠 . ℎ 0 = 𝐻(0)
𝑇𝑠
𝑘∈ℤ

Condition de Nyquist au niveau spectral

• Au niveau spectral : spectre à support borné

1 1 1 𝐻(0)
𝐻 + ∆𝑓 + 𝐻 − ∆𝑓 =
2 2𝑇𝑠 2𝑇𝑠 2
1 𝐻 0
⟹ Centre de symétrie impaire : 𝑃( ; )
2𝑇𝑠 2
 3. Transmission dans un canal de bande passante finie 36

3.2 Annulation de l’IES

Exemples d’impulsions vérifiant la condition de Nyquist au niveau temporel :

 3. Transmission dans un canal de bande passante finie 37

3.2 Annulation de l’IES

Exemples d’impulsions vérifiant la condition de Nyquist au niveau fréquentiel :

 3. Transmission dans un canal de bande passante finie 38

3.3 Diagramme de l’œil

Le contrôle, au niveau temporel, de la présence ou non d’IES s’effectue de façon très simple
sur un oscilloscope, par le diagramme de l’œil.
 3. Transmission dans un canal de bande passante finie 39

3.3 Diagramme de l’œil

Lecture du diagramme de l’œil :

• Ouverture verticale (a) = immunité au bruit,

• Ouverture horizontale (b) = immunité au

déphasage de l’horloge,

• Pente (c) = immunité à la gigue d’horloge,

• Fluctuation (d) = amplitude de la gigue du

point de passage par zéro.

En l’absence d’IES, l’œil est complètement « ouvert » à l’instant de décision : tous les
trajets passent par 2 points seulement en binaire (par M points en M-aire).
 3. Transmission dans un canal de bande passante finie 40

3.3 Diagramme de l’œil

Quelques exemples :

M=2 sans IES M=2 avec IES M=4 sans IES

 3. Transmission dans un canal de bande passante finie 41

3.4 Conclusion

Compétence visée par ce cours : savoir choisir la forme des symboles, la répartition de la
puissance dans le domaine spectral, la puissance d’émission, de façon à assurer une
transmission optimale, c’est-à-dire un très faible taux d’erreur sur les bits ≈ 10−6 .

Nous avons vu jusqu’à présent :

• Le codage pour obéir aux contraintes du canal,
• Les critères de Nyquist à respecter pour annuler les interférences entre symboles (IES),
• Comment choisir 𝐻(𝑓) (fonction de transfert du filtre de mise en forme = émetteur + canal)
de façon à annuler les IES.

Or les caractéristiques du canal sont mal maîtrisées et subissent des fluctuations au cours du
temps.

On règle ce problème à l’aide d’un « filtre égaliseur » placé en réception de telle façon que le
filtre résultant global respecte les conditions du critère de Nyquist.
 Transmissions numériques en bande de base 42

1. Introduction
1.1 Objectif du cours
1.2 Imbrication des différents cours
1.3 Les spécificités de l’information numérique
1.4 Objectif des transmissions numériques

2. Modélisation de l’émission
2.1 Signal numérique
2.2 Composition de l’émetteur
2.3 Densité spectrale de puissance
2.4 Codage en ligne ou codage de canal

3. Transmission dans un canal de bande passante finie

3.1 Origine de l’interférence entre symboles
3.2 Annulation de l’interférence entre symboles
3.3 Diagramme de l’œil
3.4 Conclusion

4. Réception
4.1 Modèle de transmission
4.2 Détection en présence de bruit
4.3 Filtre adapté
 4. Réception 43

4.1 Modèle de transmission

Filtre égaliseur et filtre global :

𝐺 𝑓 = 𝑆𝐵 𝑓 . 𝐻𝑐 𝑓 . 𝐻𝑅 (𝑓) = 𝐻 𝑓 . 𝐻𝑅 (𝑓)
 4. Réception 44

4.1 Modèle de transmission

Signal reçu 𝑢𝑟 (𝑡) et signal à échantillonner 𝑢(𝑡) :

𝑢 𝑡 = ෍ 𝑎𝑘 𝑔 𝑡 − 𝑘𝑇𝑠
𝑘

Les symboles correspondants auront donc la forme de 𝑔(𝑡), réponse impulsionnelle du filtre
global.
 4. Réception 45

