MIMO

No d’ordre : D03-02
Thèse
présentée devant
l’Institut National des Sciences Appliquées de Rennes
pour obtenir le titre de
Docteur
spécialité : Electronique
Techniques multi-antennes
émission-réception
-
Applications aux réseaux domestiques
sans fil
par
Philippe GUGUEN
Soutenue le 22 janvier 2003 devant la commission d’examen :
Président M. J. CITERNE Professeur à l’INSA de Rennes

Rapporteurs M. G. BUREL Professeur à l’Université de Bretagne Occidentale
M. P. DEGAUQUE Professeur à l’Université de Lille I
Examinateurs M. J.-F. DIOURIS Professeur à Ecole polytechnique de Nantes
M. G. EL ZEIN Professeur à l’INSA de Rennes
M. P. LOPEZ Ingénieur à THOMSON Multimédia Rennes
Institut National des Sciences Appliquées, Rennes

Laboratoire Composants et Systèmes pour Télécommunications
Groupe Télécommunications
Remerciements
Ce travail est le fruit d’une collaboration entre le Laboratoire Composants et Sys-

tèmes pour Télécommunications de l’INSA de Rennes et le Laboratoire Communication
Média de THOMSON Multimédia, dirigés respectivement par Messieurs J. Citerne et
H. Fourdeux. Je leur adresse ma profonde reconnaissance pour m’avoir accueilli et les
remercie de la confiance qu’ils m’ont accordée.
J’exprime toute ma gratitude à Monsieur G. El Zein, Professeur à l’INSA de Rennes,
qui a eu la lourde tâche de m’encadrer durant ces trois années. Jour après jour, il a su, par
ses compétences et sa disponibité, me guider sur les chemins tortueux de la recherche.
Rien n’aurait été possible sans son appui. Je suis également reconnaissant à Monsieur
P. Lopez, Ingénieur à THOMSON multimédia, pour l’aide qu’il m’a apportée.
Je remercie sincèrement Monsieur G. Burel, Professeur à l’Université de Bretagne
Occidentale, et Monsieur P. Degauque, Professeur à l’Université de Lille I, d’avoir accepté
de rapporter ce travail. J’associe à ces remerciements Monsieur J.-F. Diouris, Professeur
à l’Université polytechnique de Nantes, pour avoir accepté d’être examinateur. Je suis
extrêmement reconnaissant envers Monsieur J. Citerne qui a tenu à présider ce jury, là
où d’autres auraient fait l’impasse.
J’exprime par ailleurs toute ma sympathie à l’ensemble des membres du LCST, INSA
de Rennes, et du RCMD, THOMSON Multimédia. Mon séjour passé au sein du groupe
Télécommunications du LCST restera inoubliable grâce aux personnes que j’ai pu y co-
toyer. Je pense notamment aux habitants et voisins de feu la Grotte Verte, avec qui les
journées paraissaient si courtes.
Il me serait impossible de terminer sans adresser une pensée chaleureuse à toute ma
famille et, plus particulièrement, à ma grand-mère qui n’aura pu assister à la fin de ma
thèse.
A Catherine.
Rennes, le 28 mars 2003
Avant-propos
Hier encore confinés au monde professionnel, les réseaux locaux sans fil, propulsés par
les avancées de l’électronique et du traitement du signal, se démocratisent à grands pas.
Plus flexibles, moins chers que les solutions filaires, leurs perspectives de développement
restent cependant lourdement conditionnées par leur aptitude à supporter des débits
suffisants pour les applications multimédia. Dans cette course vers les hauts débits, des
chercheurs des laboratoires Bell ont donné une impulsion décisive lorsque, en 1996, ils ont
mis en évidence la possibilité d’accroı̂tre substantiellement les débits de transmission par
l’emploi simultané de réseaux d’antennes à l’émission et à la réception. Le paradigme des
systèmes de communication à entrées multiples et à sorties multiples MIMO (Multiple
Input-Multiple Output) était né.
Rares sont les standards existants compatibles avec le transport de services multimé-
dia hauts débits. La norme HIPERLAN2, affichant des taux de transferts bruts jusqu’à
54 Mbit/s dans la gamme de fréquences de 5 GHz, en fait partie. Se pose alors na-
turellement la question d’évaluer dans quelle mesure une extension MIMO permettrait
d’augmenter ces débits. L’objectif de cette thèse, menée dans le cadre d’une collaboration
entre THOMSON multimédia et le Laboratoire Composants et Systèmes pour Télécom-
munications (LCST) de l’INSA de Rennes, est d’apporter quelques éléments de réponse
à ce problème.
Après un premier chapitre introductif donnant un aperçu du monde des réseaux locaux
sans fil et des techniques de transmission haut-débit, le second chapitre traite du canal
de propagation radioélectrique. De la connaissance fine des mécanismes d’interaction du
signal avec le milieu, le concepteur peut déterminer si l’environnement est propice au
déploiement d’un système MIMO et, dans l’affirmative, élaborer une stratégie capable
d’exploiter au mieux la structure du canal. Les outils requis dans la construction des
chaı̂nes d’émission et de réception seront fournis par la théorie de l’information, sujet
au cœur du troisième chapitre. Finalement, le quatrième chapitre présente un état-de-
l’art des techniques de traitement temps-espace, qui va servir de base au dernier chapitre
étudiant l’apport de la technologie MIMO au standard HIPERLAN2.
Mots clés : réseaux domestiques sans fil haut débit, systèmes MIMO, ré-
seaux d’antennes, multiplexage spatial, HIPERLAN2.
vi
Version soumise — 3/4/2003

vii
Chapitre 5 : Application au sys-

tème HIPERLAN 2
Application
Structures Structures de Chapitre 4 : Techniques MIMO -

d’émission réception Etat de l’art
Implémentation
Emetteur Modèle de Récepteur Chapitre 3 : Aspects de la théorie

théorique canal théorique de l’information
Modélisation
Milieu de Chapitre 2 : Le canal de propaga-

propagation tion radioélectrique
Spécification
Chapitre 1 : Introduction
Plan du mémoire

Avertissement
Ce mémoire de thèse ne revêt pas le schéma classique en ce sens qu’il ne répond pas à
la problématique posée de manière quantitative, à l’aide, entre autres, de développements
analytiques ou de simulations numériques. Le manque de connaissances initiales propres
aux systèmes de communication à double réseaux d’antennes, ainsi que l’étendue des
domaines couverts, comptent parmi les causes de ce fait.
Le contenu, à caractère didactique, tente de donner une vue d’ensemble des systèmes
de communication MIMO. Il retrace le cheminement suivi pendant la durée de cette thèse,
détaillant les étapes significatives menant de la spécification des besoins de l’application
jusqu’à l’ébauche d’une première solution.

Table des matières
Remerciements iii
Avant-propos v
Acronymes & Abréviations xv
Notations mathématiques xvii
1 Introduction 1
1.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Le monde des réseaux locaux sans fil . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Organismes de standardisation . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Technologies propriétaires . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Techniques de transmission haut-débit . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Systèmes de communication sans fil . . . . . . . . . . . . . . . . . 10
1.3.2 Vers les systèmes MIMO . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Organisation du mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1 Plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.2 Définitions et modèle système . . . . . . . . . . . . . . . . . . . . . 18
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2 Le canal de propagation radioélectrique 27

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Les phénomènes physiques de la propagation radioélectrique . . . . . . . . 28
2.2.1 Le signal spatio-temporel . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Le bruit radioélectrique . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3 Phénomènes à grande échelle . . . . . . . . . . . . . . . . . . . . . 31
2.2.4 Phénomènes à petite échelle . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Caractérisation du canal spatio-temporel . . . . . . . . . . . . . . . . . . . 36
2.3.1 Représentations mathématiques du canal de propagation . . . . . . 36
2.3.2 Caractérisation déterministe . . . . . . . . . . . . . . . . . . . . . . 37
2.3.2.1 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.2.2 Domaine temporel . . . . . . . . . . . . . . . . . . . . . . 41
2.3.3 Caractérisation stochastique . . . . . . . . . . . . . . . . . . . . . . 44
2.3.3.1 Statistiques au second ordre : corrélation, dispersion et
cohérence . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3.3.2 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . . 47
xii Table des matières
2.3.3.3 Domaine temporel . . . . . . . . . . . . . . . . . . . . . . 56

2.4 Modèles du canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4.1 Modèles déterministes . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.4.2 Modèles stochastiques et stochastiques géométriques . . . . . . . . 64
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3 Aspects de la théorie de l’information 75

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.2 Le canal de propagation et le signal numérique . . . . . . . . . . . . . . . 76
3.2.1 Sélectivité et dispersion en temps . . . . . . . . . . . . . . . . . . . 77
3.2.2 Sélectivité et dispersion en espace . . . . . . . . . . . . . . . . . . 78
3.2.3 Canaux ergodiques versus canaux non-ergodiques . . . . . . . . . . 81
3.3 Théorie de l’information . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.3.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.3.2 Capacité d’un canal MIMO . . . . . . . . . . . . . . . . . . . . . . 87
3.3.2.1 Information d’état du canal en émission et en réception . 89
3.3.2.2 Information d’état du canal en réception . . . . . . . . . 92
3.3.2.3 Absence complète d’information d’état du canal . . . . . 93
3.3.3 Normalisation de la capacité . . . . . . . . . . . . . . . . . . . . . 95
3.4 Leçons de la théorie de l’information . . . . . . . . . . . . . . . . . . . . . 98
3.4.1 Diversité et multiplexage en espace . . . . . . . . . . . . . . . . . . 98
3.4.2 Capacité et canal de propagation . . . . . . . . . . . . . . . . . . . 99
3.4.3 Règles d’ingénierie . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4 Techniques MIMO - Etat de l’art 119

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.2 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.2.1 Information d’état du canal en réception . . . . . . . . . . . . . . . 121
4.2.1.1 Critères de construction . . . . . . . . . . . . . . . . . . . 121
4.2.1.2 Panorama des techniques . . . . . . . . . . . . . . . . . . 124
4.2.2 Emission et réception aveugles . . . . . . . . . . . . . . . . . . . . 140
4.2.3 Information d’état du canal en émission et en réception . . . . . . 145
4.3 Domaines spatial et fréquentiel . . . . . . . . . . . . . . . . . . . . . . . . 150
4.3.1 Critères de construction . . . . . . . . . . . . . . . . . . . . . . . . 151
4.3.2 Panorama des techniques . . . . . . . . . . . . . . . . . . . . . . . 154
4.4 Domaines spatial et temporel . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.4.1 Critères de construction . . . . . . . . . . . . . . . . . . . . . . . . 157
4.4.2 Panorama des techniques . . . . . . . . . . . . . . . . . . . . . . . 158
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163

Table des matières xiii
5 Application des techniques MIMO au standard HIPERLAN2 169

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5.2 Description de la couche physique HIPERLAN2 . . . . . . . . . . . . . . . 170
5.3 Du bien-fondé d’un système MIMO-HIPERLAN2 . . . . . . . . . . . . . . 175
5.4 Extension MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.4.1 Analyse du problème . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.4.2 Modulation codée fréquence-espace . . . . . . . . . . . . . . . . . . 183
5.4.2.1 Constructions . . . . . . . . . . . . . . . . . . . . . . . . 183
5.4.2.2 Résultats issus de la littérature . . . . . . . . . . . . . . . 184
5.4.3 Modulation codée temps-espace . . . . . . . . . . . . . . . . . . . . 186
5.4.3.1 Constructions . . . . . . . . . . . . . . . . . . . . . . . . 186
5.4.3.2 Résultats issus de la littérature . . . . . . . . . . . . . . . 191
5.4.4 Contraintes de coût . . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
6 Conclusion et perspectives 199
Liste des tableaux 203
Table des figures 205

Acronymes & Abréviations
WLAN Wireless Local Area Network — RLAN : Radio LAN

ETSI European Telecommunications Standards Institute
IEEE Institute of Electrical and Electronics Engineers
BRAN Broadband Radio Access Network
HIPERLAN HIgh PERformance Local Area Network
802 Commission IEEE de standardisation des réseaux locaux et métropolitains
802.11 Groupe de travail IEEE sur les réseaux locaux sans fil
SISO Single-Input Single-Output

SIMO Single-Input Multiple-Output
MISO Multiple-Input Single-Output
MIMO Multiple-Input Multiple-Output
STTCM Space-Time Trellis Coded Modulation
STBCM Space-Time Block Coded Modulation
OSTBCM Orthogonal Space-Time Block Coded Modulation
LDCM Linear Dispersion Coded Modulation
BLAST Bell labs LAyered Space Time
USTM Unitary Space-Time Modulation
CSI Channel State Information

CSITR Channel State Information at the Transmitter and the Receiver
CSIR Channel State Information at the Receiver
NoCSI No Channel State Information
OFDM Orthogonal Frequency Division Mutliplex
ML Maximum Likelihood
AOA Angle Of Arrival
AOD Angle Of Departure
LOS Line-Of-Sight
NLOS Non Line-Of-Sight
SNR Signal-to-Noise Ratio
Notations mathématiques
Nomenclature
x, X scalaire
x vecteur — xn : vecteur de taille n
X matrice — X m×n : matrice à m lignes et n colonnes
x, X variable aléatoire scalaire
x vecteur aléatoire
X matrice aléatoire
~x vecteur spatial
X ensemble — {x(k)}k : ensemble de points
[x(1) . . . x(k)] vecteur, rangement en ligne
[x(1) | · · · | x(k)] vecteur, rangement en colonne
Analyse
N ensemble des naturels
Z anneau des entiers relatifs
R corps des nombres réels
C corps des nombres complexes
Z/nZ
R anneau des entiers modulo
R n R R R
R (·) d~r3 (·) dx, (·) dy, (·) dz]T
intégrale vectorielle, R (·) d~r , [ RRR
(·) d r intégrale volumique, (·) d3 r , (·) dx dy dz
F (·) transformée de Fourier
L (·) transformée de Laplace
W (·) transformée de Wigner-Ville
b·c entier inférieur
d·e entier supérieur
(·)+ = max(·, 0)
Re(·) partie réelle
Im(·) partie imaginaire
Algèbre
(·)T transposé
(·)∗ conjugué
(·)H Hermitien — (·)H/2 , [(·)1/2 ]H
(·)† pseudo-inverse (Moore-Penrose)
I matrice identité
xviii Notations mathématiques
0 matrice nulle
· produit scalaire
⊗ produit de Kronecker
|·| module
k·k2 norme euclidienne
k·kF norme de Frobenius d’une matrice
tr(·) trace d’une matrice
det(·) déterminant — det+ (·) : produit des valeurs propres positives non nulles
rang(·) rang d’une matrice
diag(·) diagonale — diag(X) : éléments de la diagonale de la matrice X,
diag(x) : matrice diagonale remplie par les éléments du vecteur x
vec(·) vectorisation d’une matrice (empilement des colonnes)
λ(·) spectre des valeurs propres
σ(·) spectre des valeurs singulières
0, 0 matrice définie positive et définie semi-positive
Probabilité
P(·) probabilité discrète
p(·) densité de probabilité
P(· | ·) probabilité conditionnelle
E{·} espérance
H(·) entropie — h(·) : entropie différentielle
I(·) information mutuelle
R (·) fonction de corrélation — R x (·) et R xy (·) : fonctions d’autocorrélation
et intercorrélation
S(·) densité spectrale de puissance d’un processus stationnaire — S x (·) et
S xy (·) : densité spectrale et densité interspectrale
W̄ (·) transformée de Wigner-Ville généralisée
R matrice de corrélation — Rx et Rxy : matrices d’autocorrélation et
intercorrélation
N (µ, σ) distribution gaussienne de moyenne µ et de variance σ 2 ,
CN (µ, σ) distribution gaussienne complexe à symétrie circulaire de moyenne µ et
de variance σ 2 — CN (µ, R) et CN (µ, R) : distributions vectorielle et
matricielle
CW n (m, Σ) distribution de Wishart de taille n à m degrés de libertés et Σ covariance
des colonnes √ R∞
Q(·) fonction de Marcum, Q(x) , (1/ 2π) x exp(−u2 /2) du
∼ processus identiquement distribués
Symboles
NT nombre d’antennes d’émission
NR nombre d’antennes de réception
x signal transmis — x(~ri (t), t), x(t), x(k), x, X
y signal reçu — y(~ro (t), t), y(t), y(k), y, Y
n bruit additif — n(~ro (t), t), n(t), n(k), n, N
h réponse impulsionnelle du canal — h (~ro (t), ~ri (t); t, τ ), h(t, τ ), H

Notations mathématiques xix
DcorTx (~ro , ~ri ) distance de corrélation en émission

KspreadTx (~ro , ~ri ) étalement spectral en émission
DcorRx (~ro , ~ri ) distance de corrélation en réception
KspreadRx (~ro , ~ri ) étalement spectral en réception
Dcoh (~ro , ~ri ) distance de cohérence
KDop (~ro , ~ri ) étalement Doppler spatial
Kcoh (~ro , ~ri ) bande de cohérence en pulsation spatiale
Dspread (~ro , ~ri ) distance d’étalement

Chapitre 1
Introduction
Sommaire
1.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Le monde des réseaux locaux sans fil . . . . . . . . . . . . . . . 3
1.2.1 Organismes de standardisation . . . . . . . . . . . . . . . . . . . 5
1.2.2 Technologies propriétaires . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Techniques de transmission haut-débit . . . . . . . . . . . . . . 10
1.3.1 Systèmes de communication sans fil . . . . . . . . . . . . . . . . 10
1.3.2 Vers les systèmes MIMO . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Organisation du mémoire . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1 Plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.2 Définitions et modèle système . . . . . . . . . . . . . . . . . . . . 18
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Les premiers réseaux locaux sans fil, apparus dans le monde professionnel à la fin
des années 80, ont été initialement pensés comme des alternatives bas coût au câblage
de bâtiments entiers. Cette motivation est aujourd’hui moins forte puisque la plupart
des bâtiments sont construits avec le câblage pré-installé et il s’est avéré que le coût de
câblage n’était pas aussi élevé que prévu. Les réseaux sans fil n’ont pu ainsi gagner la
popularité escomptée.
La technologie sans fil permettait toutefois de résoudre certains problèmes inhérents

aux liaisons filaires : infrastructure légère autorisant un déploiement rapide, mobilité,
reconfiguration transparente, alternative pour les lieux difficiles d’accès. L’appel d’air
provoqué par la téléphonie sans fil et la diversification vers des applications grand public
ont donné un regain d’intérêt dans les années 90. Les réseaux locaux sans fil ont ainsi
commencé à envahir les habitations privées pour y transporter des données aussi diverses
que le contrôle, la voix, la vidéo et autres services interactifs.
En toile de fond de cette thèse, les réseaux domestiques haut débit doivent faire face
à l’émergence d’applications multimédia, toujours plus exigeantes en termes de débit et
de qualité de service. Les limitations des systèmes actuels montrent que la recherche
d’alternatives viables est une priorité.
2 Introduction
La solution étudiée dans cette thèse a déjà été dévoilée dans le résumé du mémoire.
Le but de ce chapitre d’introduction ne se réduit pas à une simple redite mais essaye au
contraire de montrer comment l’on aboutit naturellement à cette proposition. Dans cette
optique, il commence par une définition claire de la problématique. Un état des lieux des
réseaux domestiques sans fil, pris au début de cette thèse, est ensuite proposé, apportant
par là même les premiers éléments de réponse. L’examen des techniques de transmission
haut débit et de leurs futures évolutions permet finalement de spécifier entièrement le
système. Ce chapitre se termine par la présentation du plan du document et les définitions
et notations employées.
Les zones de texte marquées d’un filet vertical, accompagnées des régions grisées
apparaissant sur les figures, regroupent les principaux résultats de ce chapitre, permettant
une première lecture rapide.
1.1 Position du problème
Un réseau domestique (cf. figure (1.1)) désigne la mise en commun d’appareils hé-
térogènes tels que des équipements ménagers, informatiques (PC, imprimantes, autres
périphériques) ou multimédia (TV, lecteur CD/DVD, chaı̂ne audio. . . ), chaque famille
d’équipements possédant ses propres contraintes en termes de débit et de qualité de
service, comme le montre le tableau (1.1). Cette hétérogénéité des applications tranche
nettement avec les réseaux d’entreprise et rend le plus souvent nécessaire la spécialisation
des réseaux.
Tab. 1.1: Contraintes applications

Applications Débits Robustessea Service
Contrôle d’équipements qqs 100 bit 10−3 bidirectionnel, asynchrone
Internet qqs kbit/s à qqs Mbit/s 10−7 bidirectionnel
Vocal 8 à 32 kbit/s 10−6 bidirectionnel, isochrone
Audio < 400 kbit/s 10−6 unidirectionnel, isochrone
Vidéo - définition standard 5 à 8 Mbit/s 10−7 unidirectionnel, isochrone
Vidéo - haute définition 20 Mbit/s 10−7 unidirectionnel, isochrone
Extension, pont filaire 100 Mbit/s 10−7 bidirectionnel, isochrone
a
Exprimée en probabilité d’erreur binaire
Ce travail de thèse porte sur la recherche de nouvelles technologies pour les

futures générations de réseaux sans fil grand public, capables de répondre à la
demande croissante des applications multimédia en termes de taux de transfert
et de qualité de service.

1.2 Le monde des réseaux locaux sans fil 3
L’application test est la diffusion de vidéo numérique haute définition. Trois

objectifs principaux ont été fixés :
– le débit : le débit utile, offert aux couches supérieures, doit être suffisant pour
transporter un multiplex de flots numériques indépendants ;
– la robustesse : le taux d’erreur visé est de l’ordre de 10−7 , compatible avec la
télévision haute définition et la plupart des services informatiques ;
– la qualité de service : le délai d’acheminement des données transitant par le
réseaux doit être garanti, i.e. service isochrone.
Les contraintes exprimées sont de trois ordres :
– les caractéristiques de l’environnement : le système doit être conçu pour un
déploiement en environnement domestique ;
– les régulations : la bande de fréquence occupée et la puissance de transmission
doivent être conformes avec les normes légales d’émission ;
– la complexité de réalisation : le coût du produit doit rester compatible avec
une commercialisation grand public.
Réseaux d’accès
Point d’accès
P.C.
HiFi
Borne
TV – vidéo
Fig. 1.1: Un exemple d’environnement domestique
1.2 Le monde des réseaux locaux sans fil
Il existe une grande variété de réseaux locaux qui se distinguent par l’architecture et le
protocole d’accès, ainsi que par le format de modulation et les performances en termes de
capacité et de fiabilité. Ce classement n’est pas fortuit mais correspond aux deux couches
basses du modèle OSI (OSI — Open System Interconnection) redéfinies par les standards
de réseaux locaux sans fil, i.e. la couche physique et la couche de contrôle de liaison. On
peut se référer à la figure (1.2).
La couche de contrôle de liaison (DLC — Data Link Control) administre les liens
entre noeuds du réseau. Elle est divisée en deux sous-couches : la couche d’accès au milieu
4 Introduction
MAC (Medium Access Control), contrôlant les méthodes et les permissions d’émission des
équipements, et la couche de contrôle logique (LLC — Logical Link Control), gérant le
flux de données et la correction complète des erreurs. L’architecture du réseau, de type
centralisé ou maillé, conditionne l’organisation de la DLC. Un réseau maillé, ou réseau ad-
hoc, se définit comme une collection d’entités mobiles interconnectées formant un réseau
temporaire sans l’aide de toute administration. A l’inverse, le réseau centralisé requiert la
présence d’une entité maı̂tre gérant les communications entre les différents équipements.
Utilisateur
Application Interface avec les mécanismes OSI
Echange de données indépendamment

Présentation de leur nature
Organisation du dialogue entre

Session applications distantes
Transport Qualité de service constante
Acheminement des données au travers

Réseau du réseau (routage)
Liaison Echange de données sans erreur entre

noeuds adjacents
Réseaux locaux
Physique Support physique de transmission
Domaine d’étude de cette thèse
Fig. 1.2: Le modèle de communication OSI et la position des réseaux locaux
La couche physique (PHY) fournit le service de transmission radio. Le format de mo-

dulation choisi doit être adapté au canal de transmission et compatible avec les normes
en vigueur. Les organismes de régulation réglementant l’usage du spectre radioélectrique
ont identifié, au niveau mondial, deux bandes de fréquence pour les réseaux locaux sans
fil, avec des variations mineures variant suivant les pays. La bande à 2.45 GHz, à usage
industriel, scientifique et médical (ISM), est ouverte à tous les appareils respectant les
contraintes de compatibilité électromagnétique associées. N’étant pas réservée exclusive-
ment aux applications de type réseaux, le spectre en ressort largement pollué par des
rayonnements parasites provenant de différentes sources, e.g. fours micro-ondes en envi-
ronnement domestique. Libérée plus récemment, la bande à 5 GHz est dédiée aux appli-
cations sans fil. Plus étendue et moins perturbée par des émissions d’origine humaine,
elle est favorable à la transmission de débits très élevés.
La poursuite des hauts débits passent par l’optimisation, séparée ou conjointe,

des mécanismes de la couche DLC et du schéma de mise en forme du signal
transmis de la couche PHY.
L’aspect purement réseau sort du cadre de ce travail, qui porte avant tout sur la
recherche de modulations plus efficaces. L’on se restreindra ici à l’optimisation
de la couche physique, pour une couche de contrôle spécifique, empruntée à l’un
des réseaux existants (cf. figure (1.2)).
Cette section offre une vision d’ensemble du paysage des réseaux locaux sans fil telle
qu’elle se présentait dans le courant des années 1999-2000. Le but est ici de dégager le
contexte dans lequel cette thèse est née et non de donner un état de l’art actualisé. Aux
reproches justifiées portant sur l’absence de mise à jour, on peut rétorquer que les progrès
lors de ces trois dernières années ont été relativement ténus et que, bien au contraire,
le contexte économique de crise a considérablement freiné les efforts de recherche et a
entraı̂né la disparition d’un grand nombre de technologies privées.
Par souci de clarté, les normes issues d’organismes de standardisation ont été dissociées
des solutions propriétaires.
1.2.1 Organismes de standardisation
ETSI (European Telecommunications Standards Institute) : Initiés courant

1991, les travaux de l’ETSI sur les réseaux locaux sans fil haut débit ont abouti en 1997 à
la norme HIPERLAN (High PERformance Radio Local Area Network). A cette époque,
un projet concurrent était déjà lancé au sein de l’IEEE et un certain nombre de solutions
propriétaires commercialisées, mais les débits proposés restaient néanmoins relativement
limités. L’une des principales innovations a été l’allocation d’un spectre de transmission
plus généreux.
Depuis 1997, la norme HIPERLAN, référencée à présent sous le nom de HIPERLAN1,

a été intégrée au sein du projet BRAN (Broadband Radio Access Network) visant à éditer
une gamme complète de spécifications depuis la boucle locale radio au réseau local sans fil.
En 1999, la famille des standards HIPERLAN comptent quatre membres, HIPERLAN1,
HIPERLAN2, HIPERACCESS (initialement HIPERLAN3) et HIPERLINK (initialement
HIPERLAN4) :
HIPERLAN1 : Le standard HIPERLAN1, calqué sur le modèle d’un réseau informa-
tique, est compatible avec les standards de la famille 802, Ethernet 802.3 et Token
Ring 802.5, ce qui lui vaut d’être considéré comme une extension Ethernet sans fil.
Complété et ratifié en 1996, il définit les modes d’opérations de la couche de liaison
DLC et de la couche physique PHY.
Le spectre alloué s’étend sur une bande de 100 MHz autour de 5 GHz, divisée
en 3 canaux, avec une option à 150 MHz et 5 canaux. Le format de modulation
GMSK 0.3 (GMSK — Gaussian Minimum Shift Keying) a été emprunté à la norme
GSM, également éditée par l’ETSI, dans le but d’éviter des développements sup-
plémentaires tel que celui de l’égaliseur. Le débit brut sur la couche PHY monte
à 23.5 Mbit/s sur chaque canal pour redescendre à près de 18 Mbit/s après la
traversée de la couche MAC, cette valeur correspondant à la configuration la plus
favorable.
Le protocol d’accès est une variante du CSMA/CD (Carrier Sensing Multiple Access
with Collision Avoidance), appelée EY-NPMA (Elimination-Yield Non Preempative
Multiple Access), dont le principe consiste à scruter les canaux par ordre de priorité
jusqu’à trouver un canal libre pour émettre.

