‫الجـمهورية الجزائرية الديمقراطية الشعبية‬

République Algérienne démocratique et populaire

‫وزارة التعليم الــعــالي والبحــث العــلمــي‬

Ministère de l’enseignement supérieur et de la recherche scientifique

‫جــامعة سعد دحلب البليدة‬

Université SAAD DAHLAB de BLIDA

‫كلية التكنولوجيا‬
Faculté de Technologie

‫قسم اإللكترونيـك‬
Département d’Électronique

Mémoire de Master
filière : Télécommunications
Spécialité : Systèmes des Télécommunications

présenté par

HAFIS Soumia

&

KHALDI Hafida

Efficacité spectrale en MIMO

Massif

Proposé par : Dr Ait Saadi Hocine

Année Universitaire 2018-2019

 Remerciements

Nous tenons tout d’abord à.

Nous remercions les deux êtres les plus remercier ALLAH celui qui donne
la puissance, la force, le courage et la patience, de mener à terme ce
présent travail chers à nous, nos parents qui ont consacré leur vie à veiller
à notre réussite.

Nous exprimons notre cordiale reconnaissance à notre encadreur Mr AIT

SAADI Hocine, pour ses précieux conseils, son rigueur et patience, et
toutes les connaissances qu’il nous a transmis.

Nous tenons à exprimer notre gratitude et nos remerciements au membre

de jury. Veuillez accepter dans ce travail notre sincère respect et notre
profonde reconnaissance.

Nous sincères remerciements à tous les professeurs qui nous ont enseigné
et qui par leurs compétences nous ont soutenu dans la poursuite de nos
études, plus généralement tout le personnel enseignant du département
d’électronique de l’université SAAD DAHLAB qui a participé à notre
formation.

Finalement, nous adressons les plus vifs remerciements à toutes les

personnes qui nous ont aidés de près ou de loin de l’élaboration de ce
modeste mémoire.
 DEDICACES

Je dédie ce modeste travail :

À mes parents,
Qui ont su me donner les ailes nécessaires pour réussir mon envol dans la vie, tout en
sachant la peine qu’ils auraient le jour de me voir partir au loin.
En remerciement de ce beau geste, ce mémoire leur est dédié.

A ma mère
Pour son aide inestimable, qu’elle soit humaine ou scientifique, pour ce mémoire ou
dans ma vie, pour ses conseils dont je ne regrette jamais l’application, pour son amour,
pour ses encouragements, pour son dévouement et pour avoir réussi à être encore mon
modèle

A mon père
Pour son soutien indéfectible, source de sacrifice, qui est toujours disponible pour nous,
et prêt à nous aider, je lui confirme mon attachement et mon profond respect.
Puisse Dieu vous préserver et vous accorder santé, longue vie et bonheur.

A mes frères
AbdRezzak, Hakim, Lakhder, Kamel, AdbRaouf, Bilal et Mohamed pour avoir me
donner du soutint moralement et financièrement et que Dieu vous protège et vous
procure joie et le bonheur que vous mérites.

A mes sœurs
L’adorable Karima, Fayza etImene pour être les oreilles quand j’ai besoin d’écoute,
pour être des épaules quand je suis fatiguée, pour être des amies quand j’ai besoin de
conseil.

Une spéciale dédicace à une personne qui a été toujours à côté de moi pour me soutenir,
m’aider et m’écouter. Mon cher ami et famille, mon fiancé Amine merci pour ton
amour, ton amitié.

A toute ma famille Khaldi et Maamri.

A ma confidente : ma binôme Soumia

Conserve-moi ta profonde amitié et ton immense amour et sois convaincue qu’il en est
de même pour moi.

A toutes les personnes qui ont participé à l’élaboration de ce travail à tous ceux que j’ai
omis citer.
Hafida
 Dédicace
Avant tout je remercie ALLAH le tout puissant de m’avoir donné la santé, le courage, et
la volonté pour accomplir ce travail.

Du profond de mon cœur, je dédie ce travail à tous ceux qui me sont chers :

A mes chers PARENTS, aucune dédicace ne saurait exprimer mon respect, mon amour
éternel et ma considération pour les sacrifices que vous avez consenti pour mon
instruction et mon bien être.

Je vous remercie pour tout le soutien et l’amour que vous me portez depuis mon enfance
j’espère que votre bénédiction m’accompagne toujours.

Que ce modeste travail soit l'exaucement de vos vœux tant formulés, le fruit de vos
innombrables sacrifices. Puisse Allah, le Très Haut, vous accorder santé, bonheur et
longue vie.

À mes adorables Sœurs Asmaa et son mari Yacine et son fils Ahmed, Hadjer et son
mari Rabah et Yasmina, qui n'ont pas cessé de me conseiller, encourager et soutenir
tout au long mes études. Je vous souhaite du succès et de la prospérité et une vie
remplie de joie et de bonheur.

Je réserve également mes remerciements à mes grands-mères, toutes mes tantes, mes
oncles et mes cousines cousins pour leur soutien moral.

À mes copines qui ont toujours été là pour moi et sur qui j’ai toujours pu compter, je
citerai : Samia, Zineb, Ahlem et Soumia et tous ceux que j’ai oublié de citer.

À mon chère binôme Hafida pour son soutien moral, sa patience et sa compréhension
tout au long de ce projet. Rein ne pourra me faire oublier les bons moments qu’on a
vécu ensemble.

Je dédie ce travail à tous mes collègues de la promotion de système de

télécommunication qui m’ont toujours aidé et encouragé, qui étaient toujours à mes
côtés, et qui m’ont accompagné durant mon chemin d’études supérieures. Et à tous ceux
qui ont contribué de près ou de loin pour que ce travail soit possible, je vous dis merci.

Soumia
‫خخخل يا‬ ‫ ضخخخ وا دا دا وك ا ال انياتيال اندا دل نل يل اناادن وك اخخخال ال ا يلخخخا ل ان‬MIMO ‫ يعد‬:‫ملخص‬
‫ هدفهن هد زيادل اإلتيا يا‬.EE ‫ د فاءل انطاقا‬SE ‫يتال هائلا في ان فاءل انطيفيا‬ ‫ يث نديه انادلل لى يادين ي‬,
‫يك‬ ‫ ض وا هي ياتيا الها دد اليل دا وك انهدائيال ني‬MIMO. ‫ل ضواك تد يا يدل نلغايا ان دوا‬ ‫وك‬
.‫ في هذه انل انا دف ت لل وا لا ان فاءل انطيفيا ضخمة‬.‫اناال ال ان لديا في انو ياالل‬

.‫ فاءل انطاقا دان فاءل انطيفيا‬،‫ ويعددل انو ي دويك‬،‫ ض وا‬MIMO :‫كلمات المفاتيح‬

Résumé : Le MIMOmassif est l'un des technologies les plus prometteuses pour la
prochaine génération des réseaux communications sans fil, car il a le potentiel de
fournir des améliorations décisives de l'efficacité spectrale (SE) et de l’efficacité
énergétique (EE). Son objectif est d’augmenter le débit en garantissant une très bonne
qualité de service. Le MIMO massif est une technologie comprenant un nombre très
élevé d’antennes pour améliorer les futurs réseaux cellulaires. Dans ce mémoire nous
allons analyser le problème de l’efficacité spectrale.

Mots clés : MIMO massif, multiutilisateur, l’efficacité énergétique et l’efficacité

spectrale

Abstract: Massive MIMO is one of the most promising technologies for the next
generation of wireless communications networks, as it has the potential to deliver
dramatic improvements in spectral efficiency (SE) and energy efficiency (EE). Its goal
is to increase throughput by guaranteeing a very good quality of service. Massive
MIMO is a technology with a very high number of antennas to improve the future
cellular networks. In this master desetation we will analyze the problem of spectral
efficiency.

Keywords: massive MIMO, multiuser, energy efficiency and spectral efficiency.

 Table des matières
Introduction générale…………………………………………………………………………………………………..1
Introduction générale…………………………………………………………………………………………………..2

Chapitre 1 : Les Systèmes MIMO Massif ...................................................................... 3

1.1 Introduction ....................................................................................................... 3

1.2 Évolution de communication mobile ................................................................. 3

1.3 Réseaux cellulaires ............................................................................................. 5

1.4 MIMO (Multiple-Input/Multiple-Output) .......................................................... 6

1.5 Principe de la technique MIMO ......................................................................... 6

1.6 Types de MIMO .................................................................................................. 7

1.6.1 SISO (Single Input Single Output) ............................................................... 7

1.6.2 SIMO (Single Input Multiple Output) .......................................................... 8

1.6.3 MISO (Multiple Output Single Input) .......................................................... 8

1.6.4 MIMO (Multiple Input Multiple Output) ................................................... 9

1.7 Massive MIMO ...........................................................Erreur ! Signet non défini.

1.8 Les différents types du MIMO massif .............................................................. 10

1.8.1 MIMO mono-utilisateur ............................................................................ 10

1.8.2 MIMO massif multiutilisateurs ............................................................... 11

1.9 Duplexage par division de temps ou par division de fréquence ...................... 12

1.10 Caractéristiques d’un système MIMO Massif .................................................. 13

1.10.1 L'évolutivité............................................................................................... 13

1.10.2 Le système TDD en MIMO massif ............................................................. 13

1.10.3 La propagation favorable .......................................................................... 14

1.11 Avantage des systèmes Massive MIMO........................................................... 15

1.12 Conclusion ........................................................................................................ 15

Chapitre 2 : L’interférence et l’Efficacité spectrale .................................................... 16

2.1 Introduction ..................................................................................................... 16

2.2 MIMO multi-utilisateur .................................................................................... 16

2.3 Le beamforming (faisceaux d'émission)........................................................... 17

2.4 Interférence multicellulaire ............................................................................. 18

2.5 Les différents niveaux de coopération multicellulaire .................................... 18

2.5.1 Coordination d'interférence ..................................................................... 18

2.5.2 Coopération MIMO ................................................................................... 19

2.6 ICIC (Inter cell Interference Coordination) ....................................................... 20

2.7 CoMP (Coordinated Multi-Point) ..................................................................... 20

2.8 Les défis des systèmes Massif MIMO ........................................................... 20w

2.8.1 Contamination des pilotes ........................................................................ 20

2.8.2 Efficacité spectrale .................................................................................... 22

2.9 Le pré-codage ................................................................................................... 23

2.10 MMSE ............................................................................................................... 24

2.11 Le fonctionnement de MIMO massif ............................................................... 24

2.11.1 Estimation MMSE du canal ....................................................................... 26

2.11.2 Données de la liaison montante ............................................................... 27

2.11.3 Données de liaison descendante .............................................................. 31

2.12 Conclusion ........................................................................................................ 34

Chapitre 3 : Simulation et résultats ............................................................................ 35

3.1 Introduction ..................................................................................................... 35

3.2 Le Système le MU-MIMO ................................................................................. 35

3.3 Organigramme des simulations ....................................................................... 36

3.4 L’étude de transmission des données en liaison montante ............................ 37

3.5 Résultat de BER en fonction le SNR avec l’algorithme MMSE ......................... 38

 3.6 La somme des taux en liaison descendante..................................................... 40

3.7 Les résultats de l’analyse d’Efficacité spectrale ............................................... 42

3.7.1 En liaison montante .................................................................................. 43

3.7.2 En liaison descendante ............................................................................. 45

3.8 Conclusion ........................................................................................................ 46

Conclusion générale........................................................................................................ 47