4.1 Modèle de transmission

Annulation d’IES :
L’échantillonnage de 𝑔(𝑡) avec un peigne de Dirac doit donner une simple impulsion :
Condition de Nyquist au niveau temporel :
𝑔 𝑡 . Ш 𝑇𝑠 𝑡 = 𝑔 0 . 𝛿(𝑡)

On fait alors le même raisonnement sur le filtre global 𝐺(𝑓) que celui déjà fait sur 𝐻(𝑓). On
trouve donc :
Critère de Nyquist au niveau fréquentiel :
𝑘
෍𝐺 𝑓 − = 𝑇𝑠 . 𝑔 0 = 𝐺(0)
𝑇𝑠
𝑘∈ℤ

Et comme le spectre est à support borné :

Critère spectral de Nyquist : 𝐺(𝑓) doit présenter une symétrie impaire par rapport au point
1 𝐺(0)
𝑃 , pour qu’il n’y ait pas d’IES.
2𝑇𝑠 2
 4. Réception 46

4.1 Modèle de transmission

Filtre en cosinus surélevé = filtre fréquemment utilisé en communications respectant ces

conditions dont voici la réponse fréquentielle :

1−𝛼
𝐺 𝑓 = 𝐺 0 𝑝𝑜𝑢𝑟 𝑓 <
2𝑇𝑠
1+𝛼
𝐺 𝑓 = 0 𝑝𝑜𝑢𝑟 𝑓 >
2𝑇𝑠
𝐺(0) 𝐺(0) 𝜋 1−𝛼 1−𝛼 1+𝛼
𝐺 𝑓 = + 𝑐𝑜𝑠 𝛼 𝑓 − 𝑝𝑜𝑢𝑟 ≤𝑓≤
2 2 2𝑇𝑠 2𝑇𝑠 2𝑇𝑠
𝑇𝑠

Où 𝛼 est le coefficient d’arrondi (ou roll-off en anglais) parfois appelé facteur de retombée.
 4. Réception 47

4.1 Modèle de transmission

Gain du filtre en cosinus surélevé en fonction de la fréquence :

 4. Réception 48

4.1 Modèle de transmission

Réponse impulsionnelle du filtre en cosinus surélevé :

𝜋𝛼𝑡
𝑡 𝑐𝑜𝑠
𝑇𝑠
𝑔 𝑡 = 𝑔 0 𝑠𝑖𝑛𝑐 2
𝑇𝑠 2𝛼𝑡
1−
𝑇𝑠

Où 𝑠𝑖𝑛𝑐 est le sinus cardinal normalisé :

𝑡
𝑡 𝑠𝑖𝑛 𝜋
𝑇𝑠
𝑠𝑖𝑛𝑐 = 𝑡
𝑇𝑠 𝜋
𝑇𝑠
 4. Réception 49

4.1 Modèle de transmission

Influence du facteur de retombée du filtre en cosinus surélevé :

 4. Réception 50

4.1 Modèle de transmission

Influence du coefficient d’arrondi 𝛼 visible sur le diagramme de l’œil :

 4. Réception 51

4.1 Modèle de transmission

Bande passante en bande de base :

1 𝐷𝑠
𝐵𝑃 = 1 + 𝛼 = (1 + 𝛼)
2𝑇𝑠 2

0<𝛼<1

𝐷𝑠
≤ 𝐵𝑃 ≤ 𝐷𝑠
2
 4. Réception 52

4.2 Détection en présence de bruit

Signal à échantillonner :

Valeur échantillonnée à l’instant 𝑡 = 𝑘𝑇𝑠 :

𝑟 𝑘𝑇𝑠 = 𝑎𝑘 . 𝑔(0) + 𝑏(𝑘𝑇𝑠 )

Ce signal bruité contient :

• Un terme de « signal » 𝑎𝑘 . 𝑔(0) avec 𝑎𝑘 = ±1 pour un signal binaire bipolaire ou plus

généralement 𝑎𝑘 = ±1, ±3, … , ±(𝑀 − 1) symboles M-aire,

• Un terme de « bruit » 𝑏(𝑘𝑇𝑠 ) centré, de variance 𝜎𝑏2 et non corrélé au signal utile.
 4. Réception 53

4.2 Détection en présence de bruit

Symbole transmis : 𝑎𝑘 Symbole estimé : 𝑎

ෞ𝑘
 4. Réception 54

4.2 Détection en présence de bruit

La présence de distorsion et/ou de bruit peut bien-sûr conduire à une erreur de symbole.