6 Introduction
Les réseaux HIPERLAN1 sont maillés, pour les applications asynchrones, ou co-
ordonnés par un noeud central sélectionné dynamiquement, avec pour charge de
répartir les ressources. La portée typique dans un environnement intérieur s’étend
de 35 à 50 m.
HIPERLAN2 : Le protocole HIPERLAN2 s’apparente à une version sans fil d’ATM.
Les spécifications couvrent les couches PHY et DLC, comme HIPERLAN1, au-
dessus desquelles vient s’ajouter une couche de convergence dont le rôle est d’adap-
ter les requêtes des couches supérieures (IP, UMTS, ATM, IEEE 1394) aux services
offerts par la DLC.
Deux modes d’opérations sont prévus en fonction de la nature du trafic. Le mode
centralisé est choisi lorsque la majeure partie du trafic transite vers le réseau d’infra-
structure via un point d’accès. Dans le cas contraire, le mode direct est approprié,
avec un contrôleur central, sélectionné dynamiquement, gérant la communication
entre terminaux et le maintien de la qualité de service. La cohabitation de réseaux
voisins est assurée par un mécanisme de sélection dynamique de fréquence.
La couche PHY repose sur la modulation multiporteuse OFDM (OFDM — Or-
thogonal Frequency Division Multiplex), choisie pour sa robustesse à la sélectivité
fréquentielle du canal de propagation. Le débit brut, très élevé, monte à 54 Mbit/s,
dont 25 Mbit/s net en sortie de la couche de convergence. La couche MAC utilise un
mode TDMA/TDD (Time-Division Multiple-Access/Time-Division Duplex), avec
division dynamique du temps et réservation de la connexion.
HIPERLAN3 : Le troisième volet du projet BRAN, HIPERACCESS, spécifie un sys-
tème de communication point-à-multipoint en extérieur pour la boucle locale radio
à haut débit. La bande allouée se situe dans le spectre des 40 GHz et la modulation
envisagée est de type monoporteuse, pour une portée estimée à 5 km.
HIPERLAN4 : La norme HIPERLINK est dédiée aux liaisons point-à-point très haut
débit (> 155 Mbit/s) et à courte distance (< 150 m). Le processus de standardisa-
tion n’est actuellement pas amorcé.
IEEE (Institute of Electrical and Electronics Engineers) : Intégrés au sein de la

commission IEEE 802 travaillant sur les réseaux de communications géographiquement
restreints, les groupes IEEE 802.11 s’adressent spécifiquement aux réseaux locaux sans
fil.
IEEE 802.11 : Le standard IEEE 802.11, ratifié en 1997, est la première extension
Ethernet sans fil attaquant le marché des réseaux locaux à bas débit et faible coût.
Trois formats de transmission distincts ont été définis : deux méthodes de trans-
mission radiofréquence dans la bande ISM à 2.45 GHz, basées sur l’étalement de
spectre, et une troisième méthode de transmission dans l’infrarouge. Les techniques
de transmission RF sont l’étalement de spectre par saut de fréquence (FHSS -
Frequency Hopping Spread Spectrum), combinée à une modulation GFSK, ou par
étalement direct (DSSS — Direct Sequence Spread Spectrum), utilisant les modu-
lations BPSK ou DQPSK. Le débit brut s’élève à 1 Mbit/s, voire 2 Mbit/s en DSSS
avec la modulation DQPSK, pour atteindre au mieux 1.2 Mbit/s au sommet de
la couche MAC. Le choix entre les deux alternatives dépend d’un certain nombre
HIPERLINK
HIPERACCESS Infrastructure
réseau
HIPERLAN1 /
HIPERLAN2
Point d’accès
Terminal
Fig. 1.3: Les standards HIPERLAN
de facteurs liés à l’application visée et à l’environnement. Le standard infrarouge,

adapté à la transmission en ligne de vue, opère entre 850 et 950 nm avec des débits
de 1 et 2 Mbit/s.
La couche MAC, commune aux trois couches PHY, exploite le protocole CSMA/CA,
avec possibilité de support de services isochrones grâce à la mise en place d’une fonc-
tion de coordination supprimant les mécanismes de contention. Les communications
peuvent se faire de station à station ou en passant par une borne de concentration.
IEEE 802.11b : Le succès rencontré par les produits 802.11 fut relativement limité à
l’époque de sa publication du fait des prix des composants et du débit insuffisant
face aux 10 Mbit/s offerts par les liaisons Ethernet filaires. Suite à cet accueil mitigé,
un groupe de travail a été créé afin d’étudier l’extension de la couche PHY à des
débits supérieurs. Ainsi est née la spécification 802.11b, compatible avec l’ancienne
couche DSSS, incorporant une technique de modulation plus appropriée CCK (CCK
— Complementary Code Keying) pour supporter des débits de 11 Mbit/s en bande
ISM.
IEEE 802.11a : La spécification IEEE 802.11a, le second rejeton du standard 802.11,
vise les mêmes applications que HIPERLAN2, avec des débits allant de 6 à 54 Mbit/s
dans le spectre des 5 GHz. Contrairement aux systèmes 802.11 et 802.11b à étale-
ment de spectre, la couche physique s’appuie ici sur une modulation sur multiplex
de porteuses orthogonales.
Alors que les normes IEEE 802.11a et HIPERLAN2 optent pour des couches PHY
quasiment identiques, les couches d’accès sont radicalement différentes. Le protocole
à contention CSMA/CA a été choisi ici afin de garantir la compatibilité avec Ether-
net, par opposition au protocole TDMA/TDD implémenté dans HIPERLAN2.

8 Introduction
1.2.2 Technologies propriétaires
Le dynamisme du marché vers la fin des années 90 a conduit les entreprises à unir
leurs efforts de recherche au sein de consortiums dans le but d’éditer des standards pro-
priétaires, en mesure de rivaliser avec les standards officiels issus d’organismes de stan-
dardisation tels que l’ETSI et l’IEEE.
Parmi les groupes d’intérêt ayant eu un impact significatif, on citera les standards
BlueTooth et HomeRF :
Bluetooth : Lancé par Ericsson en 1998, Bluetooth [1] est un réseau, à faible puissance
et donc faible couverture, adapté à la transmission de données entre appareils numé-
riques (assistant, téléphone, appareil photo, portable...). Il offre des débits moyens
de 1 Mbit/s, sur une zone de couverture de 10 cm à 30 m en pratique.
La couche physique repose sur une transmission à étalement de spectre par saut
de fréquence FHSS (1600 sauts/s) et une modulation des données GFSK. Par com-
paraison avec les autres systèmes utilisant un mode de transmission identique, une
cadence de saut plus rapide et des paquets plus courts confèrent à BlueTooth une
meilleure résistance au bruit et aux interférents.
HomeRF : Soutenu initialement par des acteurs comme Compaq, HP, IBM, Intel et
Microsoft, HomeRF [2], imaginé avant tout pour un usage domestique, est conçu
pour le transport de la voix en mode numérique et de données. La couche physique
repose sur une transmission FHSS (50 sauts/s), combinée à une modulation FSK.
Les débits bruts sont compris entre 1 et 2 Mbit/s (2FSK, 4FSK), pour des perfor-
mances théoriques comparables à celles de IEEE 802.11. La couche MAC hybride
regroupe un mode TDMA pour la voix et autres services interactifs, ainsi qu’un
mode CSMA/CA pour la transmission des données.
Conclusion : Le tableau (1.2) résume les caractéristiques principales des technologies

évoquées précédemment. On identifie trois classes : les réseaux à faible débit (IEEE 802.11,
BlueTooth, HomeRF), atteignant des débits de l’ordre de 1 à 2 Mbit/s, les réseaux à
moyen débit (IEEE 802.11b, HIPERLAN1), avec des débits supérieurs à 10 Mbit/s, et,
au sommet, les réseaux à haut débit (HIPERLAN2, IEEE 802.11a) prévus pour supporter
jusqu’à 54 Mbit/s bruts.
Les standards jumeaux HIPERLAN2 et IEEE 802.11a apparaissent concrètement

comme les deux alternatives envisageables pour les transmissions multimédia haut dé-
bit. Il reste toutefois en retrait des solutions filaires (cf. figure (1.4)), mettant en évidence
la nécessité d’aller au-delà. Les liaisons point-à-point, présentes sur le marché à l’époque,
sont exclues de cette comparaison bien qu’elles soient capables d’atteindre des débits
largement supérieurs. L’explication provient du fait que la difficulté n’est pas tant d’at-
teindre des taux de transfert très élevés sur une liaison unique que d’établir un réseau
apte à assurer un débit élevé entre l’ensemble des noeuds.

Tab. 1.2: Réseaux locaux sans fil — Caractéristiques principales

Caractéristiques HIPERLAN1 HIPERLAN2 802.11a
Bande 5 GHz 5 GHz 5 GHz
Débit brut max. 23 Mbit/s 54 Mbit/s 54 Mbit/s
Débit net max. 18 Mbit/s 32 Mbit/s 32 Mbit/s
Mode physique GMSK COFDM COFDM
Mode d’accès EY-NPMA TDMA/TDD CSMA/CA
Couverture 30 – 150 m 30 – 100 m 30 – 100 m
ATM, Ethernet,
Infrastructure Ethernet IP, UMTS, Fire- Ethernet
Wire, PPP
Caractéristiques 802.11 802.11b Bluetooth HomeRF

Bande 2.4 GHz 2.4 GHz 2.4 GHz 2.4 GHz
Débit brut max. 2 Mbit/s 11 Mbit/s 1 Mbit/s 2 Mbit/s
Débit net max. 1.2 Mbit/s 5 Mbit/s
TDMA,
Mode d’accès CSMA/CA CSMA/CA CSMA/CA
CSMA/CA
Couverture 150 m 30 – 60 m 10 cm – 100 m 1 – 100 m
Infrastructure Ethernet Ethernet Ethernet RTC, Internet
Ethernet 100 MHz
Ethernet 10 bT
HomePNA 1.0
iEEE 1394b
iEEE 1394a
Home PNA
IEEE 1394
PowerLine
PowerLine
USB NG
Protocoles
filiares
Débit brut
100 kpbs 1 Mbps 10 Mbps 100 Mbps 1 Gbps
Protocoles
sans fil
Bluetooth
HomeRF
IEEE 802.11b
IEEE 802.11
HIPERLAN2
IEEE 802.11a
Fig. 1.4: Hiérarchie des réseaux locaux en terme de débit

10 Introduction
Au vu des contraintes applicatives et des performances des réseaux existants,

rappelées dans les tableaux (1.1) et (1.2) respectivement, un doublement des
débits constituerait une percée technologique, comblant le fossé avec les systèmes
filaires comme le montre la figure (1.4), et assurant la pérennité des réseaux sans
fil pendant quelques années. Les débits bruts envisagés sont donc de l’ordre de
100 Mbit/s.
Des deux bandes de fréquence réservées aux réseaux locaux radio, la bande
ISM, relativement étroite et souffrant de la cohabitation avec une multiplicité de
sources radioélectriques, semble difficilement compatible avec les taux de trans-
fert envisagésa . On retiendra donc la bande des 5 GHz, proportionnellement plus
large et dédié aux réseaux locaux.
Outre le barrage du débit, le support de certaines applications multimédia re-
quiert un flux moyen d’information constant, exigence qui se traduit, au niveau
réseau, par la maı̂trise des délais de routage (transmission isochrone). La couche
MAC du standard HIPERLAN2, reposant sur un protocole d’accès TDMA/TDD
avec réservation de connexion, paraı̂t plus apte à cette tâche que son homologue
IEEE 802.11a, dont le mode d’accès par contention ne permet pas d’assurer fa-
cilement les retards de transmission. On conservera donc dans la suite la couche
MAC définie par HIPERLAN2.
En résumé, on peut dire que le réseau recherché occupe la bande des 5 GHz et
repose sur une couche MAC TDMA/TDD empruntée à la norme HIPERLAN2.
Il ne reste plus maintenant qu’à construire la couche physique.
a
Cette observation sera éventuellement remise en cause par la spécification IEEE 802.11g.
Attendue pour 2003, elle est prévue pour transmettre des débits comparables à HIPERLAN2
dans la bande ISM, en utilisant une couche physique similaire à celle du 802.11a.
1.3 Techniques de transmission haut-débit
1.3.1 Systèmes de communication sans fil
Le canal radioélectrique Les transmissions radiofréquences utilisent l’onde électro-

magnétique comme support de l’information. L’onde rayonnée depuis l’émetteur se pro-
page de manière incontrôlée, interagissant avec les obstacles présents dans le milieu. Cette
nature non guidée de la propagation constitue indéniablement l’une des caractéristiques
fondamentales du canal radioélectrique.
Le signal capté par le récepteur, qui est en soi une mesure particulière du champ élec-
tromagnétique, résulte d’une superposition complexe d’ondes stationnaires et propagées.
Par le jeu des interférences constructives ou destructives, la dynamique enregistrée en
fonction de la position, de l’instant et de la fréquence pourra être marquée. On regroupe
ces phénomènes sous le nom d’évanouissements et l’on parle de milieu sélectif. Le récep-
teur récupère une version altérée du signal transmis, dont il sera éventuellement en mesure
de restaurer le contenu en fonction de la sévérité des effets induits par la propagation.

1.3 Techniques de transmission haut-débit 11
A ce premier type de dégradations s’ajoute le bruit, terme englobant l’ensemble des

signaux ne contribuant pas au transport de l’information. La figure (1.5) présente les
principaux aléas propres aux communications sans fil.
On supposera, dans notre application, que le bruit additif est blanc. Pour en
comprendre la raison, il suffit de se remémorer que le bruit structuré dans le
spectre des 5 GHz, réservé aux réseaux locaux, est presque exclusivement dû à
l’interférence d’accès multiple interne au réseau ou provenant d’autres réseaux
situés à proximité. Ces problèmes sont gérés par la couche MAC.
On se concentrera sur l’exploitation de la sélectivité du canal en faisant abstrac-
tion des évanouissements à grande échelle. Ces derniers relèvent avant tout de
la fréquence de travail, de la puissance d’émission et de l’environnement, trois
facteurs fixés par l’application considérée et les régulations associées.
La prise en compte des défauts liés au matériel, nécessaire dans la pratique, sort
du cadre de cette thèse.
Défauts du système
Bruit blanc Bruit externe
Bruit
Bruit coloré Interférence d’accès mutliple
Parasites
Brouilleurs
Ensemble des signaux perturbateurs

ne transportant pas d’information
Evanouissements à Pertes d’espace
grande échelle Masquage
Distorsions
linéaires
Evanouissements à
petite échelle Trajets multiples
Distorsion Défauts du système
Distorsions Défauts du système

non-linéaires
Ensemble des transformations

affectant le signal utile Phénomènes considérés
dans cette thèse
Fig. 1.5: Sources de dégradation
Architecture d’une chaı̂ne de communication : Une chaı̂ne de communication

représente l’ensemble des traitements reliant une source, délivrant le message à trans-
mettre, à un destinataire, exploitant cette information. Les trois éléments de base sont
le canal de transmission, l’émetteur, qui convertit le flux d’information sous une forme
adaptée au canal, et le récepteur, qui effectue l’opération inverse et fournit le message au
destinataire.
La figure (1.6) propose un schéma générique possible, plus détaillé. Celui-ci se veut
toutefois purement illustratif puisque l’éclatement de l’émetteur et du récepteur en une
12 Introduction
succession de fonctions séparées est sous-optimal en pratique et tend à s’effacer avec la

sophistication des systèmes.
Deux étages distincts sont identifiés [3] : un émetteur/récepteur théorique, engendrant

le signal transportant l’information, et l’ensemble des organes d’émission et de réception,
convertissant ce signal en une forme d’onde adaptée au milieu physique de propagation.
Tout en restant étroitement en contact avec les contraintes d’implémentation, ce

travail est axé sur une étude du système théorique et, plus exactement, sur les
différents blocs constitutifs appartenant à la couche PHY.
Le recalage du schéma (1.6) sur la pile OSI montre que le codage de source
est concentré dans les couches applicatives tandis que le codage de canal et
la modulation numérique restent confinés aux couches basses DLC et PHY,
intervenant dans la définition d’un réseau local. Une analyse plus fine montre que
seule la modulation numérique fait partie intégrante de la couche PHY, le codage
de canal étant réparti entre les couches PHY et MAC. A titre d’exemple, le
standard HIPERLAN2 utilise un codage convolutif dans la couche PHY complété
d’un code en bloc algébrique dans la couche MAC.
Par conséquent, le domaine de travail ne couvre que la couche physique théorique
et les fonctions de modulation et de codage correspondantes.
1.3.2 Vers les systèmes MIMO
Des considérations théoriques prouvent que les réseaux sans fil existants sous-exploitent
notablement la ressource disponible, par opposition aux systèmes filaires relativement
proches des performances théoriques optimales. L’explication provient de la lenteur du
transfert technologique de la théorie vers la pratique. A ce propos, l’invention de la plu-
part des techniques implantées dans les réseaux radioélectriques existants remonte à une
trentaine d’année.
Augmentation des débits : Le débit effectif supporté par un réseau local, égal au
débit brut transmis réduit d’un facteur tenant compte des mécanismes de contrôle d’ac-
cès et de correction d’erreurs, fixe la bande passante réellement offerte aux applications
communicantes. Mesuré en entrée de la couche de transport, il dépend simultanément des
couches DLC et PHY, lesquelles doivent être optimisées conjointement afin d’éviter des
combinaisons malencontreuses [4, 5].
Optimisation de la couche PHY : L’ensemble de la pile OSI s’appuie sur la couche

PHY qui, par effet de cascade, conditionne les performances à tous les autres ni-
veaux. Le but est de déterminer un code correcteur d’erreurs et une modulation
synthétisant une forme d’onde adaptée au canal de transmission [5]. Les contraintes
de limitation en bande passante et en puissance d’émission viennent restreindre le
domaine de recherche des solutions.

Source Destinataire
Emetteur théorique Récepteur théorique

Codage de Symboles Décodage
source d’information source
Codage de Décodage
canal canal
Symboles
codés
Modulation Démodulation
numérique numérique
Organes d’émission Organes de réception

Conversion Conversion
radiofréquence bande de base
Signal
électrique
Filtrage Filtrage
Amplification Amplification
Transducteur Transducteur
électromagnétique électrique
Signal
électromagnétique
Canal de propagation radioélectrique
Domaine d’étude de cette thèse
Fig. 1.6: Architecture générique d’une chaı̂ne de communication (Liaison point-à-point) — Ap-
proche fonctionnelle

14 Introduction
Revenons dans un premier temps sur les solutions implémentées dans les réseaux
actuels :
– Les modulations à bande étroite (HIPERLAN1) : elles sont caractérisées par une
occupation spectrale voisine de la bande minimale nécessaire à la transmission
de l’information [6, 7].
Les performances sont limitées par la difficulté à égaliser le canal, qui sera d’au-
tant plus marquée que le débit de transmission sera élevé et le milieu sélectif, deux
caractéristiques partagées par notre application [8, 9]. En dépit de l’existence
d’algorithmes capables de corriger des évanouissements profonds, les égaliseurs
classiquement implémentés, de complexité limitée pour des contraintes de coût
et de consommation, se comportent mal face à des milieux fortement sélectifs en
fréquence.
– L’étalement de spectre (IEEE 802.11, Bluetooth, HomeRF) : cette technique
consiste à étaler l’information sur une bande de fréquence nettement plus large
que la bande nécessaire dans le but de combattre les distorsions liées à la propa-
gation et aux signaux interférents [10, 11].
Par sa définition même, l’étalement de spectre est adapté à la transmission sur
des canaux très perturbés, telle que la bande ISM, mais reste confiné à des ap-
plications bas débit du fait des largeurs trop faibles des bandes de fréquence
allouées.
– Les modulations multiporteuses (IEEE 802.11a, HIPERLAN2) : les modulations
multiporteuses OFDM peuvent être considérées comme des méthodes de multi-
plexage fréquentiel de l’information sur des canaux plats en fréquence [12, 13, 14].
Le principe consiste à diviser le flot de données en plusieurs flux parallèles, de
débits élémentaires suffisamment faibles pour être insensibles aux effets de sélec-
tivité fréquentielle du canal.
La relaxation résultante de la fonction d’égalisation en fait une solution convenant
particulièrement à la transmission haut débit sur des canaux difficiles [15, 16]. A
complexité identique, les débits atteints seront largement supérieurs à ceux d’un
système mono-porteuse.
Plusieurs axes de recherche ont été identifiés [17]. Une première solution évidente
consiste à travailler sur des bandes de fréquence plus larges. Face à l’encombrement
dissuasif du spectre radiofréquence, il est nécessaire de monter beaucoup plus haut
en fréquence, comme c’est le cas pour les applications micrométriques à 60 GHz,
ou encore d’utiliser des technologies à ultra large bande, étalant le message à l’aide
d’impulsions extrêmement brèves, de durée de l’ordre de la nanoseconde [18].
De nombreux progrès sont attendus pour le codage de canal. Ce domaine a as-
sisté à une véritable révolution avec l’invention des turbocodes en 1993, capables
d’atteindre des performances très proches de la limite de Shannon [19, 20]. Sché-
matiquement, l’idée consiste à traiter itérativement une même information brassée.
La recherche de nouvelles familles de modulations numériques est également à consi-
dérer. La plupart des modulations classiques sont en effet contruites pour des canaux
sans évanouissements et perdent toute leur efficacité sur un canal sélectif [21].
La tendance actuelle est au regroupement et à l’optimisation conjointe des fonc-
tions de codage et de modulation à l’émission, ainsi que de leur contreparties en
réception [22]. Ce mouvement a été amorcé avec l’apparition des modulations co-

dées, combinant codage de canal et modulation. A ce propos, le turbodécodage,

appliquant en réception le principe de traitement itératif propre aux turbocodes,
est l’objet d’un grand effort de recherche.
Optimisation de la couche DLC : Les couches DLC rencontrées dans les réseaux ac-
tuels sont la cause principale de perte d’optimalité des réseaux sans fil. Elles par-
tagent le désavantage de dégrader fortement le débit utile du fait de la lourdeur
des protocoles de contrôle d’erreur et de gestion d’accès au canal mis en œuvre.
En particulier, la couche MAC endosse une responsabilité essentielle, rendant le
perfectionnement des mécanismes réseau incontournable [23].
Les avancées les plus significatives sont attendues de l’optimisation conjointe des
couches PHY et MAC à l’aide de techniques dites multi-utilisateurs. Celles-ci peuvent
être appliquées à l’émission, par l’intégration des fonctions d’accès multiple au sein
de la forme d’onde1 , et à la réception, par l’intermédiaire de détecteurs multi-
utilisateurs capables de rejeter le bruit structuré généré par les autres utilisa-
teurs [25].
D’un point de vue théorique, les propriétés d’un système de communication repose sur
deux mécanismes fondamentaux : la diversité, intuitivement le nombre de copies indépen-
dantes d’une même information présentes en réception, et le multiplexage, intuitivement
le nombre de signaux indépendants pouvant être échangés simultanément. Les techniques
évoquées jusqu’alors tentent d’optimiser ces paramètres en temps et en fréquence. La
question se pose alors de savoir ce qu’il en est du domaine spatial.
La dimension spatiale : Le potentiel de la dimension spatiale est apparu dès les dé-
buts des transmissions radio, où des éléments rayonnants directifs servaient à concentrer
l’énergie dans la direction de l’émetteur/récepteur, permettant, par filtrage, d’abaisser
la puissance d’émission et de minimiser l’impact des signaux interférents. L’emploi d’an-
tennes directives a par la suite été supplanté par l’apparition des réseaux d’antennes
adaptatifs, connus sous le nom d’antennes intelligentes, capables d’ajuster dynamique-
ment leur diagramme de rayonnement aux conditions de propagation [26, 27].
Dans certains environnements riches en obstacles, la notion de trajet prédominant

entre émetteur et récepteur disparaı̂t au profit d’un multiplex d’échos indépendants. Peu
efficaces en tant qu’antenne directive, les réseaux d’antennes conservent néanmoins un
rôle crucial dans l’amélioration de l’efficacité spectrale. Pour un réseau placé en réception
avec des éléments suffisamment espacés, les signaux captés par chaque antenne deviennent
relativement peu corrélés, fournissant autant de copies différentes du signal transmis, que
le détecteur peut combiner afin de diminuer le risque d’erreur (diversité de réception).
Réciproquement, un réseau d’émission, vérifiant une condition identique sur la distance
1
La combinaison de l’étalement de spectre avec un accès multiple par répartition de codes est certaine-
ment l’exemple le plus connu. La faible efficacité spectrale, intrinsèque à l’étalement de spectre, a conduit
à la recherche de nouveaux schémas. Ainsi sont apparues les modulations multiporteuses à spectre étalé
dont l’objectif est de supporter des hauts débits tout en conservant la possibilité de superposer plusieurs
utilisateurs sur le même médium [24]. Une part importante de la première année de thèse a été consacrée
à ce sujet.