Bibliographie ……………………………………………………………………………………………………………..48
 Liste des figures
Figure1. 1 : évolution des réseaux mobile [1]. ................................................................. 4
Figure1. 2 : Un réseau cellulaire de base.......................................................................... 5
Figure1. 3 : Le principe de la technique MIMO [3]. .......................................................... 7
Figure1. 4 : SISO -Signal Input Signal Output [4]. ............................................................. 7
Figure1. 5: SIMO-Signal Input Multiple Outputs [4]. ........................................................ 8
Figure1. 6 : MISO-Multiple Input Signal Output [4]. ........................................................ 8
Figure1. 7: MIMO-Multiple Input Multiple Output [4]. .................................................... 9
Figure1. 8 : système de communication MIMO massif Multi utilisateur [7]. ................ 10
Figure1. 9 : MIMO massif mono-utilisateur [8]. ............................................................. 11
Figure1. 10 : MIMO massif multiutilisateur[8]. ............................................................. 11
Figure1. 11 :Illustration de deux maniéré de diviser un bloc de ressources
temps/fréquence entre UL et DL [10]............................................................................. 13
Figure1. 12 : La contrainte de M et K sue TDD et FDD pour un système MIMO
massif.[11]....................................................................................................................... 14

Figure2. 1 : Illustrions de la transmission en liaison descendante et en liaison montante

dans un système MIMO multi utilisateur [8]. ................................................................. 17
Figure2. 2 : Beamforming analogique. ........................................................................... 18
Figure2. 3 : Faisceau coordonné spécifique [8]. ............................................................. 19
Figure2. 4 : Coopération MIMO [8]. ............................................................................... 19
Figure2. 5 : Contamination de pilote [14]. ..................................................................... 21
Figure2. 6 : Block de cohérence...................................................................................... 23
Figure2. 7 : Protocole de transmission de schéme TDD. ................................................ 24
Figure2. 8 : Le schéma fonctional de la liaison montante avec le rapport maximal[9]. 29
Figure2. 9 : Le schéma fonctionnel de la liaison montante avec le forçage à zéro [9]. . 30
Figure2. 10 : Le schéma fonctionnel de la liaison descendante avec le rapport
maximal[9]. ..................................................................................................................... 32
Figure2. 11 : Le schéma de la liason descendante avec le forçage a zéro[9]. ................ 33
Figure3. 1Organigramme montre les étapes de travail ................................................. 36
Figure3. 2Taux d'erreur binaire BER en fonction de rapport signal sur bruit avec MMSE
et ZF. ............................................................................................................................... 39
Figure3. 3Modèle du système multicellulaire montre la BS dans la jémecellule avec M et
les K utilisateur danns la léme cellule. .............................................................................. 41
Figure3. 4 Efficacités spectrale en fonction de nombre d'antenne. .............................. 42
Figure3. 5L'efficacité spectrale en fonction de nombre d'antenne réalise par des
déférents pré codage en liaison UL. ............................................................................... 44
Figure3. 6 L'efficacité spectrale en fonction de nombre d'antenne réalise par des
déférents pré codage en liaison DL. ............................................................................... 45
 Liste des tableaux

Tableau3. 1 paramètre de la figure (3.2). ...................................................................... 38

Tableau3. 2paramètre du la figure (3.4). ....................................................................... 41
Tableau3. 3 paramètre du système................................................................................ 43
 Liste des acronyms et abréviations

1G: 1st generation.

2G: 2ndgeneration.
3G: 3rd generation.
4G: 4th generation.
5G: 5th generation.
BS: Base Station.
BER: Bit Error Rate.
CSI: Channel State Information.
DL: Down Link.
EE: Energy Efficiency.
FDD: Frequency Division Duplexing.
ICI: Inter Cell Interference.
ISI: Inter-Symbol-Interference.
LOS: Line Of Sight.
MIMO: Multiple-Input-Multiple-Output.
MISO: Multiple Input Signal Output.
MMSE: Minimum Mean Square Error.
MU-MIMO: Multiple User MIMO
MR: Maximum Ratio.
MRC: Maximum Report Combination.
QAM: Quadrature Amplitude Modulation.
QoS: Quality Of Service.
RZF: Regularized Zero-Forcing.
SE: Spectral Efficiency.
SU-MIMO: Single User MIMO.
SINR: Signal to Interference Noise Ratio.
SISO: Signal Input Signal Output.
SIMO: Signal Input Multiple Output.
SNR: Signal Noise Ratio.
TDD: Time Division Duplexing.
UL: Up Link.
UT: User Terminal.
ZF: Zero Forcing.
 Introduction générale

La technologie de communication est toujours en évolution, et l’évolution des

Smartphones et des microprocesseurs, a conduit à la croissance fulgurante de
l'utilisation des systèmes de communications et la forte expansion de l'internet mobile
dans les quatre coins du globe (4G/5G) (4th generation/5th generation). La demande
rapide de la croissance de la bande passante et les demandes de QoS (qualité of service)
ont rendu les réseaux mobiles de la 4ème génération incapable répondre aux exigences
des abonnés. La majorité des travaux de recherche dans ce domaine se focalise sur le
déploiement de nouvelles technologies permettant de rendre les réseaux sans fil de plus
en plus performants. Le MIMO massif a l’avantage de permettre d’augmenter le débit à
10Gbit/s ou plus avec une densité de connexion qui dépasse 1Méga de connexion / Km2.
A l’aide du système TDD (Time Division Duplexing) qui est le mode de fonctionnement
optimal en système MIMO massif, parce il permet une réciprocité du canal en UL (Up
Link) et en DL (Down Link). L’estimation des canaux d’évanouissement aux niveaux des
stations de base, permet grâce à un pré- codage d’augmenter l’efficacité spectrale des
canaux. Le problème étudié dans ce mémoire, est l’efficacité spectrale et la transmission
des données en liaison montante et descendante avec différentes technique tel que le
ZF (Zero Forcing), le MRC (Maximum Ratio Combining) ou le MMSE (Minimum Mean
Square Error).
Le travail de cette mémoire est composé de trois chapitres :

Dans le premier chapitre nous présentons l’évolution des réseaux de communication

mobile vers la cinquième génération, principalement par une étude de la technologie
MIMO massif.

Nous consacrons dans le deuxième chapitre aux défis de la technologie MIMO massif en
passant par les différents types d’interférence, en particulier la contamination des

1
pilotes transmis en UL. Ensuite nous allons aborder la capacité du canal en MIMO et
l’efficacité spectrale.

Le troisième chapitre expose les résultats de simulations d’un système Massive MIMO
multi-cellules et multi-utilisateurs. Principalement, les simulations démontrent
l’influence de certains paramètres du système, et des différentes techniques sur
l’efficacité spectrale.

2
Chapitre 1 : Les Systèmes MIMO Massif

1.1 Introduction
L'objectif de ce chapitre est de présenter les réseaux Massive MIMO (Multiple Input
Multiple Output) connus sous le nom de MIMO Massif. Cette technologie présente
comme l'une des méthodes les plus prometteuses pour les systèmes révolutionnaires
de la cinquième génération (5G). En fait, elle permet de fournir des améliorations
significatives sur l'efficacité spectrale (SE) et l'efficacité énergétique (EE).Après une
brève description de l’évolution de communication mobile, nous allons donner des
généralités sur les systèmes MIMO massif, leurs types et les modèles de canal MIMO
massif et la caractéristique de ce dernier.

1.2 Évolution de communication mobile

Le réseau mobile est une technologie sans fil capable de fournir un réseau vocal et / ou
de données par transmission radio. Aujourd'hui et dans les années à venir, les réseaux
sans fil doivent être améliorés pour répondre à la demande d'augmentation du débit de
données, de l'amélioration de la capacité, la réduction du temps de latence et de la
qualité de service.

En seulement 20 ans, les réseaux de téléphonie mobile ont subi une transformation
profonde en passant de la deuxième génération (2G) (communication vocale), à la
troisième génération (3G) (communication vocale et transfert de données), puis à la
quatrième génération (4G) (communication et transfert haut débit).

3
 Figure1. 1 : évolution des réseaux mobile [1].

Depuis 1979 avec le déploiement de la première génération (1G) de réseaux sans fil
analogiques, l’objectif était d’aider deux usagers à communiquer par la transmission de
la voix malgré un faible niveau d’efficacité et de sécurité. La Figure 1.1illustre l’évolution
des réseaux mobiles, la deuxième génération (2G) repose sur une technologie
numérique et avec la création du standard GSM, de nouveaux services ont été introduits
comme le transfert de données et les SMS (Short Message Service) et les
communications à bas débit. Néanmoins, la 2G ne pouvait pas encore répondre à la
demande d'accès à internet haut débit par les téléphones portables. Ceci a motivé le
développement de la 3G dont le but était de fournir justement du haut débit de
données. Des débits de transferts de données beaucoup plus importants que ceux de la
3G ont pu être atteints avec la définition de la 4G permettant les appels vidéo et le
transfert de fichiers beaucoup plus volumineux. Cependant, le réseau 4G ne peut pas
répondre à la demande croissante du nombre d'objets connectés. C'est pourquoi
l'industrie du téléphone mobile a choisi de développer le réseau de cinquième
génération (5G) pour fournir une solution technique au problème que rencontre la 4G
aujourd'hui [1].

La (5 G) est une nouvelle génération de technologie de télécommunications sans fil qui

promet de révolutionner la façon dont le monde communique, elle prend en charge
davantage d'utilisateurs à des débits de données plus élevés avec une fiabilité accrue,

4
tout en consommant moins d'énergie. La 5G permet aussi, d’atteindre un meilleur
rapport coût efficacité énergétique ainsi qu'une qualité de service en termes de délai de
communication et de sécurité.

Les avantages de la 5 G par rapport aux autres générations est certainement encore plus
le débit spectaculaire pouvant être atteint en utilisant le MIMO massif.

1.3 Réseaux cellulaires

Dans les réseaux cellulaires ou plus généralement mobiles, les terminaux des utilisateurs
situés dans une zone géographique donnée sont desservis par plusieurs BS. Chaque BS
dessert simultanément un certain nombre de terminaux situés dans sa zone de
couverture pour réaliser l’émission et la réception, comme c’est illustré à la figure 1.2.
Une telle zone de couverture est appelée cellule.

Figure1. 2 : Un réseau cellulaire de base.

La communication entre les terminaux et BS est bidirectionnelle ou au format full

duplex. Sur la liaison descendante (DL), la station de base transmet des signaux aux
terminaux affectés, alors que sur la liaison montante (UL), les terminaux transmettent
des signaux à la station de base, comme illustré à la Figure 1.2. En général, TDD et le FDD
sont utilisés comme schémas de transmission en duplex.

5
 1.4 MIMO (Multiple-Input/Multiple-Output)
MIMO signifie Multiple-Input/Multiple-Output, en français « entrées multiples/sorties
multiples ». Cette technologie sans fil utilise plusieurs antennes à l‘émission et à la
réception pour transférer plus de données en même temps.

Grâce à MIMO, les antennes fonctionnent plus intelligemment en leur permettant de

combiner des flux de données provenant de différents chemins et à différents moments
pour augmenter efficacement et la puissance de capture du signal au récepteur. Les
antennes intelligentes utilisent la technologie de la diversité spatiale, qui permet de tirer
le meilleur parti des antennes excédentaires. S'il y a plus d'antennes que de flux
spatiaux, les antennes supplémentaires peuvent ajouter de la diversité aux récepteurs
et augmenter la portée [2].

1.5 Principe de la technique MIMO

Dans la technique (SISO) il n'existe qu'une antenne à l'émission et une antenne à la
réception. Or la demande de la capacité transmission des services de communications
mobiles sans fils et augmente. D’où la nécessité pour des systèmes SISO d’augmenter.

Pour cela, on utilise la technique de transmission MIMO (Multiple Input, Multiple

Output) illustrée par la figure 1.3. Leur particularité consiste à émettre dans un même
canal des signaux des antennes différentes [3]. A la réception aussi et avec un certain
nombre d'antennes et des traitements adéquats, il s'agit de simuler cette réception dans
une même bande de 𝑛 canaux différents et il permettait d'augmenter le débit de
transmission des données et cela sans augmenter ni la bande passante de l'antenne
réceptrice du système SISO, ni la puissance du signal à l'émission. Un système MIMO tire
profit de l'environnement multi-trajets en utilisant les différents canaux de propagation
créés par réflexion et/ou par diffraction des ondes pour augmenter la capacité de
transmission. D'où l'intérêt aussi d'obtenir des signaux indépendants sur les antennes
[3].