La probabilité d’erreur de symbole 𝑃𝑠 𝑒 est définie par :

𝑃𝑠 𝑒 = 𝑃 𝑎
ෞ𝑘 ≠ 𝑎𝑘

La probabilité d’erreur binaire 𝑃𝐵 𝑒 est différente de la probabilité d’erreur de symbole dans le

cas général.

La relation entre ces deux probabilités dépend notamment du codage binaire des symboles.

𝑃𝑠 (𝑒)
≤ 𝑃𝐵 (𝑒) ≤ 𝑃𝑠 𝑒
𝑙𝑜𝑔2 (𝑀)
 4. Réception 55

4.2 Détection en présence de bruit

Probabilité d’erreur avec des symboles binaires :

𝑃𝐵 𝑒 = 𝑃𝑠 𝑒 = 𝑃(𝑒)

+∞ 𝛾
𝑃 𝑒 = 𝑃 0 .න 𝑓𝑟 𝑟 0 𝑑𝑟 + 𝑃 1 . න 𝑓𝑟 𝑟 1 𝑑𝑟
𝛾 −∞

Valeur optimale du seuil de décision :

𝜎𝑏2 𝑃(0)
𝛾𝑜𝑝𝑡 = 𝑙𝑛
2𝑔(0) 𝑃(1)

Symboles équiprobables :
+∞
𝑃 𝑒 =න 𝑓𝑟 𝑟 0 𝑑𝑟
0
 4. Réception 56

4.2 Détection en présence de bruit

Probabilité d’erreur avec des symboles binaires :

Bruit additif gaussien :

+∞ +∞ − 𝑟+𝑔(0) ²
1 2𝜎𝑏2
𝑃 𝑒 =න 𝑓𝑟 𝑟 0 𝑑𝑟 = න 𝑒 𝑑𝑟
0 𝜎𝑏 2𝜋 0

Loi normale réduite :

+∞
𝑟 + 𝑔(0) 1 𝑧²
−2 𝑔(0)
𝑧= 𝑃 𝑒 = න 𝑒 𝑑𝑧 =𝑄
𝜎𝑏 2𝜋 𝑔(0) 𝜎𝑏
𝜎𝑏

Q = queue de gaussienne, valeurs tabulées.

 4. Réception 57

4.2 Détection en présence de bruit

Probabilité d’erreur avec des symboles M-aires équiprobables :

𝑀 − 1 𝑔(0) 𝑀−1 𝑔(0)

𝑃𝑠 (𝑒) = 2 𝑄 𝑃𝐵 (𝑒) = 2 𝑄
𝑀 𝜎𝑏 𝑀𝑙𝑜𝑔2 (𝑀) 𝜎𝑏
 4. Réception 58

4.3 Filtre adapté

𝒈(𝟎)
Un filtre adapté est un filtre linéaire qui rend maximum le rapport signal sur bruit en sortie du
𝝈𝒃
filtre de réception, à l’instant de décision 𝒕𝟎 .

𝒈(𝟎)
On pourrait démontrer que est maximum lorsque ce filtre de réception possède une réponse
𝝈𝒃
impulsionnelle proportionnelle à l’impulsion de base retournée :

ℎ𝑅 𝑡 = 𝑘. ℎ∗ (−𝑡)
 4. Réception 59

4.3 Filtre adapté

Synoptique complet du modèle de transmission :

 4. Réception 60

4.3 Filtre adapté

Théorie du signal :

𝑔(0) 2𝐸ℎ
≤
𝜎𝑏 𝑁0

Énergie de l’impulsion de base reçue à l’entrée du filtre de réception :

+∞ +∞
𝐸ℎ = න ℎ(𝑡) ²𝑑𝑡 = න 𝐻(𝑓) ²𝑑𝑓
−∞ −∞

La valeur maximum du rapport signal sur bruit ne dépend pas de la forme de l’impulsion de base
reçue mais seulement de l’énergie de celle-ci.
 4. Réception 61

4.3 Filtre adapté

Un filtre en réception 𝑯𝒓 (𝒇) tel que :

𝑔(0) 2𝐸ℎ
=
𝜎𝑏 𝑁0

Est un filtre adapté à l’impulsion transmise puisque le rapport signal sur bruit est maximum.
 4. Réception 62

4.3 Filtre adapté

Partage optimal du canal de Nyquist :

• Rapport signal sur bruit maximum à l’instant de décision (filtre adapté),
• Interférence entre symboles nulle (canal de Nyquist).