16 Introduction
inter-éléments, peut mettre en forme le signal transmis de sorte que le récepteur reçoive
un ensemble de copies différentes du message (diversité d’émission).
L’étape suivante a été naturellement franchie avec l’implantation de réseaux d’an-

tennes simultanément en émission et en réception (MIMO). Pour un milieu de propaga-
tion similaire au précédent, cette architecture est en mesure de créer, dans une même
bande de fréquence, plusieurs canaux indépendants. Les débits supportés, en répartissant
les données sur le multiplex de canaux, sont largement supérieurs à ceux atteints par
des systèmes conventionnels. Dans le cas optimal, la capacité de la liaison, i.e. le débit
maximal transmis sans erreur, croı̂t linéairement avec le nombre d’antennes minimum.
Le concept MIMO a réellement pris son essor dans le courant de l’année 1996 grâce au
démonstrateur BLAST élaboré au sein des Bell Labs et exhibant des efficacités spectrales
de l’ordre de 40 bit/s/Hz avec 8 éléments d’émission et de réception [28].
Source Codage Décodage Destination

DLC Modulation Filtrage Filtrage Démodulation DLC
de canal de canal
Architecture SISO : filtrage
Architecture MISO : diversité spatiale d’émission
Architecture SIMO : diversité spatiale de réception
Architecture MIMO : multiplexage & diversité d’espace
SISO — Single-Input Single-Output

MISO — Mutliple-Input Single-Output
SIMO — Single-Input Multiple-Output
MIMO — Multiple-Input Multiple-Output Traitement spatial
Filtrage : mise en forme

Diversité : copies indépendantes
Multiplexage : signaux indépendants
Fig. 1.7: Evolution des systèmes SISO vers les systèmes MIMO
Parmi les différentes technologies émergentes préssenties pour améliorer les per-
formances de réseaux sans fil, les techniques multi-utilisateurs et les systèmes
MIMO sont les plus prometteurs. En choisissant de conserver la couche MAC
d’HIPERLAN2, les problèmes liés aux interférences multi-utilisateurs ne sont pas
prépondérants et ne nécessitent pas la mise en œuvre, dans un premier temps,
d’algorithmes particuliers.
La solution retenue pour la couche physique est donc la technologie MIMO.

1.4 Organisation du mémoire 17
1.4 Organisation du mémoire
1.4.1 Plan
Le but de cette thèse est d’élaborer une couche physique MIMO se substituant
à la couche originale du standard HIPERLAN2, de manière transparente à la
couche MAC, pour atteindre des débits de l’ordre de 100 Mbit/s. Le surcoût lié à
cette évolution doit rester compatible avec une commercialisation grand public.
La structure de ce document, illustrée sur la figure (1.10) reportée en fin de cha-

pitre, s’articule autour de cinq parties, correspondant aux différentes étapes jalonnant la
conception d’un système de communication :
Chapitre 1 : Ce premier chapitre a présenté le sujet de ce mémoire, son objectif et ses
contraintes, en dégageant les raisons qui ont motivé sa mise en place.
Chapitre 2 : Le second chapitre est consacré au canal de propagation radioélectrique, en
l’occurrence un environnement domestique dans la bande des 5 GHz. Facteur com-
mun à tout système de communication, sa structure conditionne l’architecture et
les performances de la liaison. Ce chapitre s’organise en trois points : identification,
analyse et quantification, puis modélisation des phénomènes physiques affectant le
signal.
Chapitre 3 : Le troisième chapitre aborde le problème du point de vue de la théorie de
l’information dans le but de comprendre les mécanismes fondamentaux gouvernant
“l’effet MIMO”, i.e. la croissance linéaire du débit avec le nombre minimal d’an-
tennes, puis de s’en servir. Après avoir présenté les effets de la propagation sur un
signal numérique en se basant sur la caractérisation du canal réalisée antérieure-
ment, ce chapitre rappelle les principes théoriques intervenant dans ce travail et les
applique ensuite aux systèmes MIMO pour en extraire un certain nombre de règles
de conception.
Chapitre 4 : Le quatrième chapitre propose un état de l’art des techniques de transmis-
sion MIMO, avec différentes hypothèses sur le canal de propagation et la connais-
sance dont en dispose le système. L’accent est mis sur l’exploitation de la dimension
spatiale par un système connaissant l’état du canal uniquement en réception.
Chapitre 5 : A l’aide des connaissances accumulées au cours de ce texte, le cinquième et
dernier chapitre tente de répondre à la question initiale. Après une courte descrip-
tion de la couche physique du standard HIPERLAN2, il donne certains points en
faveur d’une interface physique MIMO. Une famille d’architectures est finalement
élaborée suivant une démarche visant à minimiser l’augmentation de la complexité
du système.
Les thèmes évoqués au cours de ces cinq chapitres convergent nettement vers la pro-
blématique au cœur de cette thèse mais n’offrent pas, pour autant, une présentation
minimale. Ainsi apparaissent, en plusieurs endroits, des notions qui, bien que sortant
du contexte direct de l’application visée, ont été jugées intéressantes pour une meilleure
compréhension.

18 Introduction
1.4.2 Définitions et modèle système
Cette section définit les modèles et notations employés dans ce document. Dans la
mesure du possible, des concepts proches seront regroupés sous une même notation afin
de faciliter la lecture.
Un effort de nomenclature a été fait pour distinguer les différents types d’objects
mathématiques rencontrés par le recours à différents alphabets :
– Les symboles mathématiques minuscules x et majuscules X dénotent toujours des
scalaires.
– Les symboles mathématiques gras minuscules x et majuscules X désignent respec-
tivement des vecteurs et des matrices.
– Les formes droites, sans sérif, correspondantes sont employées pour les grandeurs
aléatoires, i.e. x, x et X dénotent un scalaire, un vecteur et une matrice aléatoire
respectivement.
La figure (1.8), obtenue en concaténant les parties grisées du schéma (1.6), donne une
vue d’ensemble du modèle système. Il illustre notamment la distinction entre canal de
propagation et canal de transmission théorique, intervenant respectivement dans l’étude
de l’environnement et de la chaı̂ne d’émission-réception théorique.
NT voies NR voies
d’émission de réception
Conversion Antenne Conversion

numérique-analogique isotrope Chapitre 3
analogique-numérique
Chapitre 4
Chapitre 2
gT (t) gR (t)
Milieu de
propagation
gT (t) gR (t)
x(~ri (t), t) h (~ro (t), ~ri (t − τ ); t, τ ) y(~ro (t), t)
H(t, τ ) y(t)
x(t)
x(k) H(k, l) y(k)
Fig. 1.8: Modèle système et notations employées dans le mémoire
Canal de transmission radioélectrique : Le milieu de propagation établit le lien

entre un signal électromagnétique transmis à un instant et une position donnés et un
signal capté à un instant et une position différents.
On s’affranchit de la nature vectorielle du champ, que le système ne peut prendre en

compte, en intégrant les antennes d’émission et de réception dans le canal de propagation.
Les éléments rayonnants, supposées isotropes, viennent ainsi échantillonner spatialement

le champ électromagnétique pour restituer un signal scalaire. Cette approche est transpa-
rente à l’analyse des mécanismes de propagation, vue au chapitre 2, et n’interdit pas, d’un
point de vue théorique, le recours éventuel à des diagrammes de rayonnement anisotropes,
qui peuvent être cascadés aux antennes isotropes.
Pour les liaisons sans fil radioélectriques à courte distance et à faible puissance, le com-
portement du milieu est linéaire et admet une description sous forme d’une réponse im-
pulsionnelle. En utilisant l’écriture la plus générale sur les systèmes linéaires variants [29],
le signal y(~ro (t), t), capté à l’instant t et à la position ~ro (t), est fonction du signal d’exci-
tation x(~ri (t − τ ), t − τ ), transmis τ secondes auparavant à la position ~ri (t − τ ), selon :
ZZ
y(~ro (t), t) = h (~ro (t), ~ri (t − τ ); t, τ ) x(~ri (t − τ ), t − τ ) d3 ri dτ + n(~ro (t), t) (1.1)
où h (~ro (t), ~ri (t − τ ); t, τ ) est la réponse impulsionnelle de l’environnement et n(~ro (t), t)
un bruit additif propre à l’environnement. Dans cette relation, les variables fléchées font
références au domaine spatial, et les indices o et iR aux signaux RRR de sortie (“output”) et
d’entrée (“input”) du canal. On a également défini (·) d3 r , (·) dx dy dz.
La relation (1.1) est utilisée pour caractériser le canal de propagation. Tout au long de
ce document, les signaux possèdent un spectre passe-bande, situé dans l’une des bandes
allouées aux réseaux locaux, et sont remplacés, sans perte de généralité, par les signaux
complexes équivalents en bande de base [6].
Canal de transmission théorique : Le canal de transmission, vu depuis l’émetteur

et le récepteur théorique, englobe le milieu de propagation et l’ensemble des organes
d’émission et de réception. La notion d’espace n’apparaı̂t plus explicitement mais est
intégrée dans la réponse du canal. On suppose que l’ensemble des organes d’émission et
de réception ne remet pas en cause l’hypothèse de linéarité.
Le système considéré établit une liaison entre deux réseaux d’antennes, de NT éléments
à l’émission et NR à la réception. Par définition, une antenne joue le rôle d’un filtre spatial
et peut tout à fait être réalisée à partir d’un réseau, amenant à des systèmes SISO à
double réseau d’antennes. On conservera néanmoins, pour éviter d’alourdir l’exposé, les
dénominations classiques et l’on réservera les termes plus appropriés de voies d’émission
et de réception en cas d’ambiguı̈té.
L’émetteur transmet simultanément le multiplex de signaux {xq (t)}N T

q=1 , où la com-
posante xq (t) alimente la voie q. En réception, le réseau d’antennes récolte les signaux
{yp (t)}N R
p=1 , résultants de la superposition des signaux transmis filtrés par le canal. Le
signal reçu par la voie p s’écrit :
XNT Z
yp (t) = hp,q (t, τ )xq (t − τ ) dτ + np (t)
q=1
avec hp,q (t, τ ) représente la réponse impulsionnelle du canal de propagation reliant la voie
d’émission q à la voie de réception p et np (t) le bruit additif associé, intégrant à présent
la composante de bruit due aux organes de réception.
20 Introduction
Une formulation compacte de la réponse globale est obtenue en regroupant les signaux
transmis et reçus sous forme vectorielle :
Z
y(t) = H(t, τ )x(t − τ ) dτ + n(t) (1.2)
où l’on a défini la réponse du canal MIMO sous forme matricielle :

 
h1,1 (t, τ ) · · · h1,NT (t, τ )
 .. .. .. 
H(t, τ ) =  . . . 
hNR ,1 (t, τ ) · · · hNR ,NT (t, τ )

ainsi
signaux d’émissionx(t) = x1 (t) . . . xNT (t) , de réception y(t) =
que les vecteurs
y1 (t) . . . yNR (t) et de bruit n(t) = n1 (t) . . . nNR (t) .
Les signaux considérés ici sont générés par une modulation numérique sur fréquence
porteuse. En se restreignant à des modulations linéaires, l’expression générale du signal
transmis équivalent en bande de base s’écrit :
X
xq (t) = x(k, q)gT (t − kTs )
k
où {x(k, q)}k représente la séquence de symboles complexes d’information, alimentant

l’antenne q à la cadence Ts , et gT (t) le filtre de mise en forme, identique sur chaque voie.
En réception, le signal est démodulé, filtré passe-bas puis échantillonné. Le modulateur

et le démodulateur seront supposés parfaitement accordés, avec une estimation parfaite,
en réception, de la fréquence et de la phase de la porteuse. La séquence de symboles en
sortie de la fonction d’échantillonnage s’écrit :
Z
y(kTs ) = gR (τ )y(kTs − τ ) dτ + n(kTs )
où gR (t) est la réponse impulsionnelle

R du filtre de réception et n(kTs ) les échantillons
filtrés de bruit, n(kTs ) = gR (τ )y(kTs − τ ) dτ .
Le récepteur collecte une statistique suffisante par un échantillonnage de Nyquist. Une

dérivation claire du rythme d’échantillonnage requis sur un canal variant dans le temps
est donnée dans [30, 31]. En supposant que le couple formé des filtres d’émission et de
réception vérifient le critère de Nyquist au rythme Ts , l’on aboutit au modèle discret :
X
y(k) = H(k, l)x(k − l) + n(k) (1.3)
l
où la matrice H(k, l) ∈ CNR ×NT est la réponse du canal discrétisé et les vecteurs x(k) ∈
CNT , y(k) ∈ CNR et n(k) ∈ CNR les signaux transmis, reçus et le bruit additif. Le facteur
Ts est implicite.

La relation (1.3) est utilisée pour l’analyse du système théorique. Trois formes dérivées
apparaı̂tront au cours de ce mémoire :
X
y(k) = H(l)x(k − l) + n(k) (1.4)
l
= H(k)x(k) + n(k) (1.5)
= Hx(k) + n(k) (1.6)
respectivement associées à des canaux sélectifs en fréquence, sélectifs en temps et non

sélectifs.
Dans l’ensemble de ce document, le bruit additif est supposé gaussien2 , centré, de puis-
sance Pn . Les composantes réelle et imaginaire du bruit complexe équivalent sont indé-
pendantes et identiquement distribuées suivant une loi gaussienne de puissance Pn /2. Plus
généralement, les distributions aléatoires gaussiennes complexes vérifieront la contrainte
de symétrie circulaire, de sorte que la matrice de corrélation définisse entièrement la
statistique au second ordre.
Modèle mathématique de l’émetteur et du récepteur théoriques : L’objet de

ces derniers commentaires est de revenir sur la distinction, souvent floue, existant entre
code et modulation codée, que l’on retrouvera dans le quatrième chapitre.
Pour cela, on préfère, au diagramme fonctionnel de la figure (1.6), celui présenté sur
la figure (1.9), basé sur un découpage mathématique de la chaı̂ne de communication
théorique. Deux opérations fondamentales sont mises en évidence :
– le codage binaire à symbole, convertissant les bits d’information, ou plus générale-
ment des éléments d’un corps de Galois, en symboles appartenant généralement au
corps des nombres complexes,
– le codage symbole à signal, transformant les symboles en un signal électrique en
bande de base, éventuellement passe-bande si l’on inclue la partie de conversion
radiofréquence.
La nature, l’espace de définition et les métriques des signaux changent radicalement entre
l’entrée et la sortie de ces deux fonctions.
La modulation, correspondant exactement à la fonction de codage symbole à signal,

peut prendre en charge une partie du codage de canal, auquel cas l’on parle de modulation
codée. La différence avec un code classique réside dans les alphabets et métriques utilisés,
respectivement corps des complexes et métrique euclidienne pour la modulation codée
contre corps de Galois et métrique de Hamming pour le code.
2
En admettant que le couplage entre des valeurs de bruit mesurées à des instants et des positions
différents, même très proches, est quasi nul, le bruit en sortie du filtre de réception résulte de la somme
d’un très grand nombre d’échantillons de bruit décorrélés et tend, en vertu du théorème de la limite
centrale, vers un processus gaussien [32].

22 Introduction
Structure fonctionnelle
Emetteur Récepteur
Codage conjoint Décodage conjoint
Codage de canal Modulation Canal Démodulation Décodage de canal
Structure mathématique
Codage binaire Codage symbole Canal Décodage symbole Décodage symbole

à symbole à signal à signal à binaire
Formes d’onde
- espace fonctionnel
- métrique euclidienne
Symboles
- corps des nombres complexes et extensions
- métrique euclidienne (modulations codées)
Bits
- corps de Galois et extensions
- métrique de Hamming (code)
Fig. 1.9: Architecture générique d’une chaı̂ne de communication (Liaison point à point) — Ap-
proche mathématique

Enoncé du problème
Contexte de l’étude
Enjeux et motivations des systèmes MIMO
Chapitre 1 :
Introduction
Nature des phénomènes physiques

Caractérisation du milieu de propagation
Chapitre 2 : Modélisation du canal
Le canal de propagation
radioélectrique
Chapitre 5 :
Influence du canal sur le signal Application au
Outils issus de la théorie de l’information système HIPERLAN 2
Leçons de la théorie de l’information
Chapitre 3 :
Aspects de la
théorie de l’information
Chapitre 4 : Boı̂te à outils

Techniques MIMO
Etat de l’art
Fig. 1.10: Structure du mémoire — Enchaı̂nement des chapitres

1.4 Organisation du mémoire

23
Bibliographie
[1] J. Haartsen, “The Bluetooth radio system”. IEEE Personal Communications,

pages 28–36, Feb. 2000. File.
[2] K.J. Negus, A.P. Stephens et J. Lansford, “HomeRF : Wireless networking for the
connected home”. IEEE Personal Communications, pages 20–27, Feb. 2000. File.
[3] J.-C. Bic, D. Duponteil et J.-C. Imbeaux, Eléments de Communications numériques.
Collection Technique et Scientifique des Télécommunications, Dunod, 1986.
[4] D. Lacroix et P. Bertin, “On the choice of a radio interface for high speed radio
LAN”. Annales des Télécommunications, pages 479–489, Sept.-Oct. 1999.
[5] A Falsafi, K. Pahlavan et G. Yang, “Transmission Techniques for Wireless LAN”.
IEEE Journal on Selected Areas in Communications, pages 477–491, Apr. 1996.
[6] J.G. Proakis, Digital communications. Mc Graw-Hill, 1995.
[7] G.D. Forney Jr., R.G. Gallager, G.R. Lang, F.M. Longstaff et S.U. Qureshi, “Ef-
ficient modulation for band-limited channels”. IEEE Journal on Selected Areas in
Communications, pages 632–647, Sep. 1984.
[8] D.P. Taylor, G.M. Vitetta, B.D. Hart et A. Mammela, “Wireless channel equali-
zation”. European Transaction on Telecommunications, pages 117–143, Mar.-Apr.
1998. File.
[9] S.U.H. Qureshi, “Adaptive equalization”. Proceedings of the IEEE, pages 1349–1387,
Sep. 1985.
[10] R.L. Pickholtz, D.L. Schilling et L.B. Milstein,“Theory of spread-spectrum communi-
cations - A tutorial”. IEEE Transaction on Communications, vol. 30, pages 855–884,
May 1982.
[11] G.L. Turin, “Introduction to spread spectrum antimultipath techniques and their
application to urban digital radio”. Proceedings of the IEEE, vol. 68, pages 328–353,
Mar. 1980.
[12] H. Sari, G. Karam et I. JeanClaude, “Transmission technique for digital terrestrial
TV broadcasting”. IEEE Communications Magazine, pages 100–109, Feb. 1998.
[13] S.B. Weinstein et P.M. Ebert, “Data transmission by frequency division multiplexing
using discrete Fourier transform”. IEEE Transactions on Communication Techno-
logy, pages 628–634, Oct 1971.
[14] L.J. Cimini, “Analysis and simulation of a digital mobile channel using orthogonal
frequency division multiplexing”. IEEE Transaction on Communications, pages 665–
675, juillet 1985.
[15] M. Alard et R. Lasalle, “Principles of modulation and channel coding for digital
broadcasting for mobile receivers”. EBU Review, vol. 224, pages 168–190, Aug. 1987.
[16] B. Le Floch, M. Alard et C. Berrou, “COFDM”. Proceedings of the IEEE, vol. 83,
pages 982–996, Jun. 1995.
[17] E. Biglieri, J. Proakis et S. Shamai, “Fading channels : information-theoric and com-
munications aspects”. IEEE Transaction on Information Theory, pages 2619–2692,
Oct. 1998. File.
1.4 Bibliographie 25
[18] M.Z. Win et R.A. Scholtz, “Ultra-wide bandwidth Time-Hopping spread-spectrum

impulse radio for wireless multiple-access communications”. IEEE Transaction on
Communications, vol. 48, pages 679–691, Apr. 2000. File.
[19] C. Berrou et A. Glavieux, “Near Shannon limit error correcting coding and decoding :
turbo codes”. in Proc. IEEE Intl. Conf. Comm., May 1993. File.
[20] C. Berrou et A. Glavieux, “Near Shannon limit error correcting coding and decoding :
turbo codes”. IEEE Transaction on Communications, Oct. 1996.
[21] J. Boutros, E. Viterbo, C. Rastello et J.C. Belfiore, “Good lattice constellations for
both Rayleigh and Gaussian channel”. IEEE Transaction on Information Theory,
pages 502–518, Mar. 1996.
[22] G.D. Forney et G. Ungerboeck, “Modulation and coding for linear Gaussian chan-
nels”. IEEE Transaction on Information Theory, pages 2384–2415, Oct. 1998. File.
[23] N. Abramson, Multiple access communications. IEEE Press, 1993.
[24] L.M. Correia et R. Prasad, “An overview of wireless broadband communications”.
IEEE Communications Magazine, vol. 35, pages 23–33, Jan. 1997.
[25] S. Verdú, Multiuser detection. Cambridge University Press, 1998.
[26] J.H. Winters, “Smart antennas for wireless systems”. IEEE Personal communica-
tions, pages 23–27, Feb. 1998. File.
[27] A.J. Paulraj et B.C. Ng, “Space-time modems for wireless personal communications”.
IEEE Personal communications, pages 36–48, Feb. 1998. File.
[28] G. Foschini, “Layered space-time architecture for wireless communications”. Bell Labs
Tech. Journal, pages 41–59, Autumn 1996. File.
[29] D.J. Greenwood et L. Hanzo, Characterization of mobile radio channels. IEEE Press,
1992.
[30] T. Kailath, “Sampling models for linear time-variant filters”. tech. rep., MIT RLE,
1959.
[31] M. Medard, The capacity of time-varying multiple user channels in wireless commu-
nications. PhD thesis, M.I.T., 1995.
[32] R. Gallager, Elements of information. Wiley, 1968.