6
 Figure1. 3 : Le principe de la technique MIMO [3].

1.6 Types de MIMO

Il existe quatre modèles de configuration d’antenne de base qui sont définies ci-
dessous :

1.6.1 SISO (Single Input Single Output)

La forme la plus simple de liaison radio peut être définie en termes MIMO en tant que
SISO .Cet émetteur fonctionne avec une antenne, tout comme le récepteur présentée
dans la figure 1.4.

Figure1. 4 : SISO -Signal Input Signal Output [4].

SISO est un système simple de contrôle à une seule variable. Ce système ne nécessite
aucun traitement supplémentaire ni diversité. Toutefois, les performances du canal SISO
sont limitées. Les interférences et les évanouissements auront plus d'impact sur le
système qu'un système MIMO utilisant une certaine forme de diversité, et la capacité
du canal est limitée par la loi de Shannon - le débit dépend de la largeur de bande du
canal et du rapport signal sur bruit [2]:

7
 𝑪 = 𝐥𝐨𝐠 𝟐 (𝟏 + 𝝆|𝒉|𝟐 ) Bit/s/Hz (1.1)

Avec:

 h : est le coefficient complexe de canal fixe ou aléatoire.

 ρ : le SNR en réception.

1.6.2 SIMO (Single Input Multiple Output)

La version SIMO ou MIMO à une antenne émettrice et plusieurs antennes réceptrices,

est présentée par la figure 1.5. Ceci est également appelé réception de la diversité [4].
Il est souvent utilisé pour permettre à un système récepteur recevant des signaux
provenant de plusieurs sources indépendantes de lutter contre les effets des
évanouissements. Le canal de ce système permet de recevoir M fois le message source
émis.

Figure1. 5: SIMO-Signal Input Multiple Outputs [4].

1.6.3 MISO (Multiple Output Single Input)

Le MISO est appelé diversité de transmission. L’avantage de ce système est que sur
plusieurs antennes les mêmes données sont transmises de manière redondante puis
transférées du récepteur à l'émetteur. Le récepteur est alors capable de recevoir le
signal optimal qu'il peut ensuite utiliser pour extraire les données requises [5].

Figure1. 6 : MISO-Multiple Input Signal Output [4].

8
 1.6.4 MIMO (Multiple Input Multiple Output)

MIMO est une méthode de transmission de plusieurs flux de données côté émetteur et
côté récepteur pour permettre à une variété de chemins aux signaux figure 1.7. MIMO
est également utilisé pour améliorer la robustesse et le débit des canaux.

Figure1. 7: MIMO-Multiple Input Multiple Output [4].

1.7 MIMO Massif

MIMO massif c’est une technologie de communication sans fil qu’est présentée comme
une forme du système MIMO multi-utilisateurs (figure 1.8).Il a beaucoup intéressé les
chercheurs ces dernières années, et figure comme le meilleur candidat pour aider à
atteindre les objectifs en matière de déploiement de la 5G, ou les BS et les UT sont très
nombreux. Cette technique s’intéresse à desservir plusieurs utilisateurs avec les mêmes
ressources en fréquence pour transmettre des signaux différents. Cela signifie que
plusieurs antennes d'émission d'une station de base peuvent émettre des signaux
différents, et que plusieurs antennes de réception d'un appareil peuvent les recevoir et
les diviser simultanément. Les MIMO massif peuvent permettre d’atteindre jusqu'à 10
G bps et plus).

9
 Figure1. 8 : système de communication MIMO massif Multi utilisateur [7].

L’utilisation des antennes supplémentaires aide à concentrer la transmission et la

réception de l’énergie du signal dans plusieurs régions dans l’espace. Ceci apporte
d’énormes améliorations en termes de débit et d’efficacité énergétique, en particulier
lorsqu’elles sont combinées avec la planification simultanée de nombreux UT.

Dans les systèmes MIMO massif, un grand nombre d'antennes BS améliore l'efficacité
spectrale et l'efficacité énergétique rayonnée par rapport aux technologies sans fil
actuelles. Les antennes BS utilisent l'idée de formation de faisceau en utilisant la
transmission uniquement dans les directions préférées de sorte que l'énergie rayonnée
soit centrée dans une petite zone et que les interférences soient minimisées [3].

1.8 Les différents types du MIMO massif

1.8.1 MIMO mono-utilisateur

Le système SU-MIMO signifie plusieurs antennes au niveau de la BS et un seul utilisateur.

En raison de la limitation des terminaux, le nombre d'antennes sur le terminal est
généralement bien inférieur à M. De ce fait, les structures SU-MIMO entrent dans le cas
1 lorsqu'un nombre considérable d'antennes sont installées à la station de base, et donc
profiter des avantages de l'orthogonalisation de canal si les circonstances favorables de

10
propagation de canal sont valables. Cependant, les canaux SU-MIMO peuvent être
extraordinairement corrélés du fait de la faible distance des antennes côté terminal et
de l'environnement de visibilité directe viable.

Figure1. 9 : MIMO massif mono-utilisateur [8].

1.8.2 MIMO massif multiutilisateurs

Lorsque plusieurs terminaux sont autorisés à accéder à une ressource temps-fréquence

identique, MU-MIMO offre une meilleure efficacité du système par rapport au SU-
MIMO. Dans cette section, nous prenons en considération un système MU-MIMO
unicellulaires, où la BS dessert K utilisateurs, chaque terminal étant équipé d’une
antenne.

Figure1. 10 : MIMO massif multiutilisateur[8].

Lorsque K ≥ 2 comme le montre la figure 1.10, au niveau de la BS, le signal obtenu de

chaque UT interfère avec ceux des autres terminaux. L’information mutuelle de chaque

11
terminal pour le système MU-MIMO est plus petit que celle pour le système SU-MIMO
étant donné la même puissance transmise à chaque terminal. Cependant, quand le
nombre M d’antennes au niveau de la BS est supérieur au nombre K utilisateurs, les
signaux obtenus des terminaux sont presque orthogonaux entre eux d’où l’atténuation
drastique des interférences. Aussi, étant donné que les terminaux sont autonomes, la
condition favorable de propagation du canal est généralement confortable en raison du
fait que les antennes des terminaux sont presque dé corrélées [8].

1.9 Duplexage par division de temps ou par division de

fréquence
MIMO massif utilise l’information sur le canal(CSI) à la station de base et aux terminaux.
Ce CSI peut être obtenu soit par estimation à partir des signaux pilotes reçus, soit par
retour du récepteur à l'émetteur figure1.11, ou les deux.

• Le duplex par division dans le temps (TDD), la station de base apprend le canal sur la
liaison montante à partir des pilotes. De plus, parce que le canal est réciproque (la
réponse entre deux antennes quelconques est la même dans les deux sens) une fois la
station de base a appris le canal de la liaison montante, elle a automatiquement une
estimation légitime du canal en liaison descendante. Massive MIMO, assume l'opération
TDD [9].

• En mode duplexage par répartition en fréquence (FDD), les terminaux apprennent la

liaison descendante, et la station de base apprend le canal sur la liaison descendante. Le
canal appris sur la liaison montante est envoyé à la station de base via un canal de
contrôle. Ce retour peut être très coûteux, sauf dans des cas particuliers, tels que la
propagation en LOS, lorsque le CSI peut être efficacement quantifié. Si le CSI ne possède
pas de structure spéciale, le retour analogique direct peut être aussi efficace que
n'importe quel système numérique.

12
 Figure1. 11 :Illustration de deux maniéré de diviser un bloc de ressources
temps/fréquence entre UL et DL [10].

1.10 Caractéristiques d’un système MIMO Massif

MIMO massif est une forme de structure MU-MIMO où les BS et l’utilisateur sont très
nombreux. Dans ce système des milliers d’antennes BS desservent simultanément des
dizaines ou centaines d’utilisateurs dans les mêmes ressources de fréquence. On cite
des points importants de MIMO massif.

1.10.1 L'évolutivité

La BS apprend les canaux via un apprentissage de liaison montante en mode TDD. Le

temps requis pour l'estimation du canal est indépendant du nombre d'antennes BS. En
outre, le traitement du signal à chaque UT est essentiel et ne dépend pas de l’existence
des autres UT, et le démultiplexage et le traitement du signal est effectué aux UT [8].

1.10.2 Le système TDD en MIMO massif

En mode FDD (une bande pour l’UL et une autre pour le DL), l’estimation de canal
dépend du nombre d’antenne M à la BS. Par contre, en mode TDD (une seule bande),
l’estimation de canal (nombre de pilotes nécessaires) est indépendante de M et se fait
en UL, le temps d’estimation de canal est non biaisé de M. Dans le MIMO massif, M est
grande, et par conséquent, le fonctionnement TDD est préférable. Par exemple,
supposons que l'intervalle de cohérence soit T = 200 symboles (correspondant à un
temps de cohérence de 1 ms et à une largeur de bande de cohérence de 200 kHz).
Ensuite, dans les systèmes FDD, la quantité d'antennes BS et la quantité d'UT sont
limitées par M + K <200, tandis que dans les systèmes TDD, la contrainte sur M et K est
2K <200. On peut voir sur la figure 2.7 que la place FDD est beaucoup plus petite que la

13
région TDD. Avec le TDD, l’ajout d’antennes supplémentaires n’affecte plus les sources
nécessaires à l’acquisition du canal.

Figure1. 12 : La contrainte de M et K sue TDD et FDD pour un système MIMO

massif.[11]

La figure 1.12 montre le gain écrasant de TDD sur FDD pour les UT. L'axe vertical
correspond au nombre d'antennes BS et l'axe horizontal à la quantité d'UT.
L'emplacement bleu clair indique les dimensions du gadget accessibles avec TDD par
rapport à la zone rouge beaucoup plus petite pour FDD.

1.10.3 La propagation favorable

La propagation favorable, décrite comme une orthogonalité mutuelle entre les canaux
vecteurs aux terminaux, est l'un des facteurs clés du canal radio utilisé dans les MIMO
massif. Cependant, il y a eu peu de travail sur cette question en détail. Au fur et à mesure
que le nombre d'antennes BS utilisées augmente, MIMO massif tend à avoir une
propagation favorable. [8]

14
 1.11 Avantage des systèmes Massive MIMO
Les principaux avantages des systèmes MIMO massif peuvent être résumés comme suit
[12] :

 Efficacité spectrale élevé.

 Efficacité énergétique élevé.
 Traitement simple.
 Augmentation du débit de données.
 Augmentation du rapport signal sur bruit de liaison de base.
 Renforcement des canaux.

1.12 Conclusion
Le MIMO massif possède la capacité d’augmenter le débit du canal, l’efficacité spectrale
et la robustesse vis-à-vis de l’évanouissement du signal et des interférences. Nous avons
présenté un aperçu de la technologie MIMO massif.

15
Chapitre 2 : L’interférence et l’Efficacité spectrale

2.1 Introduction
Le terme MIMO massif est né d’observations sur les avantages qu’apporte une forte
augmentation du nombre d’antennes sur les performances de systèmes MIMO. Dans ce
chapitre nous allons présenter les techniques utilisées dans le MIMO massif, le défi des
interférences dans les réseaux 5G, et à étudier l’efficacité spectrale.

2.2 MIMO multi-utilisateur

L’idée des multi-utilisateurs MIMO est qu’une seule station de base avec M antennes,
dessert plusieurs terminaux utilisant les mêmes ressources temps-fréquence [8].La BS
augmente un flux de données par utilisateur dans la liaison descendante et reçoit un flux
par utilisateur dans la liaison montante, la BS utilise ses antennes pour séparer les
multiples signaux reçus dans la liaison montante et pour diriger chaque signal vers son
récepteur souhaité dans la liaison descendante.