Si 𝐻𝑐 (𝑓) → 𝐴𝑐 :
𝐺 𝑓 = 𝐴𝑐 𝑓 . 𝑆𝐵 (𝑓) ²

Même filtre pour réception et émission :

𝐻𝑟 𝑓 = 𝑆𝐵 𝑓 = 𝑁𝑦(𝑓)

𝐺 𝑓 = 𝐴𝑐 . 𝑁𝑦(𝑓)

Filtres couramment utilisés : filtres en racine de cosinus surélevé (root raised cosine filters).
 4. Réception 63

4.3 Filtre adapté

Chaîne de transmission avec partage optimal du canal de Nyquist :

 4. Réception 64

4.3 Filtre adapté

Probabilité d’erreur de bit minimale :

𝑀−1 2𝐸ℎ
𝑃𝐵 (𝑒) = 2 𝑄
𝑀𝑙𝑜𝑔2 (𝑀) 𝑁0

Probabilité d’erreur en fonction de l’énergie moyenne par bit 𝐸𝐵 :

𝑃𝑅
𝐸𝐵 = 𝑃𝑅 𝑇𝐵 =
𝐷𝐵

Où 𝑃𝑅 est la puissance moyenne de signal utile, 𝑇𝐵 est la période bit et 𝐷𝐵 est le débit binaire.
 4. Réception 65

4.3 Filtre adapté

La puissance moyenne de signal reçu vaut :

1 +∞
𝑃𝑅 = න 𝐷𝑆𝑃 𝑟 𝑡 𝑓 𝑑𝑓
𝑅𝑐 −∞

Or :
2
𝐷𝑆𝑃 𝑟 𝑡 𝑓 = 𝛼𝑀 𝑓 . 𝐻 𝑓

On remplace et il vient :

1 +∞
𝑃𝑅 = න 𝛼𝑀 𝑓 . 𝐻(𝑓) ²𝑑𝑓
𝑅𝑐 −∞
 4. Réception 66

4.3 Filtre adapté

Conclusion :

• La probabilité d’erreurs binaire minimale est d’autant plus faible que l’on consacre une
énergie moyenne par bit 𝐸𝐵 élevée : il faut pour cela augmenter la puissance moyenne 𝑃𝑅 du
signal reçu ou/et diminuer le débit binaire 𝐷𝐵 .

• L’augmentation du nombre de bits par symbole permet une réduction de la bande passante
et donc par là du bruit. Néanmoins, pour un rapport signal sur bruit 𝐸𝐵 /𝑁0 fixé, cet effet
positif ne suffit pas et l’augmentation de 𝑀 conduit globalement à une dégradation des
performances en terme de probabilité d’erreurs.

• Inversement, le maintien d’une probabilité d’erreurs constante requiert une augmentation du

rapport signal sur bruit 𝐸𝐵 /𝑁0 lorsque 𝑀 croît.
 4. Réception 67

4.3 Filtre adapté

Taux d’erreur binaire :

En pratique, la probabilité d’erreurs est estimée par une mesure du taux d’erreurs binaire 𝑇𝐸𝐵
(ou 𝐵𝐸𝑅 bit error rate en anglais) par le comptage du nombre d’erreurs qui se sont produites lors
de la transmission d’un nombre donné de bits. Soient :

• 𝑝 la probabilité d’erreurs binaire théorique (inconnue),

• 𝑛 le nombre total de bits transmis,

• 𝑁 le nombre total d’erreurs constatées,

Le TEB est défini par :

𝑁
𝑇𝐸𝐵 =
𝑛
𝑝𝑞
C’est une variable aléatoire qui suit une loi binomiale 𝛽 𝑝, avec 𝑞 = 1 − 𝑝.
𝑛