Chapitre 2
Le canal de propagation
radioélectrique
Sommaire
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Les phénomènes physiques de la propagation radioélectrique 28
2.2.1 Le signal spatio-temporel . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Le bruit radioélectrique . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3 Phénomènes à grande échelle . . . . . . . . . . . . . . . . . . . . 31
2.2.4 Phénomènes à petite échelle . . . . . . . . . . . . . . . . . . . . . 32
2.3 Caractérisation du canal spatio-temporel . . . . . . . . . . . . 36
2.3.1 Représentations mathématiques du canal de propagation . . . . . 36
2.3.2 Caractérisation déterministe . . . . . . . . . . . . . . . . . . . . . 37
2.3.2.1 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . 37
2.3.2.2 Domaine temporel . . . . . . . . . . . . . . . . . . . . . 41
2.3.3 Caractérisation stochastique . . . . . . . . . . . . . . . . . . . . . 44
2.3.3.1 Statistiques au second ordre : corrélation, dispersion et
cohérence . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3.3.2 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . 47
2.3.3.3 Domaine temporel . . . . . . . . . . . . . . . . . . . . . 56
2.4 Modèles du canal . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4.1 Modèles déterministes . . . . . . . . . . . . . . . . . . . . . . . . 61
2.4.2 Modèles stochastiques et stochastiques géométriques . . . . . . . 64
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.1 Introduction
Le canal de transmission, entendu dans le sens général du terme, assure le lien entre
l’émetteur et le récepteur permettant le transfert de l’information. Une connaissance fine
28 Le canal de propagation radioélectrique
des mécanismes mis en jeu est indispensable à la conception d’une chaı̂ne de communi-
cation et à l’estimation des performances optimales.
La notion de canal de transmission, dépendante de l’application et de la spécialité

étudiées, s’étend sur une partie variable de la chaı̂ne de communication. Dans le domaine
des réseaux sans fil, le canal de propagation radioélectrique, caractérisant la propagation
de l’onde électromagnétique entre différents points de l’espace, occupe une place parti-
culière puisqu’il constitue l’élément irréductible commun à tous les autres canaux. Son
étude apparaı̂t donc comme un préliminaire incontournable.
Ce chapitre analyse le canal de propagation spécifié dans la partie précédente, avec

comme objectif de traduire les phénoménes physiques en un formalisme rigoureux, ex-
ploitable par la suite. La nature des interactions du signal électromagnétique avec l’envi-
ronnement est rappelée dans un premier temps, en émettant les hypothèses appropriées à
notre application. Un jeu de paramètres représentatifs du comportement de l’environne-
ment en espace et en temps est ensuite dérivé, en s’appuyant sur deux familles de réponses
du canal. La fin du chapitre est consacrée à la modélisation du canal de propagation.
2.2 Les phénomènes physiques de la propagation radioélec-

trique
Les phénomènes radioélectriques sont de deux ordres : les distorsions de l’onde élec-
tromagnétique et la superposition des signaux étrangers, désignés indifféremment comme
bruit. Les perturbations dues à l’interaction de l’onde avec le milieu sont observées à deux
niveaux distincts, selon que leur impact est visible à grande ou à petite échelle.
On commence par rappeler la nature du champ électromagnétique et le formalisme

des signaux spatio-temporels, nécessaires par la suite à la compréhension des principes
exploités par les systèmes MIMO.
2.2.1 Le signal spatio-temporel
Le support in fine de la transmission de l’information, pour les applications envisagées

dans ce document, est l’onde électromagnétique. Le développement d’un système de com-
munication requiert une connaissance précise de l’interaction du signal électromagnétique
avec l’environnement pour être en mesure d’en tirer partie. Les équations de Maxwell,
dérivées à partir de considérations pratiques, fournissent les outils théoriques permettant
de caractériser la propagation de l’onde électromagnétique.
Le milieu de propagation dans le contexte de cette étude est l’atmosphère. Pour

les communications à courtes distances, ce milieu se comporte comme l’espace libre,
où l’espace libre est défini par une zone exempte de sources de courant et de charges,
linéaire, isotrope et sans pertes, avec des paramètres de permittivité et de perméabilité

constants et égaux à ceux du vide1 . L’absence de dispersion, dans les bandes de fréquences
de travail, entraı̂ne l’invariance de la vitesse de propagation des composantes du champ
électromagnétique avec la longueur d’onde. L’isotropie implique que la trajectoire d’une
onde soit rectiligne et non courbée par les phénomènes de réfraction et de guidage propres
aux milieux anisotropes. Enfin, l’absence de pertes signifie que le milieu ne présente pas
d’effet inductif ou capacitif.
L’échange d’information suppose la propagation de l’onde entre deux points spatiale-

ment distincts et la question se pose alors de déterminer la forme des signaux électroma-
gnétiques pouvant se propager dans un milieu isotrope, homogène et non dispersif. On
rappelle que les signaux traités sont des échantillons scalaires du champ électromagné-
tique, mesurés par l’intermédiaire d’antennes isotropes.
Les équations de Maxwell, en espace libre, conduisent à l’équation d’onde homogène

gouvernant la propagation d’un champ scalaire x(~r, t) [1] :
∂2x ∂2x ∂2x 1 ∂2x

+ + = (2.1)
∂rx2 ∂ry2 ∂rz2 c2 ∂t2
où t est la variable temporelle, ~r = [rx , ry , rz ]T le vecteur position, exprimé sur une base
canonique de l’espace, et c la célérité de l’onde électromagnétique [2].
En postulant la séparabilité des composantes du champ, on montre que la solution la

plus simple de l’équation (2.1) est l’onde plane monochromatique définie par :
n o
~
x(~r, t) = Re a0 ej(2πf0 t−k0 ·~r) (2.2)
où a0 ∈ C est l’amplitude complexe de l’onde, f0 ∈ R la fréquence temporelle et ~k0 ∈ R3

le vecteur d’onde2 . La norme du vecteur d’onde est inversement proportionnelle à la
longueur d’onde λ, k~kk2 = 2π/λ.
La linéarité de l’équation de propagation (2.1) implique que toute superposition

d’ondes planes est également solution. Puisque toute fonction peut être exprimée comme
une superposition d’ondes planes (décomposition de Fourier), on en déduit le résultat
essentiel qu’un signal arbitraire satisfait l’équation de propagation. L’émetteur et le ré-
cepteur peuvent ainsi communiquer par l’intermédiaire d’une onde électromagnétique
quelconque. Cette observation n’est pas nécessairement vraie pour d’autres milieux.
1
La couche basse de l’atmosphère (troposphère) est essentiellement un milieu neutre, contrairement
à d’autres couches telles que l’ionosphère, non dispersif aux fréquences radio, excepté les anomalies de
dispersion dues à la vapeur d’eau et à l’oxygène, et isotrope, les effets de guidage n’étant sensibles que
sur de longues distances.
2
Les ondes planes homogènes définies par un vecteur d’onde réel ne sont pas les seules ondes planes
solutions de l’équation de propagation. On aboutit à la structure en onde plane en recherchant des solutions
séparables à l’équation de propagation homogène (2.1). Cette hypothèse conduit à des solutions de type
exponentiel Re{exp(jst − j~k · ~r)} où s et ~k vérifient la relation de dispersion ~k · ~k = s2 /c2 . Alors qu’il est
nécessaire de supposer s ∈ R+ pour que l’onde soit harmonique, le vecteur d’onde n’est pas nécessairement
réel. Un vecteur d’onde complexe peut en effet vérifier l’équation de dispersion pourvu que ~kR · ~kI = 0, où
~k = ~kR + j~kI . Les ondes planes résultantes, appelées ondes planes inhomogènes, exhibent une croissance
ou une décroissance exponentielle dans la direction de propagation, exp(~kI ·~r) sin(st− ~kR ·~r). On reviendra
sur l’importance des ondes planes inhomogènes dans la section 2.4.1.

L’analyse de Fourier est un outil précieux dans le domaine temporel permettant d’ex-
primer un signal à partir de ses composantes fréquentielles. Généralisée à la dimension
spatiale, la transformation de Fourier décompose un signal en ondes planes homogènes :
ZZ
~
x̃(~k, f ) = x(~r, t)e−j(2πf t−k·~r) d3 r dt (2.3)
ZZ
1 ~
x(~r, t) = x̃(~k, f )ej(2πf t−k·~r) d3 k df (2.4)
(2π)3
où x(~r, t) est le signal temps-espace, mesuré à la position ~r et à l’instant t, etRx̃(~k, f ) le
spectre
RRR à la pulsation spatiale ~k et à la fréquence temporelle f . On rappelle que (·) d3 r ,
(·) drx dry drz . En plus de la dualité temps-fréquence relativement bien connue [3, 4], le
signal spatio-temporel fait apparaı̂tre une nouvelle forme de dualité entre vecteur d’espace
et vecteur d’onde. Cette symétrie explique pourquoi le vecteur d’onde est souvent appelé
pulsation spatiale par analogie à la pulsation temporelle, ω = 2πf . A titre d’illustration,
la figure (2.1) présente les spectres de quelques signaux simples dans le domaine fréquence
temporelle–pulsation spatiale.
Signal monochromatique statique Signal large bande progressif
f f
~k ∝ ~eu
f = f0 ~eu : direction de propagation
kx kx
ky ky
Signal progressif isotrope Signal progressant dans une direction

f f
c
p
f= 2π
kx2 + ky2
kx kx
ky ky
Fig. 2.1: Représentation spectrale, en fréquence et vecteur d’onde, d’un signal temps-espace —
Domaines d’existence pour différents types de signaux
On sera amené à manipuler des signaux aléatoires, pour lesquels des expressions ana-
logues existent. De manière générale, un processus stochastique spatio-temporel est défini
par une densité de probabilité p(~r, t). En particulier, un processus stationnaire centré x,
i.e. dont les moyennes statistiques sont indépendantes des coordonnées absolues en temps
et en espace, est caractérisé par la fonction d’autocorrélation R x (~ ρ, τ ) et la densité spec-
~
trale de puissance S x (k, f ), duales par transformée de Fourier :
ZZ
~
S x (~k, f ) = R x (~r, τ )e−j(2πf τ −k·~ρ) d3 ρ dτ
ZZ
1 ~
R x (~ρ, τ ) = S x (~k, f )ej(2πf τ −k·~ρ) d3 k df
(2π)3

ρ, τ ) = Ex {x(~r, t)x∗ (~r + ρ

où R x (~ ~, t + τ )}.
On aura également besoin de la transformée de Wigner-Ville afin de prolonger la

notion de spectre, description du second ordre, lorsque l’hypothèse de stationnarité n’est
plus satisfaite. Elle se définit comme :
ZZ
~
~
W̄ x (~r, k; t, f ) = R x ~r + 12 ρ ~; t + 12 τ, t − 12 τ e−j(2πf τ −k·~ρ) d3 ρ dτ
~, ~r − 12 ρ

où R x ~r + 12 ρ
~, ~r − 12 ρ
~; t + 12 τ, t − 12 τ = Ex {x(~r + 12 ρ
~, t + 12 τ )x∗ (~r − 12 ρ
~, t − 12 τ )}.
2.2.2 Le bruit radioélectrique
Le bruit regroupe l’ensemble des signaux ne transportant pas d’information utile et

venant perturber le signal désiré. Il existe une grande variété de bruits, classés en deux
types fondamentaux selon que la source de bruit est interne ou externe au système [5].
On ne considère ici que le bruit externe, le bruit interne n’entrant en jeu que dans le
chapitre suivant.
Les bruits externes peuvent être d’origines extra-terrestres ou terrestres. La première

catégorie ne rentrant en compte que dans les liaisons spatiales ou dans les voies montantes
vers des satellites, seul reste le bruit terrestre. On distingue :
– le bruit atmosphérique lié à l’absorption sélective des ondes par certains constituants
de l’atmosphère (oxygène, eau),
– le bruit dû aux parasites atmosphériques (orages),
– le bruit provenant du rayonnement de l’environnement,
– le bruit dû à l’activité humaine3 .
Décroissants avec la fréquence, les bruits atmosphérique et de rayonnement sont ex-
trêmement faibles dans la gamme de fréquence des 5 GHz. Les bruits impulsifs générés
par des phénomènes tels que l’orage sont évidemment exclus en fonctionnement normal.
De loin le plus nocif, le bruit d’origine humaine joue également un rôle négligeable, dans
la bande de fréquence considérée, réservée aux transmissions conformes partageant le
médium sans superposition des communications. Au final, le bruit externe demeure très
faible pour notre application et sera négligé devant le bruit interne.
2.2.3 Phénomènes à grande échelle
Les évanouissements à grande échelle définissent les fluctuations de la puissance

moyenne mesurées sur un déplacement (cf. figure (2.2)) ou sur un intervalle de temps
suffisamment grands. Les deux phénomènes à l’origine des variations à grande échelle
sont les pertes en distance et les effets de masquage [6].
3
Le bruit d’accès multiple n’est pas inclu dans cette catégorie.

L’affaiblissement de propagation avec la distance4 s’explique par la dispersion isotrope

de l’énergie transmise suivant les trois dimensions spatiales et la faible surface effective du
capteur utilisé en réception. Le niveau moyen reçu varie en fonction de la distance comme
d−α , où le paramètre α, fonction du type d’environnement, est compris entre les valeurs 2
et 5 associées respectivement à la propagation en espace libre et en milieu obstrué. Les
pertes en espace libre augmentent également avec la fréquence.
Le masquage est dû à la présence d’obstacles incontournables entre l’émetteur et le

récepteur. Il se traduit par une atténuation supplémentaire, fonction de la nature des
matériaux traversés par l’onde électromagnétique.
Puissance reçue (dBm) Décroissance moyenne avec la distance
Fluctuations à grande échelle
Fluctuations à petite échelle
λ
2
Position (échelle log)
λ : longueur d’onde
Fig. 2.2: Fluctuations à petite et à grande échelles de la réponse du canal — Impact sur l’évolution
de la puissance reçue en fonction de l’éloignement de l’émetteur
2.2.4 Phénomènes à petite échelle
Les fluctuations à petite échelle sont observées sur un intervalle de temps et un dé-
placement spatial suffisamment petits pour négliger les variations à grande échelle (cf. fi-
gure (2.2)). A l’origine de ces phénomènes, la présence d’objets dans l’environnement
de propagation engendre, au niveau du récepteur, l’apparition de plusieurs répliques du
signal transmis interférants de manière constructive ou destructive. Les principales consé-
quences sur le signal sont les variations de l’enveloppe du signal reçu, la modulation de
fréquence aléatoire due aux changements des conditions de propagation et la dispersion
temporelle du signal liée au retard temporel des échos. On parle de propagation à trajets
multiples.
Les trois principaux mécanismes régissant l’interaction de l’onde avec l’environnement

sont la réflexion, la diffraction et la diffusion (cf. figure (2.3)) [7, 5] :
4
Il est essentiel de distinguer les pertes en espace libre des pertes dues à la dispersion. Le premier type
d’atténuation s’explique, avec des arguments géométriques, par l’expansion sphérique de l’onde à partir
de la source. Le second type de perte renvoie à l’absorption de l’énergie par le milieu de propagation lui
même.

Réflexion/Réfraction : Réflexion et réfraction interviennent lorsque l’onde interagit

avec un obstacle dont les dimensions sont très grandes et les irrégularités très pe-
tites devant la longueur d’onde. Lorsque l’objet est parfaitement conducteur, toute
l’énergie incidente est réfléchie. Dans le cas contraire, une partie de l’énergie pénètre
dans l’objet, selon le phénomène de réfraction. La quantité d’énergie transportée
par l’onde réfractée dépend de la capacité d’absorption des matériaux. Pour une
surface plane, les angles d’incidence, de réflexion et de réfraction sont reliés par la
loi de Snell-Descartes et, en particulier, les angles d’incidence et de réflexion sont
égaux. Dès lors que la surface présente une certaine rugosité par rapport à la lon-
gueur d’onde, l’onde incidente est réfléchie dans plusieurs directions et l’on parle de
réflexion diffuse.
Diffraction : La diffraction se produit lorsque le chemin de propagation est obstrué par
un obstacle imperméable aux ondes électromagnétiques présentant des dimensions
faibles devant la longueur d’onde ou possédant des arêtes vives. Selon le principe de
Huyghens, chaque point du front d’onde se comporte comme une source secondaire.
L’énergie transmise par ces sources permet au signal de se propager dans les zones
d’ombre, expliquant ainsi que les ondes radio arrivent au niveau du récepteur en
l’absence de visibilité directe ou de l’intervention d’autres types d’interaction.
Diffusion : La diffusion apparaı̂t s’il existe sur le trajet de l’onde un paquet très dense
d’objets de dimensions du même ordre de grandeur ou inférieures à la longueur
d’onde. Le même phénomène est observé avec une surface rugueuse présentant
des aspérités suffisamment petites. La diffusion émerge comme un comportement
moyen, alors même que l’interaction élémentaire de l’onde avec chaque obstacle est
de type dispersif.
L’utilité relative de ces phénomènes pour le transport d’information dépend de la
configuration de transmission et, notamment, de la présence ou de l’absence d’une ligne
de vue directe entre l’émetteur et le récepteur (LOS — Line Of Sight, NLOS — Non Line
Of Sight).
L’influence d’un obstacle sur le signal capté en réception dépend de ses dimensions
par rapport à la longueur d’onde, de sa composition et de sa position spatiale par rapport
à l’émetteur, au récepteur et aux autres objets (cf. figure (2.4)). On distingue deux types
principaux de réflecteurs :
Diffuseurs locaux : Les diffuseurs locaux englobent les obstacles proches de l’émetteur
ou du récepteur. Du point de vue d’un système de communication, les diffuseurs
placés dans le voisinage du récepteur occasionnent un grand étalement angulaire
des échos et un étalement temporel faible. Les diffuseurs proches de l’émetteur
introduisent de faibles étalements temporel et angulaire.
Diffuseurs lointains : Les diffuseurs lointains désignent les obstacles éloignés simul-
tanément de l’émetteur et du récepteur. Ils donnent lieu à des trajets spéculaires
généralement caractérisés par un fort étalement temporel.
La proportion relative de chaque type de diffuseurs dépend ici encore de l’application
envisagée et de l’environnement dans lequel le système est déployé.

longueur d’onde
Réflexion diffuse
Diffusion
Récepteur
Emetteur
Réfraction
Diffraction
Réflexion spéculaire
Fig. 2.3: Propagation radioélectrique — Types d’interactions de l’onde électromagnétique avec

le milieu

Diffuseurs proches de l’émetteur :

- faible étalement temporel
- faible étalement angulaire
Zone de diffusion
Diffuseurs lointains :
- fort étalement temporel
- fort étalement angulaire
Réflecteur dominant
Diffuseurs proches du récepteur :

- faible étalement temporel
- fort étalement angulaire
Fig. 2.4: Influence de la localisation spatiale des diffuseurs sur la réponse du canal de propagation
— Distinction entre diffuseurs locaux et diffuseurs lointains

2.3 Caractérisation du canal spatio-temporel
Le but de cette section est de donner un aperçu des outils mathématiques disponibles
pour caractériser le comportement du canal de propagation. Les dimensions spatiale et
temporelle seront traitées séparément, d’un point de vue déterministe, puis stochastique.
Ce découplage a été souhaité, au détriment de la généralité, afin de dégager clairement les
propriétés de la dimension spatiale. Comme évoqué dans la section 2.4.1, cette approche
demeure admissible pour notre application où émetteur et récepteur sont immobiles.
L’étude du domaine spatial occupe une large part de cette section, le domaine tem-
porel étant présenté beaucoup plus succinctement. Ce déséquilibre se justifie par la place
centrale occupée par le traitement en espace dans les systèmes MIMO.
On revient sur le formalisme mathématique décrivant la relation entrée-sortie du canal

de propagation.
2.3.1 Représentations mathématiques du canal de propagation
Envisagé sous l’angle d’un système de communication, le canal de propagation se

définit comme la transformation entre le signal émis et le signal reçu :
signal reçu = transformation(signal transmis) + bruit
La relation recherchée est linéaire puisque les mécanismes d’interaction de l’onde

électromagnétique avec le milieu sont eux-mêmes supposés linéaires dans les limites de
notre application. Deux points de vue peuvent alors être adoptés :
Représentation de type 1 – Opérateur à noyau : La réponse du canal est décrite
sous la forme d’une fonction de fitrage linéaire. En notant x(v) et y(u) les signaux
transmis et reçus, de paramètres respectifs v et u, la relation entrée-sortie du canal
s’écrit de manière formelle comme :
Z
y(u) = h(u, v)x(v) dv + n(u) (2.5)
où la réponse du canal h(u, v) apparaı̂t sous la forme d’un noyau linéaire et où n(u)
désigne le bruit additif. On remarque que les fonctions d’entrée et de sortie sont
paramétrées en index absolus.
Représentation de type 2 – Opérateur de convolution : La réponse du canal peut
également s’exprimer sous la forme d’un produit de convolution :
Z
y(u) = h(u, w)x(u − w) dw + n(u) (2.6)
où la fonction h(u, w) est à présent la réponse impulsionnelle du canal, dépendant

des paramètres de sortie u et des paramètres relatifs d’entrée w.

2.3 Caractérisation du canal spatio-temporel 37
Ces deux formes, mathématiquement équivalentes, apportent des visions complémen-

taires d’une même réalité et se prêtent plus ou moins à la description d’un phénomène.
En guise d’exemple, la première représentation permet de caractériser facilement la rela-
tion entre les statistiques au second ordre des signaux d’entrée et de sortie. A l’opposé,
la deuxième représentation prend son intérêt lorsque le filtre est invariant puisqu’elle fait
apparaı̂tre l’opérateur de convolution.
Dans ce chapitre, le canal désigne l’environnement de propagation vu entre deux points

de l’espace et du temps, associés à l’émission d’un signal et à sa réception. Il s’agit d’une
fonction de deux variables temporelles scalaires et deux variables spatiales vectorielles,
dont la définition générale est explicitée par l’équation (1.1). La relation simplifiée, en
supposant que l’émetteur et le récepteur sont immobiles, est la suivante :
ZZ
y(~ro , to ) = h(~ro , ~ri ; to , τ )x(~ri , to − τ ) d3 ri dτ + n(~ro , to ) (2.7)
où l’on rappelle que h(~ro , ~ri ; to , τ ) est la réponse spatio-temporelle du canal, x(~ri , to −τ ) le
signal transmis, y(~ro , to ) le signal reçu et n(~ro , to ) le bruit. Dans cette écriture, l’espace est
traité avec la première représentation et le temps avec la seconde, ce choix étant adopté
car plus proche de notre perception de l’espace et du temps. Dans la suite de ce chapitre,
les lettres latines ~r et t seront réservées aux variables spatiales et temporelles exprimées
en absolu, les lettres grecques associées ρ ~ et τ désignant les translations correspondantes.
On se concentre à présent sur la réponse du canal h(~ro , ~ri ; to , τ ), en faisant abstraction

du bruit.
2.3.2 Caractérisation déterministe
2.3.2.1 Domaine spatial
Généralités : La description la plus naturelle de la réponse du canal entre un point

d’émission et un point de réception repère les positions spatiales en absolu. Les variables
temporelles seront omises et la réponse du canal apparaissant dans la relation (2.7) sera
notée de manière abrégée en fonction des seules variables d’espace. En ajoutant les va-
riables duales des positions spatiales, on arrive à un premier jeu de quatre réponses
caractérisant l’effet du canal sur des signaux déterministes :
Z
y(~ro ) = h(~ro , ~ri )x(~ri ) d3 ri
Z
y(~ro ) = h(~ro , ~ki )x(~ki ) d3 ki
Z (2.8)
~ ~ 3
y(ko ) = h(ko , ~ri )x(~ri ) d ri
Z
~
y(ko ) = h(~ko , ~ki )x(~ki ) d3 ki
où ~ri et ~ro sont les positions d’émission et de réception, ~ki et ~ko les vecteurs d’onde
respectifs. Les quatre expressions précédentes, équivalentes, sont reliées par transformées
de Fourier, comme illustré par la figure (2.5). Par souci de clarté, la multiplicité des
notations a été évitée en imposant une dénomination unique pour les réponses du canal
et les signaux en entrée et en sortie, les domaines considérés étant spécifiés par les variables
utilisées.
h(~ro , ~ri )
F ~ro F ~ri
h(~ko , ~ri ) h(~ro , ~ki )
F ~ri F ~ro
h(~ko , ~ki )
~ri : position de l’émetteur ~ki : pulsation spatiale en émission

~ro : position du récepteur ~ko : pulsation spatiale en réception
Fig. 2.5: Réponses spatiales du canal du premier type
Il est également possible de recourir aux réponses du deuxième type, bien que l’in-
terprétation ne soit pas nécessairement aussi immédiate. On construit alors un second
groupe de relations :
Z
y(~r) = h(~r, ρ ~)x(~r − ρ~ ) d3 ρ
Z
~
y(~r) = h(~r, ~k)x(~k)e2jπk·~r d3 k
Z (2.9)
y(~k) = h(~kd , ~k − ~kd )x(~k − ~kd ) d3 kd
ZZ
~ ~
y(k) = h(~kd , ρ
~)x(~r − ρ~)e2jπkd ·~r d3 ρ d3 kd
~ sont la position du récepteur et la position relative de l’émetteur, ~k et ~kd les

où ~r et ρ
pulsations spatiale et Doppler spatiale en réception. Les expressions précédentes sont,
ici encore, équivalentes et reliées par transformées de Fourier, comme illustré sur la fi-
gure (2.6).
Le tableau (2.1) rappelle les dépendances entre les différentes grandeurs. Mathéma-
tiquement équivalentes, une variable et sa variable duale par transformée de Fourier
revêtent des interprétations physiques complémentaires. On verra ainsi dans la suite du
texte que la variable de gauche mesure les effets de corrélation, celle de droite les effets
d’étalement de l’énergie.
h(~r, ρ~)
F ~r F ρ~
h(~kd , ρ~) h(~r, ~k)
F ρ~ F ~r
h(~kd , ~k)
~r : position du récepteur ~k : pulsation spatiale