Si le terminal est équipé de plusieurs antennes, il est souvent avantageux d'utiliser ces
antennes supplémentaires pour atténuer les interférences et améliorer le SNR plutôt
que d'envoyer plusieurs flux de données.

(a) Liaison montante dans MIMO multi-utilisateurs

(b) Liaison descendante dans MIMO multi-utilisateur.

16
Figure2. 1 : Illustrions de la transmission en liaison descendante et en liaison montante
dans un système MIMO multi utilisateur [8].

2.3 Le beamforming (faisceaux d'émission)

Beamforming est une technique qui permet de focaliser le signal de plusieurs antennes
en un seul faisceau puissant minimisant l'énergie dans les lobes latéraux à l'extrémité
de l'émetteur. Cette technique permet de faire le traitement de signal avec plusieurs
réseaux d'antennes côté émetteur et / ou récepteur pour envoyer simultanément ou
détecter plusieurs signaux de plusieurs terminaux désirés pour augmenter la capacité
du système et sa performance [13].

On voit sur la figure 2.2 [14], que chaque trajet indirect ou signal provenant d’un autre
utilisateur est automatiquement atténué et le gain obtenu dans la direction d’intérêt,
qu’on appelle gain de beamforming, va permettre d’augmenter grandement le bilan de
liaison.

L'application de beamforming en systèmes massif MIMO présente les avantages

suivants : efficacité énergétique, efficacité spectrale améliorée, sécurité et applicabilité
accrues du système pour les bandes d’ondes millimétrique.

17
 Figure2. 2 : Beamforming analogique.

2.4 Interférence multicellulaire

La coopération entre BS est une technique ancienne des réseaux mobiles, où les
terminaux mobiles communiquent avec la BS voisine pour surmonter les effets des
évanouissements à court et à long terme. La sélection de la diversité vise à augmenter
à la fois la capacité et la couverture [15], et en cas de contrôle de la puissance cela
permettra une réutilisation des fréquences dans chaque cellule.

2.5 Les différents niveaux de coopération multicellulaire

Dans cette partie, nous aborderons les différents niveaux de coopération multicellulaire
les plus utilisés dans le Littérature.

2.5.1 Coordination d'interférence

La coordination des interférences est due au fait que les informations sur l'état du canal
sont partagées via un lien de retour. En utilisant les informations d’état des canaux, les
stations de base peuvent gérer la direction de la formation du faisceau, allocation et
planification des utilisateurs en temps et en fréquence. Avec une quantité modeste de
données de liaison, les BS peuvent atteindre de bonnes performances, en particulier si
de nombreux utilisateurs existent dans le système [8]. Par contre il n’y a pas de partage
de données de synchronisation ou de transmission entre les stations de base. Les

18
stations de base suivent ce schéma de gestion des interférences, gère les données de
transmission correspondant uniquement à leur utilisateur K.

Figure2. 3 : Faisceau coordonné spécifique [8].

2.5.2 Coopération MIMO

Si le CSI et les données de transmission sont partagées entre les BS, la formation
coopérative de faisceaux peut être réalisée. Dans un tel schéma, chaque UT peut être
servi par une combinaison d'antennes appartenant à différentes stations de base ayant
le SNR maximal sur ce canal. Ce type de coopération ne peut être atteint sans un délai
faible avec des liaisons de grande capacité entre les stations de base [8].

Figure2. 4 : Coopération MIMO [8].

19
 2.6 ICIC (Inter cell Interference Coordination)
Les techniques ICIC, définies dans la norme LTE, visent à réduire les interférences inter-
cellules afin de faciliter le handover. Nous allons parler de coordination car un échange
d’information est effectué entre l’utilisateur et les BS concernés. Ainsi lors de la gestion
du handover, les BS adaptent leur puissance d’émission en fonction des indicateurs
reçus pour interférer le moins possible avec l’autre BS et ainsi de faciliter le transfert
d’une cellule à l’autre pour l’utilisateur concerné. Elles sont classées en 3 catégories :
celles liées au domaine temporel, au domaine fréquentiel et au contrôle de puissance.
Ces dernières sont efficaces mais ne permettent pas de supprimer complètement les
interférences ou de profiter de la multiplicité des cellules pour accroître la capacité
globale d’une zone. C’est en cela qu’interviennent les techniques CoMP. L’ICIC a
l’avantage d’une Capacité accrue et Communications plus robustes grâce à la gestion
des interférences [14].

2.7 CoMP (Coordinated Multi-Point)

Il s’agit d’un ensemble de techniques visant à tirer parti d’une communication entre
plusieurs BS afin de réduire ou de s’affranchir des interférences inter cellules tout en
augmentant considérablement la capacité et l’efficacité énergétique du système. Les
systèmes MIMO massif bénéficieraient beaucoup des techniques CoMP en raison de
leur forte vulnérabilité aux interférences inter-cellules [14].

2.8 Les défis des systèmes Massif MIMO

Les systèmes MIMO massif causent un certain engouement depuis que les objectifs 5G
en termes de débit ont été introduits. C’est une technologie de pointe, quoiqu’elle
satisfait des exigences de nouvelle génération, elle présente des nouveaux défis, le
MIMO massif présente aussi des défis qui sont répertoriés comme suit :

2.8.1 Contamination des pilotes

La contamination des pilotes est l’une des principales difficultés rencontrées pour
effectuer une estimation précise. Elle se produit par la réutilisation des pilotes par les
UT des cellules voisines. Ce phénomène devient particulièrement problématique en

20
MIMO massif car il fait apparaître une borne maximale qui limite les performances du
système [16].

Pour atteindre une capacité MIMO massif, un CSI précis doit être estimé et sa
connaissance est très importante. Quand la station de base reçoit un signal pilote d'un
UT, elle utilise le signal reçu pour estimer le CSI qui se révèle être contaminé par les
signaux pilotes d'autres terminaux qui partagent la même séquence d'entraînement. Le
système TDD est préféré, où la réciprocité de canal est valable, l’émetteur peut estimer
le canal des pilotes reçus à partir des équipements de l'utilisateur, et l’utiliser pour le
pré codage. Ce schéma nécessite moins de ressources et convient aux grands réseaux
avec un grand nombre d’antennes à la station de base, ce mode ‘TDD’ est le mode de
fonctionnement optimal des MIMO massif. [8]

Pour que ces pilotes n’interférent pas, ils doivent être orthogonaux entre eux et chaque
intervalle de cohérence doit héberger K formes d’ondes pilotes. Supposant que les
terminaux utilisent des séquences pilotes orthogonales de longueur τp, où τc ≥ τp ≥ K, la
signification de τp est de quantifier la quantité d'énergie que chaque terminal dépense
en pilotes dans chaque intervalle de cohérence. En principe, tout échantillon τp dans la
partie liaison montante de l’intervalle de cohérence peut être utilisé pour les pilotes [9].

Figure2. 5 : Contamination de pilote [14].

21
 a Acquisition CSI

L'une des principales tâches du système MIMO massif est l'acquisition de CSI précis, un
CSI précis et opportun est requis, il est considéré comme un problème particulier dans
de nombreux systèmes de communication sans fil 4G et 5G. Lorsque le CSI est plus
précis, il permet d'augmenter la précision de focalisation du faisceau en liaison
descendante et de collecter des données avec une puissance supérieure pendant la
liaison montante CSI par la BS pour séparer spatialement les UT dans UL et DL. Les
canaux sont estimés plus efficacement avec un protocole TDD qui utilise la réciprocité
de canal, puisque seulement Les signaux pilotes UL sont requis et aucun retour n'est
nécessaire [8].

2.8.2 Efficacité spectrale

L’efficacité d’un système de communication était traditionnellement mesurée par

l’efficacité spectrale (qui est définit comme la quantité d’informations pouvant être
transférées de manière fiable par échantillon à valeur complexe), elle est exprimée en
bit/s/Hz, qui est directement liée à la capacité du canal en bit/s. Cette métrique indique
l’efficacité d’utilisation de la ressource spectrale. Ce critère renseigne sur l’efficacité
d’utilisation de la bande passante et il est exprimé par le rapport entre le débit du réseau
R et la bande passante B du signal [17] :

𝑅
𝑆𝐸 = (𝐵𝑖𝑡/𝑠/𝐻𝑧) (2.1)
𝐵

Théorème 1 : Si une estimation de canal MMSE est utilisée, la capacité de canal

𝑢𝑙
ergodique UL d’ UE k dans la cellule j est délimitée par 𝑆𝐸𝑗𝑘 (bit/s/Hz) données par [10] :

𝜏𝑢𝑙
𝑆𝐸𝑗𝑙𝑢𝑙 = 𝑢𝑙
𝐸{log 2 (1 + 𝑆𝐼𝑁𝑅𝑗𝑘 )} (𝐵𝑖𝑡/𝑠/𝐻𝑧) (2.2)
𝜏𝑐

Théorème 2 : La capacité de canal ergodique DL d’UE k dans la cellule j est

délimitée par [10] :

𝜏𝑑𝑙
𝑆𝐸𝑗𝑙𝑑𝑙 = 𝑑𝑙
{log 2 (1 + (𝑆𝐼𝑁𝑅𝑗𝑘 )} (𝐵𝑖𝑡/𝑠/𝐻𝑧) (2.3)
𝜏𝑐

22
Ou :𝜏𝑐 = 𝜏𝑝 +𝜏𝑢𝑙 + 𝜏𝑑𝑙

Avec :

 𝜏𝑐 : La longueur d’intervalle de cohérence.

 𝜏𝑝 : La durée de séquence pilote.

 𝜏𝑢𝑙 : Longueur des Signaux de données UL.
 𝜏𝑑𝑙 : Longueur des Signaux de données DL.

Figure2. 6 : Block de cohérence.

2.9 Le pré-codage
Le processus de pré codage, dont le rôle est d’exploiter une certaine connaissance du
canal de propagation pour cibler plusieurs utilisateurs et les servir simultanément.
Chacun d’entre peu alors bénéficier de la totalité de la bande passante et obtenir un
débit très élevé. La focalisation d’énergie est souvent associé le terme d’efficacité
énergétique se traduit par un gain plus fort lié au pré codage sans augmentation de la
puissance de transmission. Le décodage linéaire ou le démultiplexage est utilisé sur la
liaison montante, tandis que le pré-codage linéaire ou le multiplexage est utilisé sur la
liaison descendante. Les techniques de pré-codage linéaire au niveau de la liaison
descendante visent à focaliser chaque signal sur sa borne désirée et à atténuer les
interférences vers d'autres terminaux [10] entre temps, la combinaison de réception est
utilisée dans la liaison montante pour différencier les signaux envoyés depuis différents
terminaux. Plus un grand nombre d’antennes est utilisé, plus la focalisation spatiale peut
être fine. Les méthodes de pré-codage à faible complexité sont essentielles pour
minimiser la complexité de calcul du pré-codeur [14]. Contrairement au système MIMO
conventionnel, le système MIMO massif utilise des pré-codeurs linéaires, tels que la

23
combinaison de rapport maximum (MRC), le filtrage adapté, la formation de faisceau
conjugué, la combinaison de réception d'erreur quadratique moyenne (MMSE) et le
forçage zéro (ZF) [14].

2.10 MMSE
Le MMSE est une méthode d'estimation minimisant l’erreur quadratique moyenne
(MSE), qui est une mesure courante de la qualité de l'estimateur, des valeurs ajustées
d'une variable dépendante. Le terme MMSE fait plus spécifiquement référence à une
estimation avec une fonction de perte quadratique. Dans ce cas, l'estimateur MMSE est
donné par la moyenne a postériori du paramètre à estimer. Comme la moyenne à
postérieur est difficile à calculer, la forme de l'estimateur MMSE est généralement
limitée à une certaine classe de fonctions. Les estimateurs MMSE linéaires sont un choix
populaire, car ils sont faciles à utiliser, à calculer et très polyvalents. [18]

Les avantages du MMSE sont :

1. L'interférence restante est traitée comme un bruit additif supplémentaire. Donc,

des algorithmes de détection conventionnels peuvent être appliqués.
2. Les performances s’améliorent en ajoutant plus d’antennes BS.