ρ~ : position relative de l’émetteur ~kd : pulsation spatiale Doppler
Fig. 2.6: Réponses spatiales du canal du second type
Tab. 2.1: Définitions des transformées de Fourier dans le domaine spatial

Domaines duals Transformée directe Transformée inverse
R R
~ri ⇔ ~ki (·) exp(−j~ki · ~ri ) d3 ri 1
(2π)3
(·) exp(j~ki · ~ri ) d3 ki
R R
~ro ⇔ ~ko (·) exp(−j~ko · ~ro ) d3 ro 1
(2π)3
(·) exp(j~ko · ~ro ) d3 ko
R R
~r ⇔ ~kd (·) exp(−j~kd · ~r) d3 r 1
(2π)3
(·) exp(j~kd · ~r) d3 kd
R R
~k ⇔ ρ~ (·) exp(j~k · ρ
~ ) d3 k 1
3 (·) exp(−j~k · ρ~ ) d3 ρ
(2π)

Lorsque le signal émis est modélisé par un processus aléatoire centré, éventuellement
non stationnaire, on montre que le signal reçu est également un processus aléatoire, de
moyenne nulle, avec la fonction de corrélation :
ZZ
R y (~ro1 , ~ro2 ) = h(~ro1 , ~ri1 ) R x (~ri1 , ~ri2 )hadj (~ri2 , ~ro2 ) d3 ri1 d3 ri2
R
où hadj (·) est la fonction adjointe de h(·), i.e x(~ri ) = hadj (~ri , ~ro )y(~ro ) d3 ro , et où
R x (~ri1 , ~ri2 ) et R y (~ro1 , ~ro2 ) sont les fonctions de corrélation des processus transmis et
reçus.
Décomposition de la réponse spatiale : La théorie des opérateurs linéaires offre

une perspective intéressante sur les RR mécanismes de propagation. En supposant la réponse
impulsionnelle de carré intégrable, |h(~ro , ~ri )|2 d3 ro d3 ri < ∞, un résultat issu de l’ana-
lyse fonctionnelle (théorème de Mercer [8, 9]) montre que le canal est constitué de la
superposition de plusieurs sous-canaux indépendants, ou modes de propagation propres,
convoyant chacun une fraction du signal transmis5 . La réponse spatiale du canal se dé-
compose alors selon : Xp
h(~ro , ~ri ) = λk uk (~ro )vk∗ (~ri ) (2.10)
k
où {vk (~ri )}k est la base orthonormée de fonctions propres d’entrée, {uk (~ro )}k la base
orthonormée de fonctions propres en sortie et {λk }k le spectre des valeurs singulières
réelles strictement positives.
Les fonctions propres reflètent les caractéristiques spatiales du canal en émission et

en réception. On montre ainsi que les fonctions propres d’entrée satisfont l’équation in-
tégrale : Z
R Tx (~ri1 , ~ri2 )vn (~ri2 ) d3 ri2 = λn vn∗ (~ri1 )
avec R Tx (~ri1 , ~ri2 ), la fonction de corrélation en émission, définie par :

Z
R Tx (~ri1 , ~ri2 ) = h(~ro , ~ri1 )h∗ (~ro , ~ri2 ) d3 ro
De même, les fonctions propres de sortie satisfont l’équation intégrale :

Z
R Rx (~ro1 , ~ro2 )un (~ro2 ) d3 ro2 = λn u∗n (~ro1 )
où R Rx (~ro1 , ~ro2 ) est la fonction de corrélation en réception :

Z
R Rx (~ro1 , ~ro2 ) = h(~ro1 , ~ri )h∗ (~ro2 , ~ri ) d3 ri
5
La compréhension des résultats présentés ici est facilitée en faisant l’analogie avec la décomposition
des matrices en vecteurs singuliers [10].

Pour chaque mode singulier, les fonctions propres d’entrée et de sortie et l’énergie
sont reliées par : Z
λk uk (~ro ) = h(~ro , ~ri )vk∗ (~ri ) d3 ri
Afin de comprendre le mécanisme de propagation par modes, il suffit d’exprimer le

signal reçu y(~ro ) en se basant sur la décomposition (2.10) :
Xp
y(~ro ) = λk xk uk (~ro ) (2.11)
k
R
où xk = vk (~ri )x∗k (~ri ) d3 ri est la projection du signal transmis sur le mode propre d’en-
trée k.
La forme (2.10) doit être utilisée à bon escient. Notamment, la contrainte d’énergie
finie exclut les canaux invariants selon au moins l’un des paramètres ainsi que les canaux
contenant des impulsions, qui doivent être traités comme des cas limites. On donnera
une interprétation géométrique simplifiée de la propagation par modes propres dans la
section 2.4.1, puis dans le chapitre suivant où elle joue un rôle central dans l’explication
de l’augmentation remarquable des débits offerts par les systèmes MIMO.
2.3.2.2 Domaine temporel
Généralités : A l’inverse du domaine spatial, la représentation du second type est

la plus intuitive pour décrire le comportement dans le domaine temporel. Les variables
d’espace seront implicites dans l’expression de la réponse impulsionnelle. Le premier jeu
de relations entrée-sortie, pour des signaux d’entrée déterministes, s’écrit :
Z
y(t) = h(t, τ )x(t − τ ) dτ
Z
y(t) = h(t, f )x(f )e2jπf t df
Z (2.12)
y(f ) = h(fd , f − fd )x(f − fd ) dfd
ZZ
y(t) = h(fd , τ )x(t − τ )e2jπfd t dτ dfd
où t est l’instant de réception, τ le retard de propagation, associés respectivement à la

fréquence Doppler fd et à la fréquence f . Le deuxième jeu d’équations est donné par :
Z
y(to ) = h(to , ti )x(ti ) dti
Z
y(to ) = h(to , fi )x(fi ) dfi
Z (2.13)
y(fo ) = h(fo , fi )x(fi ) dfi
Z
y(fo ) = h(fo , ti )x(ti ) dti

où to et ti sont les instants d’émission et de réception, fi et fo les fréquences associées.
Les liens entre variables temporelles et fréquentielles sont rappelés dans le tableau (2.1).
On retrouve l’observation sur l’ordre des variables soulevée pour le domaine spatial. Les
figures (2.7) et (2.8) illustrent les dépendances entre les fonctions des deux groupes.
Tab. 2.2: Définitions des transformées de Fourier dans le domaine temporel

Domaines associés Transformée directe Transformée inverse
R R
ti ⇔ fi (·) exp(2jπfi ti ) dfi (·) exp(−2jπfi ti ) dti
R R
to ⇔ fo (·) exp(2jπfo to ) dfo (·) exp(−2jπfo to ) dto
R R
t ⇔ fd (·) exp(−2jπfd t) dt (·) exp(2jπfd t) dfd
R R
f ⇔τ (·) exp(2jπf τ ) df (·) exp(−2jπf τ ) dτ
h(t, τ )
Ft Fτ
h(ν, τ ) h(t, f )
Fτ Ft
h(ν, f )
t : temps τ : retard
f : fréquence ν : décalage Doppler
Fig. 2.7: Réponses temporelles du canal du second type
Les réponses décrivent également l’action du canal sur des processus aléatoires. Par
exemple, la réponse à un processus non stationnaire centré est un processus non station-
naire de moyenne nulle et de fonction de corrélation temporelle :
ZZ
R y (to1 , to2 ) = h(to1 , ti1 ) R x (ti1 , ti2 )hadj (ti2 , to2 ) dti1 dti2
avec hadj (·) la fonction adjointe de h(·) et R x (ti1 , ti2 ) et R y (to1 , to2 ) les fonctions de
corrélation des signaux émis et reçu.
Décomposition de la réponse temporelle : Les réponses du canal relatives au do-

maine temporel admettent des décompositions en modes propres, au même titre que leurs

h(to , ti )
F ti
F to
h(fo , ti ) h(to , fi )
F ti F to
h(fo , fi )
ti : instant d’émission fi : fréquence en émission

to : instant de réception fo : fréquence en réception
Fig. 2.8: Réponses temporelles du canal du premier type
contreparties en espace. Par exemple, la réponse h(to , ti ), supposée de carré intégrable,

admet une décomposition de la forme :
Xp
h(to , ti ) = λk uk (to )vk∗ (ti ) (2.14)
k
où uk (ti ), vk (to ) et λk caractérisent le mode k. Le signal reçu est alors vu comme la
superposition des signaux convoyés indépendamment par les différents modes :
Xp
y(to ) = λk xk uk (to )
k
R
où xk = vk (ti )x∗k (ti ) dti .
Les décompositions de la réponse temporelle du canal de type (2.14) ne possèdent

pas la même facilité d’interprétation en fonction des paramètres d’entrée-sortie que dans
le domaine spatial. Ainsi, les fonctions propres sont en général inconnues a priori 6 et
leur évaluation requiert des efforts considérables. L’absence de structure simple interdit
de plus le recours à des algorithmes de décomposition efficaces. Le manque de significa-
tion physique et la difficulté de calcul intrinsèques à la décomposition en modes propres
a conduit à d’autres caractérisations des opérateurs linéaires [11, 4, 12]. Dans la réfé-
rence [13, 14], les auteurs proposent une formulation unique en définissant le symbole de
Weyl généralisé : Z
(α)
Lh (t, f ) = h(α) (t, τ )e−j2πf τ dτ (2.15)
6
Il existe quelques exemples sporadiques pour lesquels les fonctions propres sont connues : les exponen-
tielles complexes pour les filtres linéaires invariants, les fonctions prolates sphéroı̈dales et les polynômes
d’Hermite pour les filtres linéaires variants à support carré et circulaire respectivement.

avec :
h(α) (t, τ ) = h t + ( 12 − α)τ, t − ( 21 + α)τ
où α ∈ R, en particulier |α| ≤ 1/2 pour assurer un support compact. Pour α = 0, 1/2
et −1/2, la forme (2.15) se réduit respectivement au symbole de Weyl, à la fonction de
transfert de Zadeh et à la fonction de transfert de Bello. Kozek [13] rappelle les propriétés
mathématiques vérifiées par le symbole de Weyl généralisé.
Matz [15] montre que le symbole de Weyl généralise approximativement, pour les
canaux spatiaux sous-étalés, la notion de réponse spectrale caractéristique des filtres li-
néaires invariants par translation. La propriété de sous-étalement, définie mathématique-
ment au prochain chapitre, signifie globalement que la réponse impulsionnelle du canal
est mesurable. Pour voir cela, il suffit d’évaluer le contenu fréquentiel du signal entrant
autour de l’instant t0 et de la fréquence f0 en appliquant une transformée de Fourier à
temps court : Z
0
x̃(s) (t, f ) = x(t0 )s∗ (t − t0 )e−j2πf t dt0
où s(t) est une fonction génératrice compacte dans le plan temps-fréquence, e.g. un signal
gaussien. Le signal d’entrée est restitué à partir de la base de fonctions st0 ,f0 (t) = s(t −
t0 )ej2πf0 t obtenues par translation spatiale et fréquentielle de s(t) :
ZZ
x(t) = x̃(s) (t0 , f0 )st0 ,f0 (t) df0 dt0
La fonction compacte st0 ,f0 (t) est une fonction propre approchée de système vérifiant :
Z
(α)
h(t, t0 )st0 ,f0 (t0 ) dt0 ≈ Lh (t0 , f0 )st0 ,f0 (t)
En décomposant le signal de sortie avec la transformée de Fourier à temps court générée

par s(t), on arrive alors à :
ỹ (s) (t, f ) ≈ Lαh (t, f )x̃(s) (t, f )
Le symbole de Weyl généralisé apparaı̂t donc comme une fonction de pondération ap-
proximative dans le domaine temps-fréquence, au sens de la transformée de Fourier à
temps court.
2.3.3 Caractérisation stochastique
La description statistique complète du canal porte sur la densité de probabilité ou, de

manière équivalente, sur les moments statistiques de l’ensemble des processus rentrant en
compte. Pratiquement irréaliste au vu des difficultés impliquées, on se contentera de l’ana-
lyse des moments du premier et du second ordre, approche suffisante pour appréhender
le comportement énergétique du milieu.
Cette restriction demeure acceptable pour les liaisons sans fil à courte distance, limi-
tées en puissance, dans des environnements riches en diffuseurs. En effet, on observe, d’une
part, que la richesse des interactions confère un comportement gaussien aux variations à
petite échelle du canal et que, d’autre part, le débit transmis est maximisé, à puissance
d’émission fixée et en présence de bruit additif gaussien, par un signal d’émission gaus-
sien (cf. chapitre 4). Par conséquent, tous les signaux sont modélisés par des processus du
second ordre, entièrement définis par leur moyennes et leur fonctions de corrélation. En
remarquant de plus que, pour les applications en milieu domestique, la ligne de visibilité
directe est très souvent obstruée, on ajoutera l’hypothèse supplémentaire de processus
centrés.
Les expressions obtenues dans la suite sont établies au sein d’une région dans le plan
temps-espace où l’hypothèse de stationnarité au sens large est localement vérifiée. Les
intégrales seront implicitement restreintes à cette zone.
On revient dans un premier temps sur la nature des renseignements fournis par la
statistique au second ordre.
2.3.3.1 Statistiques au second ordre : corrélation, dispersion et cohérence
L’analyse statistique au second ordre, complète pour les processus centrés station-
naires au sens large, tourne autour d’une description énergétique des signaux. Un proces-
sus aléatoire x(v), de paramètre réel scalaire v, est spécifié au second ordre par sa fonction
d’autocorrélation :
R x (∆v) = Ex {x(v)x∗ (v + ∆v)}
ou, de manière équivalente, par sa densité spectrale de puissance (théorème de Wiener-
Khinchine) :
S x (w) = F {R x (∆v)}
Z
= R x (∆v)e−j2πw∆v d∆v
avec ∆v un décalage en v et w la variable duale par transformée de Fourier.
La fonction d’autocorrélation évalue la dépendance linéaire entre différents échan-

tillons du signal x(v) en fonction de leur position de prélèvement relative. La mesure du
support effectif de R x (∆v) donne une indication sur l’intervalle de corrélation du signal,
i.e. la séparation sur l’axe v au-delà de laquelle les valeurs prises par le signal deviennent
faiblement corrélées. Au sens de l’écart-type, cet intervalle est estimé par :
sZ
R x (∆v)
Vcorr = (∆v − µ∆v ) 2 d∆v
R (0)
x
où µ∆v est le barycentre de R x (∆v). On montre que µ∆v = 0 par symétrie hermitienne
de la fonction de corrélation.
La densité de puissance quantifie la répartition dans le domaine dual de l’énergie du

signal. La dispersion de l’énergie, proportionnelle à la taille du support de S x (w), est

calculée au sens de l’écart-type par :

sZ
S x (w)
Wcorr = (w − µw )2 dw
S x (0)
où µw est le barycentre de S x (w).
Intervalle de corrélation et dispersion spectrale sont les deux paramètres extraits par
la statistique au second ordre et seront ainsi très présents dans la suite de cette section.
Ils apportent la même information, exprimée différemment, sur le comportement d’un
processus centré stationnaire au sens large. Plus précisément, on montre que ces deux
grandeurs sont reliées par la relation d’incertitude, dérivée de l’inégalité de Schwartz [16] :
1
Vcorr Wcorr ≥
4π
Cette inégalité implique qu’un processus faiblement corrélé dans un domaine, évoluant
donc rapidement, présente un fort étalement de la puissance dans le domaine dual.
Revenons maintenant sur la nuance existant entre corrélation et cohérence. Le terme

de cohérence a été introduit historiquement dans la discipline de l’optique, où elle fait
référence à l’existence d’une relation déterministe et constante entre les phases des ondes
électromagnétiques au sein d’un faisceau de fréquence unique (lumière cohérente). Par
extension, deux sources optiques sont cohérentes si la différence de phase entre les deux
faisceaux émis est constante, condition nécessaire à l’établissement d’un motif d’interfé-
rence stable.
La théorie de la cohérence a été exportée plus tard à l’analyse des séries temporelles par
Wiener (décompositions harmoniques généralisées [17]). Depuis, le concept de cohérence
est généralement relié à la stabilité ou caractère prévisible d’un processus, i.e. la cohérence
dans un domaine décrit la corrélation entre signaux à différents points de ce domaine. La
définition de la cohérence revêt une forme analogue à la définition de la corrélation :
Corrélation : La corrélation estime le degré de ressemblance, par transformation li-
néaire, entre variables aléatoires. Les relations existant dans un groupe de variables
aléatoires sont mesurées par une matrice de coefficients de corrélation.
Cohérence : La cohérence estime le degré de ressemblance entre processus aléatoires,
au sens de la possibilité de transformer un processus vers un autre par un filtre
linéaire invariant [18, 19].
En résumé, les concepts de cohérence et de corrélation renvoient tous les deux à une
notion de similarité au second ordre mais sont appliqués à des entités différentes, res-
pectivement les processus aléatoires et les variables aléatoires. La terminologie employée
dans la suite tiendra compte de cette nuance.

2.3.3.2 Domaine spatial
Généralités : Deux groupes de fonctions de corrélation peuvent être établis, associés

respectivement à la représentation du premier type de la réponse du canal :
R h (~ro1 , ~ri1 ; ~ro2 , ~ri2 ) = Eh {h(~ro1 , ~ri1 )h∗ (~ro2 , ~ri2 )}

R h (~ro1 , ~ki1 ; ~ro2 , ~ki2 ) = Eh {h(~ro1 , ~ki1 )h∗ (~ro2 , ~ki2 )}
(2.16)
R h (~ko1 , ~ki1 ; ~ko2 , ~ki2 ) = Eh {h(~ko1 , ~ki1 )h∗ (~ko2 , ~ki2 )}
R h (~ko1 , ~ri1 ; ~ko2 , ~ri2 ) = Eh {h(~ko1 , ~ri1 )h∗ (~ko2 , ~ri2 )}
et du second type :
R h (~r1 , ρ~1 ; ~r2 , ρ ~1 )h∗ (~r2 , ρ

~2 ) = E{h(~r1 , ρ ~2 )}
R h (~r1 , ~k1 ; ~r2 , ~k2 ) = Eh {h(~r1 , ~k1 )h∗ (~r2 , ~k2 )}
(2.17)
R h (~kd1 , ~k1 ; ~kd2 , ~k2 ) = Eh {h(k~d1 , ~k1 )h∗ (k~d2 , ~k2 )}
R h (~kd1 , ρ~1 ; ~kd2 , ρ~2 ) = Eh {h(~kd1 , ρ
~1 )h∗ (~kd2 , ρ~2 )}
Le passage entre les différentes fonctions s’effectue, au sein de chaque groupe, par
transformées de Fourier bidimensionnelles successives, comme schématisé sur les figures (2.9)
et (2.10).
R h (~ro1 , ~ri1 ; ~ro2 , ~ri2 )
F ~ro1 ,~ro2 F ~ri1 ,~ri2
R h (~ko1 , ~ri1 ; ~ko2 , ~ri2 ) R h (~ro1 , ~ki1 ; ~ro2 , ~ki2 )
F ~ri1 ,~ri2 F ~ro1 ,~ro2
R h (~ko1 , ~ki1 ; ~ko2 , ~ki2 )
~ri1 , ~ri2 : positions d’émission ~ki1 , ~ki2 : pulsations spatiales en émission

~ro1 , ~ri2 : positions de réception ~ko1 , ~ko2 : pulsations spatiales en réception
Fig. 2.9: Fonctions de corrélation spatiale du canal du premier type
Les fonctions de corrélation du canal (2.16) et (2.17) jouent le rôle de réponse du

canal pour des signaux aléatoires en entrée et en sortie stationnaires au sens large, au
R h (~r1 , ρ~1 ; ~r2 , ρ~2 )
F ~r1 ,~r2 F ρ~1 ,~ρ2
R h (~kd1 , ρ~1 ; ~kd2 , ρ~2 ) R h (~r1 , ~k1 ; ~r2 , ~k2 )
F ρ~1 ,~ρ2 F ~r1 ,~r2
R h (~kd1 , ~k1 ; ~kd2 , ~k2 )
~r1 , ~r2 : positions de réception ~kd1 , ~kd2 : Doppler spatial

ρ~1 , ρ~2 : translations spatiales ~k1 , ~k2 : pulsations spatiales
Fig. 2.10: Fonctions de corrélation spatiale du canal du second type
même titre que les réponses impulsionnelles (2.8) et (2.9) pour les signaux déterministes.
Par exemple, les autocorrélations spatiales en émission et en réception sont reliées par
l’expression :
ZZ
R y (~ro1 , ~ro2 ) = R h (~ro1 , ~ri1 ; ~ro2 , ~ri2 ) R x (~ri1 , ~ri2 ) d3 ri1 d3 ri2
Des équations analogues existent pour les autres fonctions de corrélation du canal.
Représentation conjointe espace-pulsation : L’hypothèse de stationnarité au sens

large n’est malheureusement vérifiée que sur des zones de dimensions finies entourant
les positions d’émission et de réception, situation à laquelle les outils mathématiques
présentés ci-dessus se révèlent peu adaptés. Bien qu’utilisables en adaptant les bornes
d’intégration en conséquence, la notion de localisation est perdue lors du passage dans
le domaine des pulsations spatiales. Pour la faire apparaı̂tre explicitement et pouvoir
interpréter les résultats en terme de diagramme de rayonnement, on se tourne vers la
transformée de Wigner-Ville généralisée des signaux, définie par :
Z
~
W̄ x (~r, ~k) = R x ~r − 21 ρ ~ ej k·~ρ d3 ρ
~, ~r + 12 ρ
Les distributions des signaux d’entrée et de sortie sont reliées par :

ZZ
~
W̄ y (~ro , ko ) = W̄ h (~ro , ~ko ; ~ri , ~ki )W̄ x (~ri , ~ki ) d3 ri d3 ki

où W̄ x (~ri , ~ki ) et W̄ y (~ro , ~ko ) sont les transformées des signaux émis et reçu et W̄ h (~ro , ~ko ; ~ri , ~ki )
la transformée de Wigner-Ville de la fonction de transfert donnée par :
W̄ h (~ro , ~ko ; ~ri , ~ki ) = E{W h (~ro , ~ko ; ~ri , ~ki )}
ZZ
~ ~
= R h (~ro + 12 ρ ~o , ~ri + 12 ρ
~i ; ~ro − 12 ρ ~i )ej2π(ko ·~ρo −ki ·~ρi ) d3 ρi d3 ρo
~o , ~ri − 12 ρ
La réponse spatiale du canal est à nouveau fonction des positions de l’émetteur et du

récepteur et ses propriétés peuvent être appréhendées en jouant sur les deux variables de
positions.
Extraction de paramètres caractéristiques du canal : En synthétisant l’ensemble

des questions que l’on peut se poser, on dénombre quatre expériences de caractérisation
fondamentales : émetteur mobile et récepteur fixe, émetteur fixe et récepteur mobile,
émetteur et récepteur mobiles et, finalement, émetteur et récepteur fixes. Chaque scénario
dévoile un aspect différent du canal.
Expérience 1 : Emetteur mobile – récepteur fixe
Commençons par le cas de figure où la position de l’émetteur varie alors que le ré-
cepteur reste fixe (cf. figure (2.11)). La question intéressante, rencontrée lors du dimen-
sionnement des systèmes à diversité spatiale d’émission, est d’estimer l’écart suffisant
entre deux positions de l’émetteur pour assurer la décorrélation des signaux au niveau du
récepteur.
Pour cela, l’émetteur transmet successivement deux impulsions, à deux positions dif-
férentes, dans le voisinage de ~ri , que le récepteur, placé en ~ro , collecte. Les deux points
d’émission sont supposés suffisamment proches pour que l’hypothèse de stationnarité au
sens large soit vérifiée, auquel cas la statistique d’ordre deux des signaux ne dépend que
du vecteur de translation entre les deux points. On en déduit la fonction de corrélation
en réception et la densité spectrale de puissance associée :
R x1 ,x2 ;y (~ρi , ~ro , ~ri ) = Eh {h(~ro , ~ri + ρ ~i1 )h∗ (~ro , ~ri + ρ ~i2 )}
Z
~
W̄ x1 ,x2 ;y (~ki , ~ro , ~ri ) = R x1 ,x2 ;y (~ ρi , ~ro , ~ri )ej ki ·~ρi d3 ρi
où ρ
~i = ρ~i2 − ρ
~i1 est le vecteur de déplacement. Les indices x1 , x2 et y font référence au
fait qu’il y a deux positions d’émission contre une seule de réception.
Distance de corrélation en émission : La distance de corrélation en émission définit

la séparation nécessaire entre deux antennes d’émission, centrées sur la position ~ri , pour
qu’un capteur placé en ~ro reçoive des copies décorrélées des signaux transmis. Elle dépend
de l’axe de déplacement de l’émetteur.
D’un point de vue mathématique, l’information de corrélation est obtenue en estimant

l’occupation de la fonction de corrélation R x1 ,x2 ;y (~
ρi , ~ro , ~ri ). En imprimant un mouvement
de l’émetteur sur un axe repéré par le vecteur unitaire ~eu , on capte la corrélation spatiale
pour cet axe à partir de la fonction réduite R x1 ,x2 ;y (ρi,u , ~ro , ~ri ), où la dépendance vecto-
rielle en ρ
~ s’est effondrée en une dépendance scalaire sur la projection ρi,u , ρ ~i = ρi,u~eu .
La distance de corrélation est conditionnée par la méthode de mesure. Par exemple,

la distance évaluée à α% de la corrélation normalisée est donnée par :