2.11 Le fonctionnement de MIMO massif

Comme nous l’avons dit précédemment que le schème TDD est le meilleur, Il est à savoir
que pendant le traitement dans le système MIMO Massif, il existe trois opérations
illustrées par la figure2.7 :

Figure2. 7 : Protocole de transmission de schéme TDD.

24
Les UT de chaque cellule transmissent une séquence des pilotes, qui est donnée par
l’équation suivante (2.4) [9] :

𝑋𝑝 = √𝜏𝑝 𝜙 𝐻 (2.4)

Avec :

 𝝉𝒑 : Largeur de la séquence pilotes.

 𝝓𝑯 : Matrice transpose conjugue des séquences pilotes

Ce signal 𝑋𝑝 est normalisé de sorte que chaque terminal dépense une énergie totale
égale à la durée de la séquence pilote, qui est exprimé comme suite :

𝜏𝑝 𝜑𝑘𝐻 𝜑𝑘 = 𝜏𝑝 (2.5)

Toute la complexité du transfert des données sur la liaison montante réside dans la
station de base. Les UT simplement pondérer leurs symboles {𝑞𝑘 } respectifs par des
coefficients de contrôle de puissance {ŋ𝑘 }, puis de manière synchrone, transmettre ces
symboles pondérés. Cependant, les symboles proviendraient probablement d’un
modèle de constellation QAM. La BS reçoit un signal de chaque antenne et traite ces
signaux par une opération de décodage linéaire. Ici, le décodage linéaire fait référence
à l'opération de récupérer le signal transmis. Le récepteur doit ensuite effectuer une
correction d'erreur décodage.

Le contrôle de puissance est important dans le MIMO Massifs, afin d’obtenir un service
uniformément bon, et empêcher les terminaux ayant des canaux puissants d’interférer
excessivement avec les terminaux moins fortunés. Les coefficients de contrôle de puissance
dépendent uniquement sur les coefficients d'évanouissement à grande échelle {𝛽𝑘 }.
Cela implique notamment que le pouvoir des coefficients de contrôle sont constants par
rapport à la fréquence et doivent être mis à jour seulement à des intervalles peu
fréquents. Dans ce chapitre Nous supposons, principalement pour des raisons de
simplicité, que le contrôle de puissance est appliqué uniquement à la transmission de
données, alors que les pilotes sont toujours transmis à la puissance maximale possible.

Plus en détail, le kième terminal transmet un symbole pondéré, donné par :

𝑋𝑝 = √ŋ𝑘 𝑞𝑘 (2.6)

25
Avec :

𝜼𝒍𝒌 : le coefficient de contrôle de puissance0 ≤ 𝜂𝑙𝑘 ≤ 1

𝒒𝒍𝒌 : sont des symboles non-corrélé.

À la réception des pilotes, la station de base reçoit le signal M*𝜏𝑝 , et effectue une
opération de dés étalement en corrélant les signaux reçus avec chacune des K séquences
pilotes. Ceci équivaut à multiplier à droite le signal reçu par la matrice de pilotes,
donne [9] :

𝑌𝑝𝑙 = √𝜏𝑝 𝜌𝑢𝑙 ∑𝑗 𝜖𝑃𝑙 𝐺𝑗𝑙 + 𝑊𝑝𝑙

′
(2.7)

Avec :

 𝝆𝒖𝒍 : Puissance de signal d’utilisateur.

 𝑾𝒑𝒍 : Représente le bruit pour les éléments CN (0, 1).

Et sous forme des composantes [9] :

′
[𝑌𝑝𝑙 ] = √𝜏𝑝 𝜌𝑢𝑙 ∑ 𝑔𝑗𝑙𝑚𝑘 +[𝑊𝑝𝑙
′
] (2.8)
𝑚𝑘 𝑚𝑘
𝑙 𝜖𝑝𝑗

𝑙𝑚 𝑙 𝑙,𝑚
Et 𝑔𝑗𝑘 = √𝛽𝑗𝑘 ℎ𝑗𝑘 (2.9)

Avec :

 β : évanouissement à grande échelle.

 h : évanouissement à petite échelle, qui représente le canal de Rayleigh.

2.11.1 Estimation MMSE du canal

Au niveau de la liaison retour (BS-UT), la BS a besoin des informations d'état du canal

(CSI) pour prendre connaissance des signaux transmis par les UT dans la liaison
montante, et pour pré-coder les signaux dans la liaison descendante. Cette information
de canal est envoyée via l’apprentissage de la liaison montante. Chaque utilisateur reçoit
une séquence pilote orthogonale et envoie sa séquence pilote au BS. En raison de
l'orthogonalité des séquences pilotes, la BS est au courant des pilotes transmis par tous
les terminaux d'utilisateurs, puis estime les canaux sur la base des signaux pilotes reçus.

26
En outre, chaque l’utilisateur besoin d’informations partielles de CSI pour découvrir les
signaux transmis de BS de manière cohérente. L’apprentissage en liaison descendante
permet d’obtenir ces statistiques [3].

Dans notre travail, nous avons choisi le MMSE pour estimation de canal, car il minimise
le MSE, et donc minimise le bruit. L’estimateur MMSE dans un système multi cellulaire
est donnée par [9]:

𝑙
𝑙𝑚 √𝜏𝑝 𝜌𝑢𝑙 (𝛽 𝑗 𝑘 ) ′
𝑔̂ 𝑗𝑘 = 𝑙 [𝑌𝑝𝑙 ]𝑚𝑘 (2.10)
1 + 𝜏𝑝 𝜌𝑢𝑙 ∑𝑙′′∈𝑝𝑙 𝛽𝑙′′𝑘

Avec : l’∈𝑝𝑙

 𝝉𝒑 : Largeur de la séquence pilotes.

 𝝆𝒖𝒍 : Puissance de signal d’utilisateur.
 β : évanouissement à grand échelle.

La moyenne carrée de l’estimateur du canal est donnée par [9] :

2
𝜏𝑝 𝜌𝑢𝑙 (𝛽𝑗𝑙 𝑘 )
𝛾𝑗𝑙 𝑘 = 𝑙 (2.11)
1 + 𝜏𝑝 𝜌𝑢𝑙 ∑𝑙′′ ∈𝑃𝑙 𝛽𝑙′′𝑘

L’erreur d’estimation est représentée dans l’équation suivante [9] :

𝑔̃𝑗𝑙 𝑚 ̂𝑗𝑙𝑚𝑘 − 𝑔𝑗𝑙𝑚𝑘

𝑘 =𝑔 (2.12)

Sous forme matricielle :

̃𝐺𝑗𝑙 𝑘𝑚 = 𝐺̂𝑗𝑙𝑚 𝑙𝑚
𝑘 − 𝐺𝑗 𝑘 (2.13)

L’estimation MMSE sous forme matriciel :

1/2
𝐺̂ = 𝑍 𝐷𝛾 (2.14)

2.11.2 Données de la liaison montante

Pendant la phase de données en liaison montante, l’UT de chaque cellule transmit le

√𝜂𝑙𝑘 𝑞𝑙𝑘 .

Chaque UT utilise la version estimée du CSI. Cette estimation est effectuée sur le même
lien inverse de l'intervalle de cohérence dans les deux liaisons (montante et

27
descendante).Les données téléchargées de chaque UT sont supposées partager le
même domaine temps-fréquence. Des récepteurs linéaires inclue (MRC, MMSE, ZF) peut
recevoir efficacement le flux de données téléchargé, sans qu’il nécessite des récepteurs
complexes non linéaires.

La BS reçoit la valeur de vecteur signal [9] :

1/2 1/2 𝑗 1/2 1/2

𝑦𝑙 = √𝜌𝑢𝑙 𝑍 𝑙 ∑𝑗∈𝑙 𝐷 𝐷𝜂𝑗 𝑞𝑗 − √𝜌𝑢𝑙 ∑𝑗∈𝑃𝑙 𝐺̃𝑙 𝐷𝜂𝑙 𝑞𝑗 + √𝜌𝑢𝑙 ∑𝑗¢𝑃𝑙 𝐺𝑗𝑙 𝐷𝜂𝑗 𝑞𝑗 + 𝑤𝑙
𝛾𝑗𝑙

(2.15)

Les trois derniers termes sont statistiquement indépendants de l’estimateur de canal :

1 1
Cov {−√𝜌𝑢𝑙 ∑ 𝐺̃𝑗𝑙 𝐷𝜂2𝑗 𝑞𝑗 + √𝜌𝑢𝑙 ∑ 𝐺𝑗𝑙 𝐷𝜂2𝑗 𝑞𝑗 + 𝑤𝑙 } =
𝑗∈𝑃𝑙 𝑗∈𝑃𝑙

(ρul ∑j∈Pl ∑Kk′ =1(βljk′ − γlljk′ )ηj k′ + ρul ∑j¢Pl ∑Kk′ =1 βljk′ ηj k′ + 1)IM (2.16)

Où :

 Dlj = diag {[𝛽𝑗𝑙1 𝛽𝑗𝑙2 … 𝛽𝑗𝑙𝑘 ]} matrice Diagonal de taille M*K.

 𝐺𝑗𝑙𝑚 ̂ 𝑙𝑚 ̃ 𝑙 𝑚
𝑘 =𝐺𝑗 𝑘 − 𝐺𝑗 𝑘 matrice de taille M*K.

La transmission des données en UL se fait avec les méthodes suivantes :

a Maximum ratio (rapport maximal)

La philosophie du traitement de rapport maximal consiste à amplifier autant que

possible le signal d’intérêt, la station de base souhaite maximiser le SNR reçu de chaque
flux en ignorant l’effet de l’interférence multiutilisateur de signal reçu, car il n’y a pas
d'atténuation active des interférences. La matrice de décodage linéaire est :

−1/2
A=𝐺̂ 𝐷𝛾 =𝑍 (2.17)

La BS fait la multiplication de signal reçu par le conjugué de l’estimateur de canal. Le

signal issu après cette opération est :

28
 1
1 − 1 1/2 1/2 1/2
[ 𝐷 2
𝐺̂𝑗𝑙𝐻 𝑦𝑗 ] = [ 𝑍 𝑙𝐻 (√𝜌𝑢𝑙 𝑍 𝑙 ∑𝑗∈𝑃𝑙 𝐷 𝐷𝜂𝑗 𝑞𝑗 ) − √𝜌𝑢𝑙 ∑𝑗∈𝑃𝑙 𝐺̌𝑗𝑙 𝐷𝜂𝑗 𝑞𝑗 +
√𝑀 𝛾𝑗𝑙 √𝑀 𝛾𝑗𝑙
𝑘

1/2
√𝜌𝑢𝑙 ∑𝑗¢𝑃𝑙 𝐺𝑗𝑙 𝐷𝜂𝑗 𝑞𝑗 + 𝑤𝑙 ] (2.18)
𝑘

Après le traitement du signal reçu par la BS avec le MR, le SINR effectif résultant est
[9] :

𝑀𝑅,𝑢𝑙
𝑆𝐼𝑁𝑅𝑙𝑘
𝑙
𝑀 𝜌𝑢𝑙 𝛾𝑙𝑘 ŋ𝑙𝑘
= 𝑙 (2.19)
1 + 𝜌𝑢𝑙 ∑𝑗∈𝑃𝑙 ∑𝐾
𝐾′ =1 ŋ𝑙𝑘 𝛽𝑗𝑘 ′
𝐾
+ 𝜌𝑢𝑙 ∑𝑗¢𝑃𝑙 ∑𝐾′ =1 𝛽𝑗𝑙 𝑘′ ŋ𝑗𝑘′ + 𝑀𝜌𝑢𝑙 ∑𝑗∈𝑝 𝛾𝑗𝑙 𝑘 ŋ𝑗 𝑘
𝑙 \(𝑙)

L’efficacité spectrale correspondante est :

𝑀𝑅,𝑢𝑙 𝜏𝑢𝑙 𝑚𝑟,𝑢𝑙

𝑆𝐸𝑖𝑛𝑠𝑡,𝑙𝑘 = log 2 (1 + 𝑆𝐼𝑁𝑅𝑙𝑘 ) (2.20)
𝜏𝑐

La figure suivante montre Le schéma fonctionnel qui illustre l’action du rapport maximal
en traitement :

Figure2. 8 : Le schéma fonctional de la liaison montante avec le rapport maximal[9].

29
 b Zero forcing (forçage à zero)

Le ZF sert à annuler les interférences inter-utilisateurs (interférences produites par une

transmission MU-MIMO) et donc qui maximise le SIR. La forme linéaire devenant très
complexe. La matrice de décodage est :

1/2
𝐴 = 𝐺̂ (𝐺̂ 𝐻 𝐺̂ )−1 𝐷𝛾 = 𝑍(𝑍 𝐻 𝑍)−1 (2.21)

Le traitement ZF donne le signal suivant [9] :

1
−1
[𝐷 2𝑙 (𝐺̂𝑙𝑙𝐻 𝐺̂𝑙𝑙 ) 𝐺̂𝑙𝑙𝐻 𝑦𝑙 ] = √𝜌𝑢𝑙 𝛾𝑗𝑘
𝑙 𝑙
ŋ𝑙𝑘 𝑞𝑙𝑘 + √𝜌𝑢𝑙 ∑𝑗 ∈𝑝𝑙 √𝛾𝑗𝑘 ŋ𝑗𝑘 𝑞𝑗𝑘
𝛾𝑗
𝑘
1 1
+[ (𝑍 𝑙𝐻 𝑍 𝑙 )−1 𝑍 𝑙𝐻 (− √𝜌𝑢𝑙 ∑𝑗∈𝑃𝑙 𝐺̃𝑗𝑙 𝐷𝜂2𝑗 𝑞𝑗 + √𝜌𝑢𝑙 ∑𝑗¢𝑃𝑙 𝐺𝑗𝑙 𝐷𝜂2𝑗 𝑞𝑗 + 𝑤𝑙 )]𝑘 (2.22)

Après la variance de dernier bruit effective. Le SINR résultant avec le ZF est [9] :
𝑍𝐹,𝑢𝑙
𝑆𝐼𝑁𝑅𝑙𝑘
𝑙
(𝑀 − 𝐾)𝜌𝑢𝑙 𝛾𝑙𝑘 ŋ𝑙𝑘
= 𝑙 𝑙
1 + 𝜌𝑢𝑙 ∑𝑗∈𝑃𝑙 ∑𝐾
𝐾′ =1(𝛽𝑗𝑘 ′ − 𝛾𝑗𝑘 ′ )ŋ𝑙 𝑘 ′ + 𝜌𝑢𝑙 ∑j¢𝑃𝑙 𝛽𝑗 𝑘′ (∑𝐾
𝑙 𝑙
𝐾′ =1 ŋ𝑗 𝑘′ ) + (𝑀 − 𝐾)𝜌𝑢𝑙 ∑𝑗 ∈𝑃𝑙 \(𝑙) 𝛾𝑗 𝑘 ŋ𝑗 𝑘

(2.23)

L’efficacité spectrale résultante liée :

𝑍𝐹,𝑢𝑙 𝜏𝑢𝑙 𝑍𝐹,𝑢𝑙

𝑆𝐸𝑖𝑛𝑠𝑡,𝑙𝑘 = log 2 (1 + 𝑆𝐼𝑁𝑅𝑙𝑘 ) (2.24)
𝜏𝑐

Figure2. 9 : Le schéma fonctionnel de la liaison montante avec le forçage à zéro [9].

30
 2.11.3 Données de liaison descendante

Après les opérations qui sont montrés ci-dessus, La BS transmit le signal suivant [9] :

1/2
𝑥𝑗 = 𝐴𝑗 𝐷𝜂 𝑗 𝑞𝑗 (2.25)

Les utilisateurs de la jiemecellule reçoivent le signal suivant [9] :

𝑗𝑇 1/2
𝑦𝑙 = √𝜌𝑑𝑙 ∑𝑗∈𝑃𝑙 𝐺̂𝑙 𝐴𝑗 𝐷𝜂 𝑗 𝑞𝑗 − √𝜌𝑑𝑙 ∑𝑗∈𝑃𝑙 𝐺̃𝑗𝑙𝑇 𝑥𝑗 + √𝜌𝑑𝑙 ∑𝑗¢𝑙 𝐺𝑗𝑙𝑇 𝑥𝑗 + 𝑤𝑙 (2.26)

Et le kiemutilisateur de cette cellule reçoit le signal suivant [9] :

𝑗𝑇 1/2 𝑙𝑇 𝑙𝑇
𝑦𝑙𝑘 = √𝜌𝑑𝑙 ∑𝑗∈𝑙 𝑔̂𝑙𝑘 𝐴𝑗 𝐷𝜂 𝑗 𝑞𝑗 − √𝜌𝑑𝑙 ∑𝑗∈𝑃𝑙 𝑔̃𝑙𝑘 𝑥𝑗 + √𝜌𝑑𝑙 ∑𝑗¢𝑃𝑙 𝑔𝑗𝑘 𝑥𝑗 + 𝑤𝑙𝑘 (2.27)

Les quatre termes de (2.27) sont mutuellement non-corrélés. Le premier terme contient,
entre autres, le signal d’intérêt et les trois autres ne contiennent que du bruit effectif.
La variance de la somme des trois termes de bruit effectifs est indépendante du fait que
le forçage à zéro ou traitement de rapport maximum est utilisé, et il est égal à :

𝑗𝑇 𝑗 𝑗
Var{−√𝜌𝑑𝑙 ∑𝑗∈𝑃𝑙 𝑔̃𝑗𝑙𝑇 𝑥𝑗 + √𝜌𝑑𝑙 ∑𝑗¢𝑃𝑙 𝑔𝑙𝑘 𝑥𝑗 + 𝑤𝑙𝑘 } =∑𝑗∈𝑃𝑙(𝛽𝑙𝑘 − 𝛾𝑙𝑘 ) (∑𝐾
𝑘 ′ =1 𝜂𝑗𝑘′ ) +
𝑗
𝜌𝑑𝑙 ∑𝑗¢𝑃𝑙 𝛽𝑙𝑘 (∑𝐾
𝑘 ′ =1 𝜂𝑗𝑘′ )+1 (2.28)

a MR

La matrice de pré codage est [9] :

1
𝐴𝑗 = 𝑍𝑗 (2.29)
√𝑀

Le SINR résultant [9] :

𝑀𝑅,𝑑𝑙
𝑆𝐼𝑁𝑅𝑙𝑘
𝑙
𝑀𝜌𝑑𝑙 𝛾𝑗𝑘 ŋ𝑙𝑘
= 𝑗 𝑗 𝑗
(2.30)
1 + 𝜌𝑑𝑙 ∑𝑗 ∈𝑃𝑙 𝛽𝑙𝑘 (∑𝐾 𝐾
𝐾′ =1 ŋ𝑗 𝑘′ ) + 𝜌𝑑𝑙 ∑𝑗 ¢𝑃𝑙 𝛽𝑙𝑘 (∑𝐾′ =1 ŋ𝑗 𝑘′ ) + 𝑀𝜌𝑑𝑙 ∑𝑗∈𝑃𝑙 \(𝑙) 𝛾𝑙𝑘 ŋ𝑗 𝑘

L’efficacité spectrale liée est :

𝑚𝑟,𝑑𝑙 τdl 𝑚𝑟,𝑑𝑙

𝑆𝐸𝑖𝑛𝑠𝑡,𝑙𝑘 = log 2 (1 + 𝑆𝐼𝑁𝑅𝑙𝑘 ) (2.31)
τc

31
 Figure2. 10 : Le schéma fonctionnel de la liaison descendante avec le rapport
maximal[9].

b ZF

La matrice de pré codage en ZF est [9] :

𝐴𝑗 = √𝑀 − 𝐾𝑍𝑗 ∗ (𝑍𝑗 𝑇 𝑍𝑗∗ ) (2.32)

Le SINR résultant avec le ZF est [9] :

𝑍𝐹,𝑑𝑙
𝑆𝐼𝑁𝑅𝑙𝑘
𝑙
(𝑀 − 𝐾)𝜌𝑑𝑙 𝛾𝑙𝑘 ŋ𝑙𝑘
= 𝑗 𝑗 𝑗 𝑗
(2.33)
1 + 𝜌𝑑𝑙 ∑𝑗 ∈𝑃𝑙(𝛽𝑙 𝑘 − 𝛾𝑙 𝑘 )(∑𝐾 𝐾
𝐾′ =1 ŋ𝑗 𝑘′ ) + 𝜌𝑑𝑙 ∑𝑗 ¢𝑃𝑙 𝛽𝑙𝑘 (∑𝐾′ =1 ŋ𝑗 𝑘′ ) + (𝑀 − 𝐾)𝜌𝑑𝑙 ∑𝑗 ∈𝑃𝑙 \(𝑙) 𝛾𝑙𝑘 ŋ𝑗 𝑘

L’efficacité spectrale est donnée par :

𝑍𝐹,𝑑𝑙 τdl 𝑍𝐹,𝑑𝑙

𝑆𝐸𝑖𝑛𝑠𝑡,𝑙𝑘 = 𝑙𝑜𝑔2 (1 + 𝑆𝐼𝑁𝑅𝑙𝑘 ) (2.34)
τc

32
 Figure2. 11 : Le schéma de la liason descendante avec le forçage a zéro[9].

Nous interprétons les expressions de SINR effective comme suite :

 Le numérateur représente le gain de formation de faisceau cohérent du signal

désiré.
 Le premier terme du dénominateur est la variance du bruit normalisé.
 Le deuxième terme du dénominateur est dû au brouillage causé par la
contamination des cellules. Cette interférence comprend à la fois les interférences
intercellulaires et les interférences intracellulaires dans la cellule. Les termes qui
composent cette échelle de second terme proportionnellement avec les erreurs
d'estimation du canal carré moyen, mais pas avec M.
 Le troisième terme du dénominateur représente les interférences
intercellulaires cellules non-contaminé qui évoluent proportionnellement aux
coefficients d'évanouissement à grande échelle, mais pas avec M. Nous utilisons le
terme interférence non cohérente pour désigner les deuxième et troisième termes au
dénominateur.

33
 Le quatrième terme du dénominateur représente l’interférence de cellules
contaminant, en excluant la miéme cellule elle-même, proportionnelle aux estimations avec
M-k, nous appelons ce terme cohérent ingérence pour l’algorithme ZF.
Une interférence cohérente est proportionnelle à M plutôt qu’à M-K, pour l’algorithme
MR .

2.12 Conclusion
Dans ce chapitre nous avons vu quatre types d’interférence le défis du massive MIMO
qui est la contamination des pilotes et l’efficacité spectrale, nous avons vu aussi le
fonctionnement du MIMO massif l’estimation MMSE du canal et la transmission d’un
signal en UL et DL avec deux méthodes MR et ZF et la transmission d’un signal en UL et
DL avec deux méthodes MR et ZF.

34
Chapitre 3 : Simulation et résultats

3.1 Introduction
Dans ce présent chapitre, et à l’aide du logiciel MATLAB. Nous allons exposer les
résultats et les courbes obtenues du BER en fonction du SNR, ainsi les courbes de
l’efficacité spectrale d’un système MIMO massif dans la liaison montante et
descendante avec les techniques de pré codage : rapport maximal (MR), forçage à zéro
(ZF) et l’erreur quadratique moyenne minimale (MMSE).