(α) | R x1 ,x2 ;y (ρi,u , ~ro , ~ri )|
DcorTx (~ro , ~ri )u = sup δ | min ≥α (2.18)
|ρi,u |<δ | R x1 ,x2 ;y (0, ~ro , ~ri )|
alors que sa mesure au sens de l’écart-type s’exprime :
R 2 !1/2
ρ | R x ,x ;y (ρ i,u , ~
r o , ~
r i )| dρ i,u
RMS
DcorTx (~ro , ~ri )u = R i,u 1 2
(2.19)
| R x1 ,x2 ;y (ρi,u , ~ro , ~ri )| dρi,u
où l’on a utilisé le fait que les processus d’évanouissements sont centrés. Le rôle des déno-
minateurs dans les équations (2.18) et (2.19) est de normaliser l’expression par rapport
à la puissance du signal.
~ro δ(~ri + ρ~i2 )

δ(~ri + ρ~i1 ) x1
Observation
x2
~ri ~ri + ρ~i2
~ri + ρ~i1
Région de corrélation en émission

~eu
Région de stationnarité au sens large
Fig. 2.11: Expérience conduisant à la notion de distance de corrélation en émission
Dispersion spectrale en émission : La dispersion spectrale en émission mesure l’éta-

lement spectral de la réponse impulsionnelle vu depuis l’émetteur, situé dans le voisinage
de ~ri , pour communiquer avec le récepteur en ~ro . Elle correspond au support effectif de
la densité de puissance W̄ x1 ,x2 ;y (~ki , ~ro , ~ri ).
Lorsque l’émetteur se déplace selon l’axe ~eu , la dépendance vectorielle au vecteur

d’onde d’émission ~ki est réduite au profit d’une dépendance scalaire à la valeur projetée
ki,u = ~ki · ~eu . La dispersion au sens de l’écart-type est définie par :
R !1/2
RMS (ki,u − mki,u )2 W̄ x1 ,x2 ;y (ki,u , ~ro , ~ri ) dki,u
KspreadTx (~ro , ~ri )u = R (2.20)
W̄ x ,x ;y (ki,u , ~ro , ~ri ) dki,u
1 2
R
où mki,u = ki,u W̄ x1 ,x2 ;y (ki,u , ~ro , ~ri ) dki,u .
Corrélation spatiale et dispersion spectrale en émission sont deux phénomènes duals,

i.e. Dcor (~ro , ~ri )u ∝ Kspread (~ro , ~ri )−1
u pour la direction ~
eu . Bien que le passage de la pul-
sation spatiale au domaine angulaire soit non linéaire, cette dualité signifie qu’une petite
distance de cohérence implique généralement un étalement angulaire important et inver-

sement un étalement angulaire faible correspond à une distance de cohérence grande.
Pour la conception d’un système de communication, il est raisonnable de supposer que

la distance de corrélation et la dispersion exhibent des variations suffisamment douces
suivant le changement de direction. Dans le cas où elles sont différentiables, i.e. dans les
cas où elles admettent une approximation linéaire, la connaissance des composantes sur
une base du domaine spatial est suffisante. On peut alors définir les vecteurs de corrélation
et de dispersion sur la base canonique :
 
Dcor (~ro , ~ri )x
~ corTx (~ro , ~ri ) = Dcor (~ro , ~ri )y 
D
Dcor (~ro , ~ri )z
et :
 
Kspread (~ro , ~ri )x
~ spreadTx (~ro , ~ri ) = Kspread (~ro , ~ri )y 
K
Kspread (~ro , ~ri )z
Cette description vectorielle n’est pas une surprenante puisque l’espace possède trois
dimensions, contrairement au domaine temporel unidimensionnel. Cette observation est
valable pour toutes les grandeurs dérivées dans la suite de cette section.
Expérience 2 : Emetteur fixe – récepteur mobile
La seconde expérience, où le récepteur prend plusieurs positions et l’émetteur reste

fixe, est la contrepartie de la première et fournit les mesures réciproques en réception. Il
s’agit ici d’estimer la distance nécessaire entre deux positions du récepteur pour recevoir
des copies décorrélées (cf. figure (2.12)), problème type posé pour un système à diversité
spatiale de réception.
Le récepteur reçoit successivement, à deux positions différentes, une impulsion trans-

mise par l’émetteur immobile, dont il retire la fonction de corrélation en réception et la
densité spectrale associée :
R x;y1 ,y2 (~ ~o1 , ~ri )h∗ (~ro + ρ

ρo , ~ro , ~ri ) = Eh {h(~ro + ρ ~o2 , ~ri )}
Z
~
W̄ x;y1 ,y2 (~ko , ~ro , ~ri ) = R x;y1 ,y2 (~
ρo , ~ro , ~ri )ej ko ·~ρo d3 ρo
où ρ
~o = ρ
~o2 − ρ
~o1 est un déplacement dans le voisinage du point de réception.
Distance de corrélation en réception : La distance de corrélation en réception est

la mesure réciproque de la distance de corrélation en émission. Elle définit la distance
nécessaire entre deux capteurs, centrés sur la position ~ro , pour recevoir deux copies suffi-
samment décorrélées d’un signal émis par une antenne située en ~ri (cf. figure (2.12)). La
fonction de corrélation considérée ici est R x;y1 ,y2 (~
ρo , ~ro , ~ri ).
La largeur du support évaluée à α% de la corrélation maximale est :

(α) | R x;y1 ,y2 (ρo,u , ~ro , ~ri )|
DcorRx (~ro , ~ri )u = sup δ min ≥α (2.21)
|ρo,u |<δ | R x;y1 ,y2 (0, ~ro , ~ri )|
et au sens de l’écart-type :
R !1/2
ρ2 | R (ρu , ~ro , ~ri )| dρo,u
RMS
DcorRx (~ro , ~ri )u = R o,u x;y1 ,y2 (2.22)
| R x;y1 ,y2 (ρo,u , ~ro , ~ri )| dρo,u
~eu ~ro + ρ~i2

~ro + ρ~i1
δ(~ri )
ρ~o
Région de corrélation en réception Emetteur

Zone de stationnarité au sens large
Fig. 2.12: Expérience conduisant à la notion de distance de corrélation en réception
Dispersion spectrale en réception : La dispersion spectrale en réception est la me-

sure réciproque décrivant la réponse angulaire en réception, dans le voisinage de ~ro , à une
impulsion émise en ~ri . La dispersion au sens de l’écart-type, similaire à l’expression (2.20),
s’écrit :
R !1/2
(k − m )2 |W̄ (k , ~
r , ~
r )| dk
RMS o,u k o,u x;y ,y
1 2 o,u o i o,u
KspreadRx (~ro , ~ri )u = R (2.23)
|W̄ x;y1 ,y2 (ko,u , ~ro , ~ri )| dko,u
R
où ko,u = ~ko · ~eu et mko,u = ko,u |W̄ x1 ,x2 ;y (ko,u , ~ro , ~ri )| dko,u .
De même qu’en émission, on observe que corrélation spatiale et dispersion spectrale

en réception sont inversement proportionnelles, Dcor (~ro , ~ri )u ∝ KspreadRx (~ro , ~ri )−1
u .
Expérience 3 : Emetteur mobile – récepteur mobile
On considère à présent le cas où les positions de l’émetteur et du récepteur varient

simultanément d’un même vecteur de translation (cf. figure (2.13)). En mesurant la ré-
ponse du milieu pour différents couples de positions, il est possible d’estimer la distance
de cohérence du canal, i.e. la distance sur laquelle les conditions de propagation restent
sensiblement inchangées. Cette grandeur joue un rôle primordiale dans le dimensionne-
ment des systèmes à formation de faisceau, pour lesquels les fronts d’onde doivent rester
cohérents sur l’étendue des réseaux d’antennes.
La première mesure est effectuée pour un jeu de positions, puis la seconde en décalant
émetteur et récepteur d’un même vecteur de translation. Sous l’hypothèse de stationnarité
locale au sens large, la statistique au second ordre du canal ne dépend que du décalage
entre les deux mesures. La fonction de corrélation et la densité de puissance associée sont
données par :
R x1 ,y1 ;x2 ,y2 (~ρ, ~ro , ~ri ) = Eh {h(~ro + ρ

~o + ρ ~, ~ri + ρ ~i + ρ ~)h∗ (~ro + ρ
~o , ~ri + ρ
~i )}
Z
~
W̄ x1 ,y1 ;x2 ,y2 (~k, ~ro , ~ri ) = R x1 ,y1 ;x2 ,y2 (~
ρ, ~ro , ~ri )ej k·~ρ d3 ρ
où ρ
~ est le vecteur de déplacement de l’émetteur et du récepteur.
Distance de cohérence locale : La distance de cohérence locale mesure l’étendue

minimale du voisinage autour des positions d’émission et de réception sur laquelle l’hy-
pothèse de cohérence est approchée. La notion de cohérence correspond à l’invariance
de la réponse du canal à une même translation arbitraire de l’émetteur et du récepteur.
En d’autres termes, au sein du volume spatial de cohérence, le signal mesuré pour une
antenne d’émission en ~ro + ρ
~ et une antenne de réception en ~ri + ρ
~ est indépendant du
vecteur de décalage ρ
~.
La distance de cohérence, suivant une direction ~eu , est estimée à partir de l’étalement
de la fonction de corrélation réduite R x1 ,y1 ;x2 ,y2 (ρu , ~ro , ~ri ), où ρ
~ = ρu~eu .
La distance à α% de la corrélation maximale est obtenue comme :

(α) | R x1 ,y1 ;x2 ,y2 (ρu , ~ro , ~ri )|
Dcoh (~ro , ~ri )u = sup δ min ≥α
|ρu |<δ | R x1 ,y1 ;x2 ,y2 (0, ~ro , ~ri )|
et la distance au sens de l’écart-type comme :

R 2 1/2
ρ | R x1 ,y1 ;x2 ,y2 (ρu , ~ro , ~ri ) dρu
RMS
Dcoh (~ro , ~ri )u = R u
| R x1 ,y1 ;x2 ,y2 (ρu , ~ro , ~ri )| dρu
δ(~ri + ρ~i + ρ~)
δ(~ri + ρ~i )
~ri
~ri + ρ~i + ρ~
~ri + ρ~i
~ro
~ro + ρ~o + ρ~
Région de cohérence ~ro + ρ~o
~eu
Fig. 2.13: Expérience conduisant à la notion de distance de cohérence

Dispersion Doppler en pulsation spatiale : Le phénomène résultant de la perte de

cohérence spatiale est un étalement dans le domaine des vecteurs d’onde. Cet étalement
est mesuré par l’occupation de la fonction de densité de puissance W x1 ,y1 ;x2 ,y2 (~k, ~ro , ~ri ).
La dispersion Doppler, associée à l’axe ~eu , s’exprime, au sens de l’écart-type, par :

R 1/2
RMS (ku − mku )2 |W̄ x1 ,y1 ;x2 ,y2 (ku , ~ro , ~ri )| dku
KDop (~ro , ~ri )u = R
|W̄ x1 ,y1 ;x2 ,y2 (ku , ~ro , ~ri )| dku
où l’on a ~k = ku~eu .
Distance de cohérence et dispersion Doppler sont des mesures associées,

Dcoh (~ri , ~ro )u ∝ KDop (~ri , ~ro )−1
u . Un faible étalement Doppler implique une grande dis-
tance de cohérence et, à l’inverse, une petite distance de cohérence une dispersion Doppler
élevée.
Expérience 4 : Emetteur fixe – récepteur fixe
La dernière expérience à étudier est celle où les positions de l’émetteur et du récepteur
restent fixes, immobilité rendant impossible l’évaluation d’une quelconque fonction de
corrélation spatiale, par opposition aux trois cas précédents. L’analyse des phénomènes
de corrélation est donc nécessairement reportée dans le domaine des pulsations spatiales.
Précédemment, le concept de cohérence spatiale a été dégagé en observant l’évolution

du canal pour une même translation spatiale de l’émetteur et du récepteur. La notion
duale dans le domaine spectral, i.e. la bande de cohérence en pulsation spatiale, est dérivée
à partir d’un système émettant et recevant sur la même pulsation spatiale et en examinant
la corrélation en réception pour différents vecteurs d’onde. Ce concept intervient dans les
systèmes à diversité de rayonnement.
L’émetteur transmet successivement deux signaux monochromatiques, de pulsations

~k et ~k + ~κ. En captant les signaux reçus sur ces deux mêmes pulsations, le récepteur
détermine la corrélation introduite en pulsation spatiale par le canal. Sous l’hypothèse de
stationnarité au sens large, la statistique au second ordre ne dépend que de l’écart entre
les deux vecteurs d’onde et l’on peut définir les fonctions de corrélation en pulsation, ainsi
que le spectre associé en espace par :
R W x1 ,W y1 ;W x2 ,W y2 (~κ, ~ro , ~ri ) = EW h {W h (~ro , ~k + ~κ; ~ri , ~k + ~κ) W ∗h (~ro , ~k; ~ri , ~k)}
Z
W W x1 ,W y1 ;W x2 ,W y2 (~ρ, ~ro , ~ri ) = R W x1 ,W y1 ;W x2 ,W y2 (~κ, ~ro , ~ri )ej~κ·~ρ d3 κ
où l’on rappelle que W h (~ro , ~ko ; ~ri , ~ki ) est la réponse du canal, au point ~ro , pour la pulsation
~ko à une pulsation pure ~ki transmise à la position ~ri .
Bande de cohérence en pulsation spatiale : La cohérence du canal en pulsation

spatiale, duale de la cohérence en espace, quantifie la corrélation de l’effet du canal

~k2
~ri
~k1
~ro
Fig. 2.14: Expérience conduisant à la notion de bande de cohérence en pulsation spatiale
sur plusieurs pulsations spatiales. Elle correspond à la largeur du lobe de la fonction

R W x1 ,W y1 ;W x2 ,W y2 (~κ, ~ro , ~ri ).
La bande de cohérence en pulsation est donnée comme :

( )
| R W x1 ,W y1 ;W x2 ,W y2 (κu , ~ro , ~ri )|
(α)
Kcoh (~ro , ~ri )u = sup δ min ≥α
|κu |<δ | R W x1 ,W y1 ;W x2 ,W y2 (0, ~ro , ~ri )|
et au sens de l’écart-type comme :

R !1/2
κ2 | R (κu , ~ro , ~ri )| dκu
RMS
Kcoh (~ro , ~ri )u = R u W x1 ,W y1 ;W x2 ,W y2
| R W x1 ,W y1 ;W x2 ,W y2 (κu , ~ro , ~ri )| dκu
Etalement spatial : La bande de cohérence en pulsation spatiale du canal est

l’image de la disposition des obstacles efficaces sur le chemin de propagation de l’onde.
Par obstacle efficace, on entend un réflecteur contribuant de manière non négligeable
au signal reçu. Pour cela, un objet doit être éclairé par l’émetteur et réfléchir suffi-
samment d’énergie en direction du récepteur. L’étalement de la densité de puissance
W W x1 ,W y1 ;W x2 ,W y2 (~
ρ, ~ro , ~ri ) apporte une indication sur la localisation spatiale de ces ré-
flecteurs, information que l’on peut appeler étalement spatial du canal.
Ainsi, l’écart-type de l’étalement spatial mesuré a pour expression :

R !1/2
(ρ − m )2| W (ρ , ~
r , ~
r )| dρ
RMS u ρ u W x1 ,W y1 ;W x2 ,W y2 u o i u
Dspread (~ro , ~ri )u = R
| W W x1 ,W y1 ;W x2 ,W y2 (ρu , ~ro , ~ri )| dρu
R
où ρu = ρ
~ · ~eu et m~ ρ = ρu | W W x1 ,W y1 ;W x2 ,W y2 (ρu , ~ro , ~ri )| dρu .
Ici encore, on montre que l’étalement spatial et la bande de cohérence en pulsation

spatiale sont des grandeurs duales, Kcoh (~ro , ~ri )u ∝ Dspread (~ro , ~ri )−1
u .

Remarques finales : Le tableau(2.3), situé en fin de chapitre, résume l’ensemble des

notions vues dans cette section et rappelle les applications typiques associées. On souligne
l’existence de deux groupes de paramètres complémentaires, point à volume ou volume
à volume, capables chacun d’appréhender complètement le comportement énergétique
du canal de propagation. Ils prendront tout leur sens, dans le chapitre suivant, comme
supports à la conception de système de communication à réseau d’antennes.
2.3.3.3 Domaine temporel
Les relations décrivant la statistique temporelle au second ordre du canal sont regrou-
pées en deux ensembles :
R h (t1 , τ1 ; t2 , τ2 ) = Eh {h(t1 , τ1 )h∗ (t2 , τ2 )}

R h (t1 , f1 ; t2 , f2 ) = Eh {h(t1 , f1 )h∗ (t2 , f2 )}
(2.24)
R h (fd1 , f1 ; fd2 , f2 ) = Eh {h(fd1 , f1 )h∗ (fd2 , f2 )}
R h (fd1 , τ1 ; fd2 , τ2 ) = Eh {h(fd1 , τ1 )h∗ (fd2 , τ2 )}
et :
R h (to1 , ti1 ; to2 , ti2 ) = Eh {h(to1 , ti1 )h∗ (to2 , ti2 )}
R h (to1 , fi1 ; to2 , fi2 ) = Eh {h(to1 , fi1 )h∗ (to2 , fi2 )}
(2.25)
R h (fo1 , fi1 ; fo2 , fi2 ) = Eh {h(fo1 , fi1 )h∗ (fo2 , fi2 )}
R h (fo1 , ti1 ; fo2 , ti2 ) = Eh {h(fo1 , ti1 )h∗ (fo2 , ti2 )}
Les fonctions de corrélation des signaux d’entrée et de sortie sont reliées, dans le cas
général, par des équations du type :
ZZ
R y (t1 ; t2 ) = R h (t1 , τ1 ; t2 , τ2 ) R x (t1 − τ1 ; t2 − τ2 ) dτ1 dτ2
Les expériences développées dans la section précédente peuvent être facilement adap-
tées au domaine temporel pour caractériser la statistique au second ordre du canal. Les
analogies entre mesures temporelles et spatiales sont évidentes et s’enrichissent mutuel-
lement pour aider à une compréhension équivalente des deux domaines, a priori biaisée
par notre perception (cf. équation(2.7)).
Un résumé des principaux résultats est proposé par le tableau (2.4) en fin de chapitre.
Expérience 1 : Instant d’émission variable – instant de réception fixe

Expérience 2 : Instant d’émission fixe – instant de réception variable
Les deux premières expériences conduisent aux notions de temps de corrélation en

émission et en réception, ainsi qu’aux dispersions spectrales duales. Cette connaissance
est essentielle aux systèmes de transmission reposant sur des mécanismes de répétition

ou de recombinaison cherchant à exploiter les diversités temporelles d’émission et de

réception.
En supposant que l’hypothèse de stationnarité au sens large est vérifiée dans les deux
cas, on constitue deux groupes de fonctions :
R x1 ,x2 ;y (τi , to , ti ) = Eh {h(to , ti − 12 τi )h∗ (to , ti + 12 τi )}
Z
W̄ x1 ,x2 ;y (fi , to , ti ) = R x1 ,x2 ;y (τi , to , ti )e−j2πfi τi dτi
et
R x;,y1 ,y2 (τo , to , ti ) = Eh {h(to − 21 τo , ti )h∗ (to + 12 τo , ti )}

Z
W̄ x;y1 ,y2 (fo , to , ti ) = R x;y1 ,y2 (τo , to , ti )e−j2πfo τo dτo
dont l’évaluation des supports de chaque fonction aboutit aux quatre paramètres présentés
ci-dessous.
Temps de corrélation en émission :

R 2 1/2
RMS τi | R x1 ,x2 ;y (τi , to , ti )| dτi
TcorTx (to , ti ) = R
| R x1 ,x2 ;y (τi , to , ti )| dτi
Dispersion spectrale en émission :

R 1/2
RMS (fi − mfi )2 |W̄ x1 ,x2 ;y (fi , to , ti )| dfi
FspreadTx (to , ti ) = R
|W̄ x1 ,x2 ;y (fi , to , ti )| dfi
Temps de corrélation en réception :

R 2 1/2
τ | R x;,y1 ,y2 (τo , to , ti )| dτo
RMS
TcorTx (to , ti ) = Ri
| R x;,y1 ,y2 (τo , to , ti )| dτo
Dispersion spectrale en réception :

R 1/2
RMS (fo − mfo )2 |W̄ x;,y1 ,y2 (fo , to , ti )| dfo
FspreadRx (to , ti ) = R
|W̄ x;,y1 ,y2 (fo , to , ti )| dfo
R R
où l’on a défini mfi = fi |W̄ x1 ,x2 ;y (fi , to , ti )| dfi et mfo = fo |W̄ x;,y1 ,y2 (fo , to , ti )| dfo
Expérience 3 : Instants d’émission et de réception variables

Expérience 4 : Instants d’émission et de réception fixes
Les expériences 3 et 4 ont déjà été largement traitées dans la littérature [4] et servent
de référence au dimensionnement de tout système de communication. On abandonnera
l’approche suivie jusqu’à présent pour retrouver la présentation classique.
Le canal sera supposé stationnaire au sens large (WSS — Wide Sens Stationary) à
diffuseurs décorrélés (US — Uncorrelated Scattering) :
Stationnarité au sens large (hypothèse WSS) : Les statistiques sont invariantes
pendant un intervalle de temps donné. Cette hypothèse implique la décorrélation
des perturbations liées à des diffuseurs élémentaires affectés de décalages Doppler
différents.
Diffuseurs non corrélés (hypothèse US) : Les perturbations liées à des diffuseurs
élémentaires avec des décalages temporels différents sont décorrélées. Cette hypo-
thèse implique la stationnarité en fréquence.
Ces deux hypothèses sont souvent posées, conduisant à des simplifications significatives
dans l’écriture des relations entrée-sortie. Elles sont généralement vérifiées pour les com-
munications sans fil à courte distance, le cas qui nous intéresse ici.
Lorsque les conditions WSS et US sont réunies, les fonctions de corrélation 2.25
s’écrivent :
R h (t1 , τ1 ; t2 , τ2 ) = δ(τ2 − τ1 )Ph (t2 − t1 , τ1 )

R h (fd1 , f1 ; fd2 , f2 ) = δ(fd1 − fd2 )Ph (fd1 , f2 − f1 )
R h (fd1 , τ1 ; fd2 , τ2 ) = δ(fd1 − fd2 )δ(τ2 − τ1 )Ph (fd1 , τ1 )
R h (t1 , f1 ; t2 , f2 ) = R h (t2 − t1 , f2 − f1 )
où Ph (t2 − t1 , τ1 ), Ph (fd1 , f2 − f1 ) et Ph (fd1 , τ1 ) s’interprètent comme les densités de

puissance en temps-retard, fréquence-Doppler, retard-Doppler et où R h (t2 − t1 , f2 − f1 )
est la fonction d’autocorrélation temps-fréquence. Ces quatre fonctions sont reliées par
transformées de Fourier, comme illustré par la figure (2.15).
Ph (∆t, τ )
F ∆t Fτ
Ph (fd , τ ) R h (∆t, ∆f )
Fτ F ∆t
Ph (fd , ∆f )
Fig. 2.15: Fonctions de corrélation temporelle d’un canal stationnaire au sens large et à diffuseurs
décorrélés
La réponse temporelle du canal WSSUS est entièrement caractérisée par l’une quel-
conque de ces quatre fonctions, le plus souvent le spectre en retard-Doppler Ph (τ, fd ) ou
la fonction d’autocorrélation en temps-fréquence R h (t2 − t1 , f2 − f1 ). Ces deux fonctions
apportent respectivement des renseignements sur l’étalement de l’énergie et la cohérence

du canal en temps et en fréquence.
A priori, les différents domaines sont interdépendants et il n’est pas possible de les
traiter séparément. Cependant, pour la plupart des milieux de propagation rencontrés,
il est suffisant, au prix d’une erreur négligeable, d’examiner les fonctions suivant chaque
axe pour extraire les informations essentielles [20]. On passe donc aux fonctions réduites
du canal :
Ph (τ ) = Ph (τ, fd )|fd =0
Ph (fd ) = Ph (τ, fd )|τ =0
R h (∆f ) = R h (∆t, ∆f )|∆t=0
R h (∆t) = R h (∆t, ∆f )|∆f =0
Les paramètres de dispersion et de corrélation en temps sont estimés à partir des

supports de ces quatre fonctions réduites. On remarque que la notion de localisation, en
l’occurrence temporelle, a disparu, par contraste avec l’ensemble des autres paramètres
établi précédemment. La raison provient de la stationnarité au sens large globale, et non
plus locale, impliquée par l’hypothèse WSSUS.
Etalement temporel :
R 1/2
RMS (τ − mτ )2 Ph (τ ) dτ
Tspread = R
Ph (τ ) dτ
Bande fréquentielle de cohérence :

R 1/2
RMS ∆f 2 | R h (∆f )| d∆f
Fcoh = R
| R h (∆f )| d∆f
Etalement Doppler :
R 1/2
RMS (fd − mfd )2 Ph (fd ) dfd
FDop = R
Ph (fd ) dfd
Temps de cohérence :
R 1/2
RMS ∆t2 | R h (∆t)| d∆t
Tcoh = R
| R h (∆t)| d∆t
R R
où l’on a défini mτ = τ Ph (τ ) dτ et mfd = fd Ph (fd ) dfd .