3.2 Le Système le MU-MIMO

Pour le système étudié dans ce mémoire, nous considérons un système cellulaire avec
𝐿 cellules numérotées 1, 2,.., L. Chaque cellule comprend une BS avec M antennes et K
(K≤M) utilisateurs ayant une seule antenne. Nous avons choisi 𝑝𝑟 comme une puissance
moyenne (pendant la transmission) de chaque utilisateur, et 𝑝𝑓 comme une puissance
moyenne (pendant la transmission aussi) de la station de base.

Le facteur de propagation entre la mème antenne de la station de base de la lième cellule

𝑙 𝑙,𝑚 𝑙
et le kiemeutilisateur de la jième cellule est√𝛽𝑗𝑘 ℎ𝑗𝑘 .Les {𝛽𝑗𝑘 } sont des valeurs non-

négative qui modélisent le Shadowing et le Pathloss appelant l’évanouissement à grande

échelle [8], et ils varient lentement et leur estimation s’effectue sur une longue période
de temps .Nous supposons une réciprocité de canal pour les liaisons montante et

𝑙 𝑙,𝑚
descendante, c'est-à-dire que le facteur de propagation √𝛽𝑗𝑘 ℎ𝑗𝑘 est le même pour les

𝑙,𝑚
deux liaisons. L'évanouissement de bloc, {ℎ𝑗𝑘 } reste constant pendant une durée de T

symboles. Notez que nous autorisons une variation constante du facteur de propagation
aller et retour à travers les différentes contraintes de puissance moyenne à la station de
base et les utilisateurs. Les bruits additifs au niveau de chaque terminal sont des

35
variables aléatoires gaussiennes i.i.d. Les équations du système décrivant les signaux
reçus à la station de base et les utilisateurs sont données dans la section suivante [19].

3.3 Organigramme des simulations

L’Organigramme suivant montre les étapes de notre travail, ou les étapes de la
transmission des données en liaison montante et descendante est donné par la figure
3.1.

Figure3. 1Organigramme montre les étapes de travail

36
 3.4 L’étude de transmission des données en liaison
montante
Lorsque l’UT transmit un signal vers la BS, on appelle ça La liaison montante. La mième
antenne de BS de la jiéme cellule reçoit un signal linéaire transmit par le Kième utilisateur
de la lième cellule .Le signal pilote doit se propage dans un canal de liaison montante. Au
début de chaque intervalle de cohérence, tous les kème utilisateurs dans tous les
cellules, transmettent ce signal d’apprentissage 𝑦𝑙𝑚 qui est donnés par l’équation
(3.1)[19]. 𝑦𝑙𝑚 Constitué de la somme de séquences d’apprentissage qui sont des
vecteurs colonnes de longueur 𝜏𝑝 .

𝑙 𝑙,𝑚
𝑦𝑙𝑚 = ∑𝐿𝑙=1 ∑𝐾
𝑘=1 √𝜌𝑢𝑙 𝜏𝑝 𝛽𝑗𝑘 ℎ𝑗𝑘 𝜑𝐽𝐾 + 𝑤𝑙𝑚 (3.1)

Avec :

†
 √𝝉𝒑 𝝋𝑱𝑲 :(normalisé de telle sorte que𝜑𝐽𝐾 𝜑𝐽𝐾 = 1) est le vecteur

d'apprentissage transmis par le 𝑘ième utilisateur de la𝑗ième cellule.

 𝒘𝒍𝒎 : le bruit additif.

Donc le signal d’apprentissage 𝑦𝑙𝑚 doit être estimé, et la station de base reçoit le (M* τ)
signal [19]:

𝑌𝑙 = √𝜌𝑢𝑙 𝜏𝑝 ∑𝐿𝑗=1 Ψ𝐽𝐾 𝐷𝑗𝑙 𝐻𝑗𝑙 + 𝑊𝑙 (3.2)

Avec :

 𝒀𝒍 = [𝑦𝑙1 𝑦𝑙2 … 𝑦𝑙𝑚 ] et 𝑾𝒍 = [𝑤𝑙1 𝑤𝑙2 … 𝑤𝑙𝑚 ] sont des matrices de dimensions
𝜏𝑝 × 𝑀.
 𝚿𝐣 = [𝜑𝐽1 𝜑𝐽2 … 𝜑𝐽𝐾 ] est une matrice de dimensions 𝜏𝑝 × 𝐾.
 𝐃𝐣𝐥 = diag {[𝛽𝑗𝑙1 𝛽𝑗𝑙2 … 𝛽𝑗𝑙𝑘 ]} : Matrice diagonale.
ℎ𝑗𝑙11 ⋯ ℎ𝑗𝑙1𝑀
 𝑯𝒋𝒍 = [ ⋮ ⋱ ⋮ ] : matrice de dimensions K x M. (3.3)
ℎ𝑗𝑙𝐾1 ⋯ ℎ𝑗𝑙𝐾𝑀

Le canal utilisé pour la transmission est le canal Rayleigh, Nous allons maintenant donner
l’estimateur de la réponse du canal ℎ𝑗𝑙 , En utilisant la méthode MMSE, nous obtenons :

37
 1
† † −1
̂𝑗𝑙 = √𝜌𝑢𝑙 𝜏𝑝 𝐷2𝑗𝑙 Ψ𝑗 (Ι + 𝑝𝑟 𝜏𝑝 ∑𝐿𝑖 Ψ𝑖 𝐷𝑖𝑙 Ψ𝑖 ) 𝑌𝑙
𝐻 (3.4)

L’estimateur MMSE de canal entre cette station de base est tous les utilisateurs, est :

̂𝑙 = [𝐻̂1𝑙 𝐻̂2𝑙 ⋯ 𝐻
𝐻 ̂𝑗𝑙]. (3.5)

3.5 Résultat de BER en fonction le SNR avec l’algorithme

MMSE
Dans cette section nous faisons faire varier le SNR : 0 :2 :20. Le facteur de réutilisation
des pilotes est de 1, c’est-à-dire que toutes les cellules utilisent les mêmes séquences
pilotes (les pilotes inter-cellules ne sont pas orthogonaux). Chaque cellule se compose
de K = 4 utilisateurs et une station de base (BS) contenant M = 8 antennes. Dans la même
cellule, les pilotes sont orthogonaux. Dans une mise en œuvre pratique, les symboles
proviendraient probablement d’une constellation QAM [8], dans cette analyse La
modulation numérique utilisée est 64QAM.

Une estimation du canal sur la liaison UL est réalisée avec l’algorithme MMSE donné
par l’équation (3.4). Nous avons calculé le taux d’erreur binaire BER selon l’équation
suivante :

𝑛𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙𝑒 𝑑𝑒𝑠 𝑏𝑖𝑡𝑠𝑒𝑟𝑟𝑜𝑛é𝑠

BER= (3.6)
𝑛𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙𝑒 𝑑𝑒𝑠 𝑏𝑖𝑡𝑠 𝑡𝑟𝑎𝑛𝑠𝑚𝑖𝑡

Tableau des paramètres de simulation :

Les paramètres Leurs valeurs

M : nombre d’antenne 4

K : nombre d’utilisateur 8

L : nombre des cellules 2

Mb : nombre de constellation 64

𝝉𝒑 : la durée de séquence pilote 4

SNR en dB 0 :5 :30

Tableau3. 1 paramètre de la figure (3.2).

38
Les résultats graphiques obtenus par la simulation, sont dans la figure 3.2 qui est la
suivante :

Figure3. 2Taux d'erreur binaire BER en fonction de rapport signal sur bruit avec MMSE
et ZF.

La figure ci-dessus illustre la variation de taux d’erreur binaire ‘BER’ en fonction de

rapport signal sur bruit ‘SNR’ pour les algorithmes MMSE et ZF. Dans cette expérience,
Nous remarquons que le BER est démuni pour les deux algorithmes, et la grande
déférence de BER entre les deux algorithmes, ou le taux d’erreur pour le ZF est
supérieure pour le MMSE.

Au canal de transmission il y a toujours un signal indésirable qui s’ajoute au signal

transmit au niveau de canal de transmission, et la déférence entre eux est appelée le
SNR, C'est particulièrement utile lorsque l'on compare les performances de BER de
différents schémas de modulation numérique sans prendre en compte la bande
passante.

En résumé, l'utilisation de plusieurs antennes au niveau des systèmes MIMO peut servir
à améliorer la fiabilité de transmission en réduisant la probabilité d'erreur (gain en
diversité) et à augmenter le débit de transmission (gain de Multiplexage).

39
 3.6 La somme des taux en liaison descendante
La station de base envoie un signal vers l’utilisateur k qui est donnée par [19] :

𝑥𝑗𝑘 = √𝜌𝑑𝑙 𝛽𝑗𝑗 ℎ𝑗𝑗 𝑎𝑗 𝑞𝑗 + ∑𝑙≠𝑗 √𝜌𝑑𝑙 𝛽𝑗𝑙 ℎ𝑗𝑙 𝑎𝑙 𝑞𝑙 + 𝑤𝑗 (3.7)

Où :

 h : canal de transmission.
 a : facteur de propagation.
 q : symboles à transmettre.
 𝒘𝒋 : bruit additif.

L’expression Rj est formée pour sommer les taux réalisable dans le cadre considéré dans
cette section est-elle est exprimé comme suite [19] :

𝑅𝑗
𝜌𝑢𝑙 𝝉𝒑 𝛽𝑗𝑗
𝜌𝑑𝑙 𝛽𝑗𝑗 1+𝜌 𝐿 𝐸2 (𝜃)
𝑢𝑙 𝝉𝒑 ∑𝑖=1 𝛽𝑖𝑗
= 𝐶( 𝜌𝑢𝑙 𝝉𝒑 𝛽𝑗𝑗 𝜌𝑢𝑙 𝝉𝒑 𝛽𝑗𝑙 1+𝜌𝑢𝑙 𝝉𝒑 ∑𝑖≠𝑗 𝛽𝑖𝑙
)
1 + 𝜌𝑑𝑙 𝛽𝑗𝑗 𝑣𝑎𝑟(𝜃) + ∑𝑙≠𝑗 𝜌𝑑𝑙 𝛽𝑗𝑙 𝐸(𝜃2 ) + ∑𝐿𝑙=1 𝜌𝑑𝑙 𝛽𝑗𝑙
1+𝜌𝑢𝑙 𝝉𝒑 ∑𝐿𝑖=1 𝛽𝑖𝑗 1+𝜌𝑢𝑙 𝝉𝒑 ∑𝐿𝑖=1 𝛽𝑖𝑙 1+𝜌𝑢𝑙 𝝉𝒑 ∑𝐿𝑖=1 𝛽𝑖𝑙

(3.8)

Où :
C (𝜃) = log2 (1 + 𝜃 )
Rj : l’efficacité spectrale (bits/s/Hz).
1
Γ(𝑀+ )
𝐸(𝜃) = 2
, 𝐸(𝜃 2 ) = 𝑀
Γ(𝑀)

𝑣𝑎𝑟(𝜃) = 𝑀 − 𝐸 2 (𝜃).
Γ(. ) ∶Est la fonction Gamma.

La figure (3.3) montre un exemple de réseau mobile sans fil multi cellulaire composé de
deux cellules pour mieux comprendre l’effet de contamination des pilotes et
d’interférence. La cellule contaminée est la cellule j, elle contient les utilisateurs K=8 et
chacun a une puissance Pr=10 dB, pour la deuxième cellule qui contint la station de base
avec M antennes de puissance Pf=10 dB. Les séquences d'apprentissage orthogonales
utilisées dans la1èresont réutilisées dans la 2ème cellule.