2.4 Modèles du canal
Après avoir identifié les phénomènes physiques à l’œuvre dans la propagation radio-
électrique et proposé une série de paramètres caractéristiques, il reste à élaborer des
modèles de canal, donnant une représentation mathématique aussi fidèle que possible de
la réalité.
Les modèles de canaux se scindent en deux grandes familles, les approches détermi-
nistes et statistiques, auxquelles s’ajoutent les méthodes hybrides :
Modèles déterministes : Les modèles déterministes sont définis par le traitement pu-
rement déterministe des paramètres de l’environnement : position des diffuseurs et
interactions du signal avec les obstacles. La propagation de l’onde est considérée
spéculaire et la réponse du canal est calculée par une approche géométrique de
lancer de rayons. L’intérêt majeur de ces modèles est leur interprétation physique
évidente. Ils présentent cependant un manque de flexibilité flagrant dans le choix des
paramètres, obligeant à refondre entièrement le modèle pour des environnements
différents. La description déterministe des interactions est également discutable.
Modèles stochastiques : Les modèles stochastiques se détachent de la description géo-
métrique pour traiter les paramètres du canal à partir de distributions statistiques.
Une distribution quelconque peut être affectée à chaque paramètre, fournissant ainsi
une flexibilité maximale. La contrepartie est la difficulté à choisir le type de des-
cription approprié pour un milieu donné, ce problème étant résolu en pratique par
des campagnes de mesures extensives.
Modèles stochastiques géométriques : Les modèles stochastiques géométriques [21],
ou modèles semi-statistiques, décrivent de manière statistique la cartographie des
diffuseurs. Ils retiennent l’aspect géométrique simple, propre aux modèles purement
déterministes, et la flexibilité inhérente aux modèles géométriques, tout en évitant
le recours à des mesures exhaustives.
Cette section propose une introduction succincte à la modélisation de la réponse du
canal. Présenter un état de l’art des modèles de canaux spatio-temporels sort évidemment
du cadre de ce travail (cf. par exemple [22, 23, 24, 25]). Le but recherché ici est de
rattacher à des phénomènes physiques les concepts vus précédemment et de préparer la
transition vers le chapitre suivant où l’on confronte le système de communication au canal
de propagation. Plus précisément, la partie traitant des modèles déterministes propose
une interprétation géométrique de la notion de modes propres. La partie suivante aborde
les modèles statistiques au second ordre, qui, une fois combinés aux paramètres développés
dans la section 2.3.3, joueront un rôle central dans le calcul de débit des systèmes à double
réseau d’antennes.

2.4 Modèles du canal 61
2.4.1 Modèles déterministes
La réponse impulsionnelle, équivalente en bande de base, du canal de transmission est

modélisée par une superposition d’échos discrets [26, 27] :
X
h(~ro , ~ri ; t, τ ) = hp (~ro , ~ri , t)δ(τ − τp (t)) (2.26)
p
où l’écho p est caractérisé par une amplitude complexe hp (~ro , ~ri , t) et un retard τp (t), δ(·)
dénotant la distribution de Dirac. Cette représentation n’est pas strictement rigoureuse
puisque l’existence d’un équivalent en bande de base requiert que le signal, de moyenne
continue nulle, soit à spectre borné par opposition à la discrétisation temporelle des trajets
qui suppose un spectre illimité. L’expression (2.26) ne prend un sens que dans un produit
de convolution avec un signal à bande fréquentielle limitée.
On injecte donc la forme (2.26) dans la relation d’entrée-sortie (2.7) :

XZ
y(~ro , t) = hp (~ro , ~ri , t)x(~ri , t − τp (t)) dτ + n(~ro , t)
p
établie pour un émetteur et un récepteur immobile.
Le canal sera supposé invariant en temps1 afin de simplifier les calculs. L’intégration
en retard se réduit alors à une opération de convolution, que s’exprime dans le domaine
fréquentiel comme :
Z
y(~ro , t) = h(~ro , ~ri , f )x(~ri , f )ej2πf t df + n(~ro , t) (2.27)
P
où h(~ro , ~ri , f ) = p hp (~ro , ~ri ) exp(−2jπf τp ) est la réponse du canal à la fréquence f et
R
x(~ri , f ) = x(~ri , t) exp(−2jπf t) dt le spectre du signal transmis.
Modélisation en champ lointain : La fonction h(~ro , ~ri , f ) ne permet d’aller guère

plus loin dans la description des signaux échangés. Notamment, elle ne donne pas d’infor-
mation sur la structure du champ électromagnétique dans les voisinages de ~ri et ~ro . Une
première solution est d’appliquer une transformée de Fourier sur les variables d’espace :
ZZ ~ ~
h(~ro , ~ri , f ) = h ~ko , ~ki , f ej (ko ·~ro +ki ·~ri ) d3 ko d3 ki (2.28)
où h(~ko , ~ki , f ) résume l’ensemble des interactions énergétiques avec l’environnement d’une
onde plane émise suivant ~ki et reçue suivant ~ko . La décomposition en ondes planes (2.28)
de la réponse du canal évoque le mécanisme de propagation par trajets multiples par lequel
le signal transmis emprunte plusieurs chemins caractérisés chacun par une direction de
1
Ces deux hypothèses, i.e. émetteur et récepteur immobiles et absence d’évolution temporelle, de-
meurent raisonnables pour l’application visée. Néanmoins, l’hypothèse d’invariance temporelle n’est pas
nécessaire et le calcul peut être redérivé pour un canal sous-étalé en temps en utilisant les symboles de
Weyl généralisés (cf. section 2.3.2.2).

départ et une direction d’incidence. Cette observation n’est cependant pas entièrement
justifiée pour la raison que l’énergie transmise est répartie sur un continuum d’ondes
planes rendant caduque la notion de chemins de propagation.
La solution à ce problème est à rechercher dans la représentation de Fourier

même [28, 29]. La transformée de Fourier est un opérateur de décomposition en base
orthonormée, caractérisé par la périodicité des fonctions de base (exponentielles com-
plexes). De toute évidence, la transformée hérite des propriétés de cette base. Ainsi, la
décomposition de Fourier est adaptée à la description de structures périodiques mais reste
un outil relativement peu commode lorsque des phénomènes transitoires sont en jeu. Par
exemple, dans le domaine temporel, le spectre obtenu par transformée de Fourier donne
le contenu fréquentiel exact du signal mais perd toute notion de localisation temporelle,
selon le principe d’incertitude qui implique qu’une précision fréquentielle infinie est né-
cessairement couplée à une précision temporelle nulle.
Du point de vue de l’analyse de Fourier, un signal est donc décomposé en deux parties
complémentaires : les composantes périodiques, apparaissant sous forme de raies dans
le spectre, et les composantes apériodiques, constituant le reste du spectre. Lorsque le
signal est vu comme la réponse d’un système linéaire à une excitation donnée, ces deux
parties correspondent respectivement aux réponses en régimes permanent et transitoire
du système. Les signaux observés en régime transitoire ont tendance à se dissiper, ce
qui suggère l’introduction d’une pondération en amplitude des exponentielles complexes
utilisées par la transformée de Fourier. La transformée de Laplace est une généralisation
possible où les fonctions de base sont des exponentielles complexes à croissance ou à
décroissance exponentielles.
Les résultats précédents sont bien connus dans le domaine temporel. Durgin [30] a
montré par analogie qu’ils se retrouvent dans le domaine spatial. En l’absence d’obstacles,
le champ électromagnétique est constitué d’ondes planes homogènes (exponentielles com-
plexes). Les perturbations créées par les obstacles causent l’apparition d’ondes inhomo-
gènes (exponentielles complexes à décroissance exponentielle) à proximité des objets se
dissipant avec l’éloignement. A distance suffisamment grande de tout obstacle (distance
de Fraunhofer), le champ électromagnétique n’est plus constitué que de la superposition
d’ondes planes homogènes et le spectre en vecteurs d’onde associé est un spectre de raies.
On qualifiera cette région de l’espace de zone d’espace libre.
On peut maintenant conclure que le mécanisme de propagation par trajets multiples

est bien défini lorsque les positions ~ri et ~ro sont en champ lointain. En effet, l’expres-
sion (2.28) se réduit à un spectre de raies :
X (p) ~ (p) (p)

~ ~ (p) ro +~kAOD ·~
j kAOA ·~ ri
h(~ro , ~ri , f ) = α kAOA , kAOD , f e (2.29)
p
(p) (p)
où ~kAOD et ~kAOA sont les vecteurs d’onde associés aux directions de départ et d’incidence
du trajet spéculaire p et α(·) un scalaire complexe résumant son interaction avec le milieu
à la fréquence f [6, 22, 23]. La dénomination des vecteurs d’onde (AOA — Angle Of
Arrival, AOD — Angle Of Departure) est inspirée de la littérature utilisée en traitement
d’antennes.
Récepteur
Modélisation à l’interface
champ proche-champ lointain ~kAOA
Obstacle
~kAOD
Zone
champ proche
Emetteur Zone champ lointain :

ondes planes homogènes
Fig. 2.16: Modélisation de la réponse du canal en champ lointain
Les coefficients d’interaction, ainsi que les vecteurs d’onde, reflètent les variations en
fréquence du comportement des diffuseurs. L’expression (2.29), en somme d’exponentielles
complexes, permet d’exprimer cette dépendance par une décomposition en série de Fourier
sans changer la forme globale. On aboutit à :
X (p) ~ (p) (p)

~ ~ (p) ro +~kAOD ·~
j kAOA ·~ ri
h(~ro , ~ri , f ) = α kAOA , kAOD e (2.30)
p
où l’on a conservé les notations de l’équation (2.29). On vérifie que cette relation est en
accord avec le mécanisme de propagation par trajets multiples. Dans la suite, on posera :
(p) (p)
αp , α(~kAOA , ~kAOD ).
Les termes d’onde apparaissant dans la somme (2.30) englobent les échos spéculaires et
diffus. Un signal diffus peut en effet être vu comme un paquet d’ondes planes homogènes
tel que l’énergie convoyée par chaque onde plane soit négligeable devant l’énergie globale.
En champ lointain le nombre de trajets spéculaires P est fini, avec un résidu correspondant
aux composantes diffuses [30] :
P −1
X (p)
j ~kAOA ·~
(p)
ro +~kAOD ·~
ri
h(~ro , ~ri , f ) = αp e + hdiffus (~ro , ~ri , f ) (2.31)
p=0
La contribution des répliques spéculaires représente généralement la partie utile du si-

gnal, la plupart des algorithmes de traitement du signal étant aveugle aux composantes
diffuses [31, 32].
En réintégrant l’équation (2.31) dans la relation d’entrée-sortie (2.27), on voit que la

réponse globale du canal résulte de la superposition fréquentielle de canaux plats possé-
dant leur propre réponse spatiale. Cette observation sera mise à profit par les systèmes
de transmission.
Interprétation de la notion de modes propres : La forme générale du modèle de

canal à trajets multiples et la condition nécessaire pour traiter l’espace indépendamment
du temps ayant été exposées, on cherche à présent à trouver une interprétation physique
au concept de mode propre spatial. Le problème est d’obtenir, à partir de la réponse
fréquentielle du canal (2.30), deux jeux de fonctions orthonormales, en correspondance
bijective, reliées par l’expression (2.10). L’existence de cette décomposition est garantie
par le fait que RR la réponse fréquentielle du canal, de par sa nature même, est de carré
intégrable, i.e. |h(~ro , ~ri , f )|2 d3 ri d3 ro < ∞.
Intuitivement, les exponentielles complexes semblent un choix naturel puisque véri-

fiant la condition d’orthonormalité et apparaissant dans la description du canal en champ
lointain. Les fonctions propres d’entrée doivent épuiser l’ensemble des degrés de liberté
disponibles. Pour un canal à P trajets, choisissons les P exponentielles complexes défi-
nissant les vecteurs d’ondes de départ {ap (~ri )}p avec :

(p)
ap (~ri ) , exp −j~kAOD · ~ri
Reste à savoir s’il est possible de faire correspondre un jeu de fonctions orthonormales en
sortie. La réponse à l’onde plane aq (~ri ) s’écrit :
Z X
~ (q) ~ (p)
bq (~ro ) , h(~ro , ~ri , f )e−j kAOD ·~ri d3 ri = αp ej kAOD ·~ro
p∈Pq
n o
(p) (q)
où Pq = p ∈ [0, P − 1] | ~kAOA = ~kAOA .
Une condition suffisante pour assurer l’orthonormalité des fonctions {bp (~ro )} est que
chaque onde plane incidente corresponde à une unique onde plane émise, i.e. Pq = {q}.
Dans ce cas, les modes propres sont obtenus comme :
up (~ri ) = ap (~ri )
vp (~ro ) = bp (~ri )/ kbp (~ri )k
λp = kbp (~ri )k
On voit ainsi que, au moins dans la mesure où les chemins de propagation sont deux à
deux distincts, les modes propres sont associés aux trajets empruntés par le signal entre
l’émetteur et le récepteur.
2.4.2 Modèles stochastiques et stochastiques géométriques
L’approche déterministe est peu appropriée à l’étude de la propagation à l’intérieur de

bâtiments, environnement considéré dans cette thèse, du fait du nombre considérable de
facteurs nécessaires à une description précise de l’environnement. Le recours à une carac-

térisation statistique apparaı̂t alors plus judicieux car permettant d’acquérir relativement
facilement un ordre de grandeur des paramètres du canal.
La signature spatiale à petite échelle du canal est appréhendée en mesurant les niveaux
de corrélation entre les réponses impulsionnelles prélevées en différents points d’une région
donnée. En l’absence de sélectivités fréquentielle et temporelle, l’influence du canal se
réduit à un simple affaiblissement du signal. En regroupant les coefficients d’atténuations
ainsi obtenus, on forme la matrice H ∈ CNR ×NT :
 
h(~ro,1 , ~ri,1 ) . . . h(~ro,1 , ~ri,NT )
 .. .. .. 
H= . . . 
h(~ro,NR , ~ri,1 ) . . . h(~ro,NR , ~ri,NT )
où {~ri,m }N T
m=1 est l’ensemble des NT points d’émission, {~ ro,n }N R
n=1 celui des NR points
de réception et h(~ro,m , ~ri,n ) la réponse impulsionnelle réduite du canal. La matrice de
corrélation associée s’écrit :
RH = EH {vec(H) vec(H)H } (2.32)
 
h(~ro,1 , ~ri,1 ) . . . h(~ro,1 , ~ri,NT )
 .. ... .. 
 . . =H Région de réception
h(~ro,NR , ~ri,1 ) . . . h(~ro,NR , ~ri,NT )
~ro,m
Région d’émission
n
)
m
, ~r i,
o,
h(~r
~ri,n
RH = EH {vec(H) vec(H)H }
Fig. 2.17: Modélisation statistique du canal de propagation — Définition d’une matrice de cor-
rélation spatiale
L’expression générale des coefficients de corrélation est complexe à établir (cf. [33]).
Pour faciliter le traitement analytique [34, 35] et avoir un modèle de simulation simple avec
des paramètres issus de la mesure [36], il est courant de modéliser la corrélation spatiale
en émission et en réception séparément. La corrélation entre les différentes réponses est
alors égale à :
E{h(~ro,l , ~ri,p )h(~ro,m , ~ri,q )∗ } =

E{h(~ro,r , ~ri,p )h(~ro,r , ~ri,q )∗ } E{h(~ro,l , ~ri,s )h(~ro,m , ~ri,s )∗ } (2.33)

Le coefficient E{h(~ro,r , ~ri,p )h(~ro,r , ~ri,q )∗ } caractérise la corrélation entre les réponses
entre deux capteurs placés en ~ri,p et ~ri,q , indépendamment du point de réception. La
grandeur associée mesurant la corrélation entre antennes d’émission est donnée par la
fonction E{h(~ro,r , ~ri,p )h(~ro,r , ~ri,q )∗ }.
Lorsque l’hypothèse de découplage (2.33) est vérifiée, la matrice de corrélation (2.32)

s’écrit de manière élégante comme :
RH = RRx ⊗ RTx
où ⊗ dénote le produit matriciel de Kronecker et où les matrices RTx ∈ CNT ×NT et
RRx ∈ CNR ×NR désignent respectivement les matrices de covariance en émission et en
réception, définies par :

RTx = EH H H H
et

RRx = EH HH H
Si l’on suppose que la matrice H est complexe gaussienne centrée, la connaissance

de la matrice d’autocorrélation (2.32) suffit pour remonter à la réponse du canal. En se
servant des propriétés du produit de Kronecker, on montre que :
H = (RRx )1/2 W (RTx )T /2 (2.34)
où W ∈ CNR ×NT est une matrice aléatoire gaussiennce blanche centrée et où l’on a noté
abusivement AT /2 , (A1/2 )T . Trois cas de figures typiques, dépeints sur la figure (2.18)
découlent directement de l’expression (2.35) :


W décorrélation des points à l’émission et à la réception
H ∝ W (RTx ) T /2 corrélation à l’émission

 1/2
(RRx ) W corrélation à la réception
Le modèle précédemment décrit souffre malheureusement de sa simplicité. Directe-

ment hérité des travaux conduits dans le cadre des systèmes SIMO et MISO, il permet
de décrire la corrélation spatiale dans une certaine zone de l’espace, par rapport à un
point de référence, mais échoue à faire de même pour deux régions dès lors que tombe
la possibilité de traiter indépendamment les corrélations dans chaque région. Lever cette
limitation nécessite d’augmenter le nombre de degrés de liberté, au minimum un double-
ment du nombre de paramètres indépendants disponibles. Une solution est de modifier
la relation (2.35) en introduisant une relation entre émission et réception [37] :
H = (RRx )1/2 W Rx RC W TTx (RTx )T /2 (2.35)
où RC ∈ Cr×r est une matrice définie positive, et W Tx ∈ Cr×NT et W Rx ∈ Cr×NR deux
matrices gaussiennes blanches centrées. Ce modèle, plus complet, met en évidence, par
RTx W RRx
Emission Réception
H = (RRx )1/2 W (RTx )1/2
RTx = I
Emission Réception
H = (RRx )1/2 W
Fig. 2.18: Expression de la réponse impulsionnelle d’un canal de propagation, à évanouissements

gaussiens, en fonction de la structure de la corrélation spatiale
l’intermédiaire de la matrice de corrélation RC , des phénomènes précédemment cachés,

notamment l’effet de goulot d’étranglement évoqué dans la section 3.4.2. Un inconvé-
nient à ne pas oublier pour éviter des conclusions erronées est que la matrice H, décrite
par (2.34), ne suit plus une loi gaussienne, puisqu’elle fait intervenir un produit de deux
matrices gaussiennes.
En comparant les relations (2.35) et (2.34), on s’aperçoit que le premier modèle est
à rebond unique, i.e. une interaction unique de l’onde avec un obstacle, et le second à
double rebond.
On trouve un grand nombre de modèles stochastiques géométriques dans la littéra-

ture répondant à différentes configurations. La figure (2.19) illustre quatre exemples de
modèle récurrents. L’émetteur et le récepteur sont évidemment interchangeables. Dans le
modèle à un anneau [34, 23], l’émetteur est plongé dans une zone riche en réflecteurs que
le récepteur, placé suffisamment loin, voit dans un cône angulaire étroit. On suppose éga-
lement que l’émetteur et le récepteur ne sont pas en visibilité directe. Ce type de modèle
est rencontré dans les réseaux cellulaires pour décrire la communication entre une station
de base, placée à un endroit dégagé et généralement surélevé, et un mobile. Le modèle à
deux anneaux [38] suppose que l’émetteur et le récepteur sont tous les deux environnés de
diffuseurs locaux, situation qui peut se rencontrer en milieu confiné. On remarquera que
le signal subit une double interaction avec les diffuseurs à l’émission et à la réception. Le
modèle à diffuseurs distribués a été proposé [37] pour décrire les canaux de propagation
MIMO en extérieur. Le modèle de Saleh-Valenzuela [39], étendu aux systèmes MIMO [40],
a été initialement développé suite à des campagnes de mesure qui ont montré la tendance
des échos à arriver par paquets, suggérant ainsi que les diffuseurs peuvent être regroupés
par groupes.
Modèle à un anneau
Anneaux de diffuseurs
Modèle à deux anneaux
Rangées de diffuseurs
Modèle à diffuseurs distribués
Modèle de Saleh-Valenzuela étendu

(groupe de réflecteurs unique)
Fig. 2.19: Modèles géométriques simples d’un canal de propagation MIMO

2.5 Conclusion 69
Un grand effort de recherche est donc mené actuellement en vue d’établir de véri-
tables modèles de canaux MIMO intégrant, en plus de la dimension spatiale, les aspects
liés aux sélectivités fréquentielle et temporelle. On pourra citer les modèles décrits dans
les articles [41, 42] et les projets IST METRA (Multi Element Transmit Receive Anten-
nas) [43, 36], IST SATURN (Smart Antenna Technology in Universal bRoadband wireless
Networks) [37, 44, 45, 46] et COST 273.
2.5 Conclusion
Dans ce chapitre, nous avons étudié différents aspects du canal de propagation radio-
électrique. Les points suivants ont été discutés :
• le formalisme mathématique des signaux spatio-temporels et les mécanismes phy-
siques de la propagation radioélectrique ;
• la description mathématique des dimensions spatiales et temporelle du canal de
transmission, débouchant sur le concept de modes propres de propagation et sur
l’établissement de paramètres statistiques de sélectivité et de dispersion ;
• les modèles de canal de propagation temps-espace déterministes stochastiques.
Ce chapitre a ainsi permis de planter des bases suffisamment solides pour pouvoir
plonger dans les mécanismes fondamentaux de la communication, qui feront l’objet de
la prochaine partie. L’existence de modes propres de propagation, évoquée ici, sera la
clé des efficacités spectrales atteintes par les systèmes à double réseau d’antennes. Les
concepts de distances de corrélation et de cohérence, contreparties spatiales des temps de
corrélation et de cohérence, interviendront dans le dimensionnement du système.