40
Figure3. 3Modèle du système multicellulaire montre la BS dans la jémecellule avec M et
les K utilisateur danns la léme cellule.

Le Tableau 3.2 donnée les paramètres pour la programmation de L=19 cellules

Les Paramètres Les valeurs

M : nombre d’antenne 8

K : nombre d’utilisateur 40

L : nombre des cellules 19

𝛕𝐩 : longueur des séquences 4

pilote

𝝆𝒖𝒍 : puissance d’UT 10 dB

𝝆𝒅𝒍 : puissance de la BS 10 dB

𝑩𝒊𝒋 : facteur de propagation 1 pour i=j

(a) a =0.8 pour i≠j

Tableau3. 2 paramètre du la figure (3.4).

41
Les résultats graphiques de simulation sont comme suite :

Figure3. 4 Efficacités spectrale en fonction de nombre d'antenne.

Nous remarquons dans la figure 3.4 que l’efficacité spectrale augmente linéairement
avec le nombre d’antenne M, grâce au traitement du signal cohérent. Cela se produit
même avec une contamination de pilote. Cependant, cet effet donne lieu à des
interférences cohérentes qui se développent avec M, à moins que cette interférence ne
soit supprimée à l’aide de MMSE combinaison/pré codage. Ces antennes M permettent
d’améliorer encore les performances de ces systèmes, une fiabilité de communication,
un délai de transmission réduit et des débits très élèves.

3.7 Les résultats de l’analyse d’Efficacité spectrale

Dans la section suivante, nous allons analyser la réalisation de l’efficacité spectrale en
liaison UL et DL, sous le cadre d’estimation de canal par la méthode MMSE. En
augmentant le nombre d'antennes jusqu'à 140 antennes. La différence est apparue de
type de traitement utilisé pour réduire l’interférence.

42
Les paramètres de programmation de liaison l’UL et DL, sont dans le tableau suivant :
Les paramètres Les valeurs

M : nombre d’antenne 140

L : nombre de cellule 16

K : nombre d’utilisateur 10

f : facteur de réutilisation des pilotes 1

𝝉𝒑 : longueur des séquences pilote f*K

𝝉𝒄 : La longueur d’intervalle de cohérence 200 s

B : bande de communication 20 MHz

𝝆𝒖𝒍 : puissance de liaison UL 100 mW

𝝆𝒅𝒍 : puissance de liaison DL 20 dB

Noise Figure : bruit par la BS 7 dB

nr : nombre de réalisation des canaux 16

Tableau3. 3 paramètre du système.

3.7.1 En liaison montante

Au niveau de liaison montante la BS reçoit un signal envoyé par un UT, nous allons
étudier les variations de l’ES pour les différents schémas de combinaison. Dans cette
session, nous considérons K= 10 utilisateurs par cellule. Les résultats de simulations
obtenus sont illustrés par les figures suivantes :

43
 Figure3. 5L'efficacité spectrale en fonction de nombre d'antenne réalise par des
déférents pré codage en liaison UL.

La figure (3.5) montre efficacité spectrale en fonction de nombre d’antenne dans la

liaison montante, en réutilisant les mêmes pilotes c'est-à-dire f=1. L’algorithme M-
MMSE (Multi-cellule MMSE) fournie la plus grande valeur de SE et exige la plus grande
complexité de calcul (car le M-MMSE est l’un des systèmes qui suppriment les
interférences), par contre le MR fournie la SE la plus faible par rapport aux autre
algorithmes.

L’efficacité spectrale diminue un peu avec chaque approximation faite en utilisant les
schémas de pré codage moins complexes que M-MMSE. Notez que RZF et ZF donnent
essentiellement la même efficacité spectrale dans la gamme M ≥30 qui présente un
intérêt principal dans Massive MIMO, mais que Le SE avec ZF se dégrade rapidement
pour M <20 car la BS ne dispose pas de suffisamment de degrés de liberté pour annuler
les interférences sans annuler également une grande partie du signal souhaité. En fait,
la puissance du signal désiré et la puissance d’interférences d’un UT est essentiellement
indépendante dans l’UT, car tous les signaux sont reçus par la même BS Par conséquent,
ZF doit être évité pour parvenir à une mise en œuvre robuste. Il est intéressant de noter

44
que la MR ne fournit que la moitié de la SE des autres schémas, mais elle réduit
également la complexité de 10% par rapport au format RZF.

3.7.2 En liaison descendante

Pour la liaison descendante, Chaque BS transmit des données vers ces utilisateurs à
l’aide de pré codage tel que MMSE, MR et ZF. De sorte que la puissance du signal
transmit par la BS soit également la puissance d'émission allouée à cet utilisateur. Une
façon de mettre en œuvre la normalisation de pré codage consiste à faire le vecteur de
pré codage = 1 dans chaque bloc de cohérence, mais c'est parfois plus analytiquement
traitable d'avoir une normalisation moyenne sur de nombreux blocs de cohérence.

Résultat graphique correspondante à cette liaison est :

Figure3. 6 L'efficacité spectrale en fonction de nombre d'antenne réalise par des

déférents pré codage en liaison DL.

La figure 3.6 montre la somme moyenne SE en liaison descendante avec f=1. Pour ce
résultat nous remarquons toujours que les schémas de pré-codages le M-MMSE fournit
la valeur la plus élevé de SE et le MR présente la valeur la plus faible, par rapport aux

45
autre algorithmes dans la liaison DL. Le pré codeurs RZF et ZF fournissent presque le
même SE, sauf que ZF pose des problèmes de robustesse pour M <20 antennes.

Comme dans l'UL, la complexité de calcul est plus grande pour les schémas de pré-
codage / combinaison qui fournissent des SE plus élevées, et nous pouvons désigner M-
MMSE, RZF et MR comme trois compromis distincts entre un SE élevé et une complexité
faible. Ce sont les schémas à choisir dans une mise en œuvre pratique.

La diminution de la valeur de SE en DL par rapport à la valeur de SE en UL, est que la

puissance du signal désirés et la puissance d'interférence sont couplés dans le DL, car
tous les signaux désirés et interférés provenant d’une cellule particulière sont reçues
par le même canal de la BS de la cellule.

3.8 Conclusion
Les résultats de ce chapitre, montrent les performances des systèmes MIMO massif, en
terme efficacité spectrale en UL et DL. Nous avons vu que l’algorithme MMSE est très
performant par rapport au ZF en terme taux d’erreur binaire BER. L’efficacité spectrale
est l’un des avantages majeurs des MIMO massif, cette conclusion est confirmée en
observant l’augmentation de l’efficacité spectrale en fonction du nombre d’antenne 𝑀
dans la BS pour différents pré-codeurs M-MMSE et RZF.

46
 Conclusion générale

Le MIMO Massif est une technologie sans fil qui utilise la technologie de communication
multiutilisateur, avec un très grand nombre d’antennes sur chaque station de base (BS)
permet de servir un grand nombre d’utilisateurs simultanément, le besoin constant
d'améliorer les vitesses de transfert de données pousse les chercheurs sans fil à raffiner
les systèmes de communication existants et à compter de meilleures solutions pour les
normes futures. Ce mémoire est consacré à l’étude de l’efficacité spectrale des systèmes
MIMO massif pour la 5G.

Le premier chapitre, présente l’évolution des réseaux jusqu’à la 5G utilisant les MIMO
massif. En détail, il examine le système Massive MIMO, ses caractéristiques et
avantages.

Ensuite dans le deuxième chapitre, nous nous sommes concentrées sur le schéma de
transmission d’une manière générale. La technologie MIMO fournit différents schémas
d’amélioration des performances de la liaison, notamment le traitement de la diversité,
le multiplexage spatial, ou encore la formation de faisceaux d’antennes. Les expressions
de l’ES pour l’UL et DL qui peuvent être calculées numériquement pour n’importe quel
modèle de canal.

Le chapitre 3 présente l’analyse des résultats de simulation, en particulier les résultats

de l'efficacité spectrale d’un système MIMO massif en fonction de nombre d’antennes.
Nous avons montré à travers de nombreux résultats concrets de simulation que
l'égaliseur MMSE présente une meilleure performance par rapport aux autres
détecteurs (ZF, MR, RZF), car il fournit la valeur la plus élevé d’ES.

47
 Bibliographie

[1] Moret, Boris,’’Amplificateur de puissance autonome pour applications OFDM et

beamforming de la 5G aux fréquences millimétriques en technologie CMOS avancée’’,
Bordeaux, 2017.

[2] Bendimerrad FETHI TARIK, “MIMO ET ACCÈS MULTIPLES AVANCÉS POUR RÉSEAUX
SANS FIL”, Laboratoire de Télécommunications de Tlemcen (LTT), Université Abou Bekr
Belkaid, Tlemcen, novembre 2013.

[3] A. Diallo, “Systèmes multi-antennes pour diversité et MIMO”, Université Nice Sophia
Antipolis, 2007.

[4] “LTE MIMO Types Of Inputs and Outputs”, [Online]. Available:

[Link]
outputs/.

[5] MIMO – Multiple Input and Multiple Output Wireless Communications

[Link]
communications/ . 18 juin 2014

[7] Xiaohu Ge, Ran Zi, , Haichao Wang, Jing Zhang, IMinho Jo,” MULTI –USER MASSIVE
MIMO COMMUNICATION SYSTEMS BASED ON IRREGULAR ANTENNA ARRAYS” ,18 avril
2016.

[8] A Abboud, ‘’Interference Mitigation in 5G Mobile Networks Uplink Pilot

Contamination in TDD Massive MIMO Scheme’’, Thèse de doctorat Université de
Limoges, 22 septembre 2017.

[9] Thomas L. Marzetta, Erik G, Larsson Hong Yang et Hien Quoc Ngo, ‘’Fundamentals of
Massive MIMO’’, 2016.

48
[10] Björnson, Emil, Jakob Hoydis, and Luca Sanguinetti. ‘’Massive MIMO networks:
Spectral, energy, and hardware efficiency’’, Foundations and Trends® in Signal
Processing: [Link].3-4, pp 154-655, 2017.

[11] Randriamiadana Z.A, Randriamitantsoa P.A, Ratsimba M.N, Randriamitantsoa A.A,

‘’ETUDE DE LA CAPACITE DU CANAL POUR UN SYSTEME MIMO MASSIF’’, ISSN 2220-
0673, Vol.2, 2016.
[12] HAJRI Salah Eddine,’’ L’amélioration des performances des systèmes sans fil 5G
par groupements adaptatifs des utilisateurs’’, Thèse de doctorat Université Paris-
Saclay, 2018.

[13] Ehab ALI, Mahamod ISMAIL, Rosdiadee NORDIN et Nor Fadzilah ABDULAH,
’’Beamforming techniques for massive MIMO systems in 5G: overview, classification,
and trends for future research’’, 2017.

[14] A. Roze, “Massive MIMO, une approche angulaire pour les futurs systèmes multi-
utilisateurs aux longueurs d’onde millimétriques’’, Thèse de doctorat Electronique. INSA
de Rennes, 2016.

[15] D. Gesbert, S. G. Kiani, A. Gjendemsj, and G. E. Ien, “Adaptation, coordination, and

distributed resource allocation’’.

[16] Mariam Shukuru Kawambwa, ‘’PILOT CONTAMINATION MITIGATION TECHNIQUES

IN MASSIVE MIMO SYSTEMS: A PRECODING APPROACH’’, 2016.

[17] Jaouadi, Randa. ‘’Compromis efficacité énergétique et efficacité spectrale pour les
objets communicants autonomes’’. Diss. Nantes, 2017.

[18] N. Hassan, X. Fernando, “Massive MIMO Wireless Networks: An Overview

Electronics”, 6, 63; 5 September 2017.

[19] J. Jose, A. Ashikhmin, Thomas L. Marzetta and Sriram Vishwanath,‘‘Pilot

Contamination and Precoding in Multi-Cell TDD Systems’’, 8 AUGUST 2011.

49