Tab. 2.3: Caractérisation au second ordre du comportement du canal — Domaine spatial

Emetteur mobile, Emetteur immobile, Emetteur mobile, Emetteur immobile,
Expériences
récepteur immobile récepteur mobile récepteur mobile récepteur immobile
Domaines de
espace, ~ri espace, ~ro - -
corrélation
Domaines de
pulsation, ~ki pulsation, ~ko - -
dispersion associés
Domaines de
- - espace, ~r pulsation, ~k
cohérence
Domaines de
- - Doppler, ~kd translation, ρ
~
Etalement spatial
Mesures spatiales D
~ corTx (~ro , ~ri ) D
~ corRx (~ro , ~ri ) D
~ coh (~ro , ~ri )
D
~ spread (~ro , ~ri )
Etalement Doppler Bande de cohérence
Mesures spectrales K
~ spreadTx (~ro , ~ri ) K
~ spreadRx (~ro~ri )
K~ Dop (~ro , ~ri ) K~ coh (~ro , ~ri )
Systèmes à diversité
Systèmes à diversité Systèmes à diversité Systèmes à formation
Applications de rayonnement
d’émission (MISO) de réception (SIMO) de faisceau (MIMO)
(MIMO)
Tab. 2.4: Caractérisation au second ordre du comportement du canal — Domaine temporel
Instant d’émission Instant d’émission Instant d’émission Instant d’émission
Expériences variable, instant de fixe, instant de variable, instant de fixe, instant de
réception fixe réception variable réception variable réception fixe
Domaines de
temps, ti temps, to - -
corrélation
Domaines de
fréquence, fi fréquence, fo - -
Domaines de
- - temps, t fréquence, f
cohérence
Domaines de
- - fréquence Doppler, fd retard, τ
Mesures temporelles TcorTx (to , ti ) TcorRx (to , ti ) Tcoh Tspread
Mesures fréquentielles FspreadTx (to , ti ) FspreadRx (to , ti ) FDop Fcoh
Applications Diversité d’émission Diversité de réception Filtrage Multiplexage
2.5 Conclusion

71
Bibliographie
[1] D.H. Johnson et D.E. Dudgeon, Array signal processing : concepts and techniques.
Prentice-Hall, 1993.
[2] D.K. Cheng, Field and wave electromagnetics. Addison-Wesley, 1989.
[3] D. Gabor, “Theory of communication”. IEE, vol. 93, pages 429–457, 1946.
[4] P.A. Bello, “Characterization of randomly time-variant linear channels”. IEEE Tran-
saction on Communications, pages 360–393, Dec. 1963.
[5] L. Boithias, Radio wave propagation. McGraw-Hill, 1987.
[6] T.S. Rappaport, Wireless communications : principles and practice. Prentice Hall,
1996.
[7] M. Schwartz, Principles of electrodynamics. McGraw-Hill, 1972.
[8] Y.M. Berezansky, Z.G. Sheftel et G.F. Us, Functional analysis, vol. 1. Birkhauser
Verlag, 1996.
[9] R. Gallager, Elements of information. Wiley, 1968.
[10] C.D. Meyer, Matrix analysis and applied linear algebra. SIAM, 2000.
[11] L.A. Zadeh, “Frequency analysis of variable networks”. Proceedings of the IRE,
pages 291–299, 1950.
[12] J. J. Kohn et L. Nirenberg, “An Algebra of Pseudo-differential Operators”. Commu-
nications on Pure and Applied Mathematics, 1965.
[13] W. Kozek, Matched Weyl-Heisenberg expansions of nonstationary environments.
PhD thesis, Technical University Vienna, 1996. File.
[14] W. Kozek, “On the transfert function calculus for underspread LTV channels”. IEEE
Transaction on Signal Processing, pages 219–223, jan. 1997.
[15] G. Matz et F. Hlawatsch, “Time-frequency transfer function calculus (symbolic cal-
culus) of linear time-varying systems (linear operators) based on a generalized un-
derspread theory”. Journal on Mathematical Physics, special issue on Wavelet and
Time-Frequency Analysis, vol. 39, pages 4041–4070, Aug. 1998. File.
[16] H. Weyl, The theory of groups and quantum mechanics. Dover Publications, 1931.
[17] N .Wiener, “Generalized harmonic analysis”. Acta Mathematica, vol. 55, pages 117–
258, 1930.
[18] D.R. Billinger, Time series : data analysis and theory. San Francisco, CA : Holden
Day, 1981.
[19] W.A. Gardner, Introduction to random processes with applications to signals and
systems. Mc Graw-Hill, 1989.
[20] A.F. Molisch et M. Steinbauer, “Condensed parameters for characterizing wideband
mobile radio channels”. International Journal on Wireless Information Networks,
pages 133–154, 1999.
[21] W.C.Y. Lee, “Effects on correlation between two mobile radio base-station antennas”.
IEEE Transaction on Communications, vol. 21, pages 1214–1224, 1973.
[22] W.C. Lee, Mobile communications engineering. McGraw-Hill, 1996.

[23] W.C. Jakes, Microwave mobile communications. IEEE Press, 1974.
[24] R. Ertel, P. Cardieri, K. Sowerby, T.S. Rappaport et J. Reed, “Overview of spatial
channel models for antenna array communication systems”. IEEE Personal Commu-
nications Magazine, pages 10–22, Feb. 1998. File.
[25] K. Yu et B. Ottersten, “Models for MIMO propagation channels, a review”. Spe-
cial Issue on Adaptive Antennas and MIMO Systems, Wiley Journal on Wireless
Communications and Mobile Computing, Aug. 2002. File.
[26] H. Hashemi, “The indoor radio propagation channel”. Proceedings of the IEEE,
pages 943–968, Jul. 1993. File.
[27] D.J. Greenwood et L. Hanzo, Characterization of mobile radio channels. IEEE Press,
1992.
[28] A. Papoulis, The Fourier integral and its applications. Mac Graw Hill, 1962.
[29] H. Urkowitz, Signal theory and random processes. Artech House, 1983.
[30] G.D. Durgin, Theory of stochastic local area channel modeling for wireless commu-
nications. PhD thesis, Blacksburg, Wirginia, 2000. File.
[31] L. C. Godara, “Applications of antenna arrays to mobile communications, part I :
Performance improvement, feasibility, and system considerations”. Proceedings of the
IEEE, vol. 85, pages 1031–1060, Jul. 1997. File.
[32] L. C. Godara, “Applications of antenna arrays to mobile communications, part
II : beamforming and direction-of-arrival considerations”. Proceedings of the IEEE,
vol. 85, pages 1195–1245, Aug. 1997. File.
[33] A. Abdi et M.K. Kaveh, “A space-time correlation model for multielement antennas
systems in mobile fading channels”. IEEE Journal on Selected Areas in Communi-
cations, pages 550–560, Apr. 2002.
[34] D.S. Shiu, G.J. Foschini, M.J .Gans et J.M. Kahn, “Fading correlation and its effect
on the capacity of multielement antenna systems”. IEEE Transaction on Communi-
cations, pages 502–513, 2000. File.
[35] A.L. Moustakas, H.U. Baranger, L. Balents, A.M. Sengupta et S.H. Simon, “Commu-
nication through a diffusive medium : coherence and capacity”. Science, pages 287–
290, 2000.
[36] K.I. Pedersen, J.B. Andersen, J.P. Kermoal et P. Mogensen, “A stochastic multiple-
input multiple-output radio channel model for evaluation of space-time coding algo-
rithms”. in IEEE Vehicular Technology Conference, pages 893–897, 2000. File.
[37] D. Gesbert, H. Bölcskei, D. Gore et A. Paulraj, “MIMO wireless channels : capacity
and performance prediction”. in Proceedings of IEEE GLOBECOM, pages 1083–
1088, 2000. File.
[38] D.-S. Shiu, Wireless communication using dual antenna arrays. Kluwer Academic
Publisher, 2000.
[39] A. Saleh et R. Valenzuela, “A statistical model for indoor multipath propagation”.
IEEE Journal on Selected Areas in Communications, pages 128–137, Feb. 1987.

[40] J.W Wallace et M.A. Jensen, “Statistical characteristics of measured MIMO wireless
channel data and comparison to conventional methods”. in IEEE Vehicular Techno-
logy Conference, pages 1078–1082, 2001.
[41] D. Asztély, “On antenna arrays in mobile communication systems : fast fading and
GSM base station receiver algorithm”. Tech. Rep. IR-S3-SB-9611, Royal Institute of
Technology, Stockholm, Sweden, 1996.
[42] J. Fuhl, A.F. Molish et E. Bonek, “Unified channel model for mobile radio systems
with smart antennas”. IEE Proc.-Radar, Sonar Navig., pages 32–41, Feb. 1998.
[43] J.P. Kermoal, L. Schumacher, P.E. Mogensen et K. I. Pedersen, “Experimental in-
vestigation of correlation properties of MIMO radio channels for indoor picocell
scenarios”. in IEEE Vehicular Technology Conference, pages 14–21, 2000. File.
[44] K. Yu, M. Bengtsson, B. Ottersten, P. Karlsson, D. McNamara et M. Beach, “Mea-
surements analysis of NLOS indoor MIMO channels”. in IST, pages 277–282, Sep.
2001. File.
[45] K. Yu, M. Bengtsson, Björn Ottersten, P. Karlsson, D. McNamara et M. Beach, “A
wideband statistical model for NLOS indoor MIMO channels”. in IEEE Vehicular
Technology Conference, pages 370–304, 2002. File.
[46] K. Yu, M. Bengtsson, Björn Ottersten, P. Karlsson, D. McNamara et M. Beach,
“A 20 MHz HIPERLAN/2 MIMO channel model for NLOS indoor scenarios”. in
Proceedings Konferensen RadioVetenskap och Kommunicakation (RVK), pages 311–
315, Feb. 2002. File.

Chapitre 3
Aspects de la théorie de
l’information
Sommaire
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.2 Le canal de propagation et le signal numérique . . . . . . . . 76
3.2.1 Sélectivité et dispersion en temps . . . . . . . . . . . . . . . . . . 77
3.2.2 Sélectivité et dispersion en espace . . . . . . . . . . . . . . . . . 78
3.2.3 Canaux ergodiques versus canaux non-ergodiques . . . . . . . . . 81
3.3 Théorie de l’information . . . . . . . . . . . . . . . . . . . . . . 82
3.3.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.3.2 Capacité d’un canal MIMO . . . . . . . . . . . . . . . . . . . . . 87
3.3.2.1 Information d’état du canal en émission et en réception 89
3.3.2.2 Information d’état du canal en réception . . . . . . . . 92
3.3.2.3 Absence complète d’information d’état du canal . . . . 93
3.3.3 Normalisation de la capacité . . . . . . . . . . . . . . . . . . . . 95
3.4 Leçons de la théorie de l’information . . . . . . . . . . . . . . . 98
3.4.1 Diversité et multiplexage en espace . . . . . . . . . . . . . . . . . 98
3.4.2 Capacité et canal de propagation . . . . . . . . . . . . . . . . . . 99
3.4.3 Règles d’ingénierie . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.1 Introduction
La raison d’être de tout système de communication est, par définition, de transmettre

de l’information entre une source, générant un message, et un ou plusieurs destinataires.
Les connaissances relatives au canal de transmission exposées au chapitre précédent sont
alors nécessaires à l’élaboration des stratégies d’émission et de réception.
76 Aspects de la théorie de l’information
Avant le tournant de l’année 1948, la conception de systèmes demeurait empirique,

avec une compréhension rudimentaire des méthodes de transmission des formes d’onde
et quasi inexistante de la notion de message. Cet état des choses a suscité un effort de
recherche considérable visant à dégager une définition rigoureuse d’un système de com-
munication. La théorie de l’information, fondée entre autres par Claude Elwood Shannon,
est venue couronner ces travaux [1, 2, 3]. Cette théorie mathématique, en fait une nouvelle
branche de la théorie des probabilités non commutatives, a pour raison d’être la décou-
verte des lois mathématiques gouvernant les systèmes conçus pour échanger ou manipuler
de l’information [4, 5].
Ce chapitre aborde les aspects de la théorie de l’information nécessaires à la com-

préhension des systèmes MIMO. Il débute par une analyse des effets de la sélectivité du
milieu sur un signal numérique en utilisant les paramètres de dispersion établis au chapitre
précédent. Après avoir rappelé quelques notions de base de la théorie de l’information,
la seconde partie étudie la capacité d’un canal MIMO en considérant différentes confi-
gurations de connaissance de l’état du canal. Exploitant ces résultats, la dernière partie
tire certains enseignements pratiques, tels que les notions de diversité et de multiplexage
spatiaux et l’identification des environnements favorables à l’effet MIMO.
3.2 Le canal de propagation et le signal numérique
Le chapitre précédent a étudié le canal de propagation radioélectrique dans le but de

mieux appréhender le comportement intrinsèque du milieu. Brièvement, il a été vu que,
dans le cas particulier d’un canal localement stationnaire au sens large, l’influence des
évanouissements à petite échelle se réduit à des effets de sélectivité et de dispersion, duals
par transformée de Fourier. Un certain nombre de paramètres caractéristiques a été défini
à partir des statistiques au second ordre. Ils ont été regroupés dans les tableaux (2.3),
pour le domaine spatial, et (2.4), pour le domaine temporel. On rappelle que l’ensemble
de ces résultats repose sur la séparation des dimensions temporelle et spatiale, hypothèse
que l’on conservera dans ce chapitre.
L’usage de ces paramètres dépend ensuite de l’application envisagée. Ils sont réinter-
prétés ici dans le contexte d’une liaison numérique, où ils vont permettre de caractéri-
ser l’impact de la propagation sur le signal échangé. En s’affranchissant des détails de
construction des formes d’onde, on observe que le signal émis est constitué d’un train
de blocs d’information indépendants, convoyant chacun une portion du message. Chaque
bloc est défini, dans le domaine temporel, par une durée Tbloc et une bande fréquen-
tielle Fbloc et, dans le domaine spatial, par un support D ~ bloc et une bande en pulsation
~
Kbloc . Ces deux derniers paramètres, a priori assez abstraits, sont les analogues directs
des grandeurs équivalentes en temps. En simplifiant, ils mesurent la zone d’émission d’un
bloc, i.e. l’occupation du réseau d’antennes, et la bande utilisée en pulsation spatiale, i.e
la réponse angulaire du réseau.
L’interaction de l’onde avec l’environnement entraı̂ne une déformation de ces blocs,

que le récepteur tente de corriger afin de restaurer l’information initiale. Les dégrada-

3.2 Le canal de propagation et le signal numérique 77
tions au second ordre sont quantifiées en normalisant les grandeurs de sélectivité et de

dispersion du canal avec les paramètres des blocs.
A l’inverse du chapitre précédent, la présentation débute par le domaine temporel,

pour lequel les conclusions sont relativement bien connues.
3.2.1 Sélectivité et dispersion en temps
La propagation par trajets multiples, résultant de la présence d’obstacles sur le chemin

du signal, se traduit par la réception de plusieurs répliques d’un même bloc d’information.
Ces échos, décalés d’un retard correspondant à la différence des trajets, dispersent l’éner-
gie en temps. Le phénomène dual en fréquence est la perte de cohérence de la réponse du
canal sur la bande du signal. Les deux mesures appropriées sont l’étalement normalisé et
la bande de cohérence normalisée, définis respectivement par les relations :
Tspread
T̄spread = (3.1)
Tbloc
et :
Fcoh
F̄coh = (3.2)
Fbloc
L’étalement temporel, sans conséquence sur le système pour T̄spread 1, est pénalisant
pour des valeurs plus élevées où l’interférence entre blocs d’information successifs devient
significative. De manière équivalente, la réponse fréquentielle du canal est essentiellement
non sélective sur la bande du signal lorsque F̄coh 1 et devient chahutée pour des valeurs
comparables ou inférieures à l’unité.
Simultanément, la modification des conditions de propagation de l’environnement

induit une évolution de la réponse temporelle du canal et provoque un étalement des
composantes fréquentielles par effet Doppler. L’impact sur un système de communication
peut être quantifié par le temps de cohérence normalisé et l’étalement Doppler normalisé
définis par :
Tcoh
T̄coh = (3.3)
Tbloc
et :
FDop
F̄Dop = (3.4)
Fbloc
La fréquence d’apparition des évanouissements est relativement lente et, par dua-
lité, l’étalement des composantes fréquentielles restreint, pour T̄coh 1. Au contraire,
la réponse du canal exhibe des variations temporelles rapides et un étalement Doppler
conséquent dès lors que T̄coh . 1.
Pour résumer, les deux indicateurs caractérisant les effets de sélectivité dans le do-
maine temporel sont :
(
−1 1 : non sélectif en fréquence
F̄coh ∝ T̄spread
. 1 : sélectif en fréquence
et : (
−1 1 : non sélectif en temps
T̄coh ∝ F̄Dop
. 1 : sélectif en temps
Un canal donné peut être classé comme appartenant à l’un des quatre groupes définis
par les valeurs de l’étalement normalisé et de la bande Doppler normalisée (cf. tableau
(3.1)). Pour un canal variant très lentement, T̄coh 1, le nombre de signaux discernables
−1
est estimé par bF̄coh c, où b·c dénote l’entier inférieur à l’argument.
Le classement précédent ne donne pas une vision complète. En effet, les canaux for-
tement dispersifs en temps et en fréquence seront, de toute évidence, peu propices à
l’établissement d’une communication fiable, contrairement à des canaux faiblement sélec-
tifs en temps et en fréquence. Le facteur d’étalement de la réponse temps-fréquence du
canal, introduit par Kailath [6, 7] comme un indicateur de la mesurabilité de la réponse
d’un système, met en relation les comportements du canal en temps et en fréquence. Il
est défini par le rapport :
(
Tspread Fcoh < 1 : canal sous-étalé
≈ (3.5)
Tcoh FDop & 1 : canal sur-étalé
On remarque que le facteur d’étalement demeure une mesure intrinsèque du milieu

de propagation. Le canal est sous-étalé pour des valeurs inférieures à l’unité et la réponse
impulsionnelle peut être estimée, avec une difficulté croissante avec la valeur. Lorsque
le facteur d’étalement est supérieur à l’unité, le canal est sur-étalé et ne peut plus être
estimé.
3.2.2 Sélectivité et dispersion en espace
Les chemins de propagation empruntés par les différents échos du signal confèrent au
canal une réponse spatiale à petite échelle donnée, qu’il est possible d’étudier à partir
des mesures de sélectivité et de dispersion établies au chapitre précédent. La figure (3.1)
montre la manière dont interviennent les distances de corrélation et de cohérence entre
deux réseaux d’antennes. Tous les résultats obtenus dans cette section sont relatifs à une
direction ~eu de l’espace, mais peuvent être modifiés pour intégrer les trois dimensions
spatiales.
Systèmes SIMO et MISO : Pour les systèmes à simple réseau d’antennes, les varia-
tions spatiales à petite échelle sont visibles par les effets de corrélation qu’elles induisent
entre les capteurs du réseau ou, de manière équivalente, par l’étalement en pulsation
spatiale.
Les mesures correspondantes pour les systèmes SIMO sont la distance de corrélation
spatiale en réception normalisée :
DcorRx (~ro , ~ri )u
D̄corRx (~ro , ~ri )u = (3.6)
DblocRx,u
Réseau de réception
Réseau d’émission
Dcoh (~ro , ~ri )u : distance de cohérence

DcorTx (~ro , ~ri )u : distance de corrélation en émission
DcorRx (~ro , ~ri )u : distance de corrélation en réception
Fig. 3.1: Rôle des notions de distances de corrélation et de cohérence dans le dimensionnement
d’un système MIMO
et l’étalement en pulsation spatiale normalisé :

KspreadRx (~ro , ~ri )u
K̄spreadRx (~ro , ~ri )u = (3.7)
KblocRx,u
où l’on a utilisé les mesures et notations élaborées dans le chapitre précédent et où
Dbloc,Rx,u et Kbloc,Rx,u dénotent la longueur spatiale et la bande spatiale en réception.
Le nombre de répliques décorrélées que le récepteur peut espérer séparer est estimé par
bD̄corRx (~ro , ~ri )−1
u c, une valeur de D̄corRx (~
ro , ~ri )u supérieure à l’unité impliquant la décor-
rélation de tous les capteurs.
Des mesures symétriques sont définies pour les systèmes MISO, i.e. la distance de
corrélation spatiale en émission normalisée :
DcorTx (~ro , ~ri )u
D̄corTx (~ro , ~ri )u = (3.8)
DblocTx,u
et l’étalement en pulsation spatiale normalisé :
KspreadTx (~ro , ~ri )u
K̄spreadTx (~ro , ~ri )u = (3.9)
KblocTx,u
où Dbloc,Tx,u et Kbloc,Tx,u sont la longueur spatiale et la bande spatiale en réception.
Suivant la nature du canal, le réseau d’antennes oscille entre un réseau cohérent, lorsque
les contributions en réception des signaux transmis par les antennes d’émission appa-
raissent corrélées, et un réseau à diversité, lorsque les signaux mesurés par les antennes
sont décorrélés.
Les deux grandeurs caractéristiques pour les systèmes SIMO et MISO sont :
(
1 : corrélation spatiale en réception
D̄corRx (~ro , ~ri )u ∝ K̄spreadRx (~ro , ~ri )−1
u
. 1 : sélectivité spatiale en réception
et :
(
1 : corrélation spatiale en émission
D̄corTx (~ro , ~ri )u ∝ K̄spreadTx (~ro , ~ri )−1
u
. 1 : sélectivité spatiale en émission
Systèmes MIMO : Dans le cas des systèmes à double réseau d’antennes, la carte
spatiale des réflecteurs significatifs dicte la dispersion de l’énergie en espace et, par dualité,
la cohérence des composantes du signal en pulsation spatiale. Ces effets peuvent être
quantifiés par l’étalement spatial normalisé et la bande de cohérence en pulsation spatiale
normalisée, définis respectivement par :
Dspread (~ro , ~ri )u

D̄spread (~ro , ~ri )u = (3.10)
Dbloc,u
et :
Kcoh (~ro , ~ri )u
K̄coh (~ro , ~ri )u = (3.11)
Kbloc,u
L’étalement spatial normalisé reflète la localisation spatiale des diffuseurs efficaces

perçus par le système, une valeur élevée signifiant que le milieu est riche en obstacles
discernables par le système. La bande de cohérence mesure la cohérence associée dans le
domaine dual des pulsations spatiales.
Parallèlement, la réponse du canal évolue en espace et peut provoquer une perte de

cohérence sur l’étendue des réseaux, i.e. rupture des fronts d’onde. Le niveau de cohérence
peut être mesuré par la distance de cohérence normalisée :
Dcoh (~ro , ~ri )u

D̄coh (~ro , ~ri )u = (3.12)
Dbloc,u
et, dans le domaine dual, par l’étalement Doppler en pulsation normalisé :
KDop (~ro , ~ri )u

K̄Dop (~ro , ~ri )u = (3.13)
Kbloc,u
Une faible valeur de D̄coh (~ro , ~ri )u est synonyme d’un canal variant rapidement en espace
relativement au système. En d’autres termes, la réponse du canal change sur l’étendue
des réseaux.
Les deux grandeurs caractéristiques pour les systèmes MIMO sont :

(
1 : plat en pulsation spatiale
K̄coh (~ro , ~ri )u ∝ D̄spread (~ro , ~ri )−1
u
. 1 : sélectif en pulsation spatiale
et : (
1 : variations lentes en espace
D̄coh (~ro , ~ri )u ∝ K̄Dop (~ro , ~ri )−1
u
. 1 : variations rapides en espace

Pour un canal dont la réponse spatiale varie peu sur l’étendue des réseaux,
D̄coh (~ro , ~ri )u 1, la valeur bK̄coh (~ro , ~ri )−1
u c donne le nombre de canaux décorrélés super-
posés dans la réponse du canal, non nécessairement confondu avec le nombre de canaux
indépendants (cf. section 3.4.2). Le tableau (3.1), situé en fin de chapitre, résume l’en-
semble des notions exposées ci-dessus.
La compréhension de ces paramètres est facilitée en tissant des analogies avec les
grandeurs temporelles équivalentes. On peut, par exemple, faire le rapprochement entre
D̄spread (~ro , ~ri )u et T̄spread pour se rendre compte que l’étalement des signaux est fonction
de la répartition des réflecteurs effectifs.
A l’instar du domaine temporel, on peut définir un facteur d’étalement spatial :

(
Dspread (~ro , ~ri )u Kcoh (~ro , ~ri )u < 1 : canal sous-étalé
≈ (3.14)
Dcoh (~ro , ~ri )u KDop (~ro , ~ri )u & 1 : canal sur-étalé
Le canal est sous-étalé en espace lorsque le glissement de la réponse en vecteur d’ondes

est suffisamment lent sur le volume de réception, i.e. Dspread,u /Dcoh,u < 1. A l’inverse,
un facteur d’étalement largement supérieur à l’unité implique l’impossibilité d’acquérir
la réponse spatiale du canal.
3.2.3 Canaux ergodiques versus canaux non-ergodiques
La condition d’ergodicité est indispensable à l’établissement d’une communication

fiable. Intuitivement, un canal de transmission est dit ergodique s’il exhibe des varia-
tions suffisamment marquées devant le signal transmis pour posséder un comportement
moyen constant et prévenir ainsi l’apparition de situations de coupure de la liaison. La
définition mathématique de ce concept est complexe et reste d’un abord difficile [8]. On
lui préfère généralement la propriété d’ergodicité qui stipule l’égalité des moments statis-
tiques, calculés sur l’ensemble des réalisations d’un processus aléatoire, et des moments
déterministes, évalués sur une réalisation unique [9].
L’ergodicité est liée à la richesse de la structure du canal et au nombre de modes de

propagation exploitables par le système. Un signal essentiellement limité en temps et en
fréquence, de durée Tbloc et de bande Fbloc , est a priori capable d’exploiter approxima-
tivement 2Fbloc Tbloc degrés de liberté [10]. La dynamique du canal joue un rôle limitatif,
impliquant un nombre de degrés effectivement disponibles nécessairement inférieur à cette
valeur. Pour estimer celui-ci, on normalise le produit durée-bande passante par rapport
au temps et à la bande de cohérence du canal, soit :
j
Fbloc Tbloc −1 k
2 = 2 T̄coh F̄coh (3.15)
Fcoh Tcoh
Le comportement du canal est non ergodique dès lors que le produit F̄coh T̄coh est
grand. Ce cas se produit par exemple lorsque la vitesse d’apparition des évanouissements

est lente devant la durée du bloc d’information ou lorsque l’on étudie des systèmes à délai
limité. En résumé, on distinguera les deux cas :
(
1 : ergodicité temporelle
T̄coh F̄coh (3.16)
1 : non-ergodicité
Le développement précédent peut être exporté au domaine spatial mais, du fait de

son intérêt limité, ne sera pas exposé ici.
3.3 Théorie de l’information
On se détache à présent du canal radioélectrique et des contraintes physiques asso-

ciées pour envisager le canal de transmission, plus abstrait, présenté à l’émetteur et au
récepteur théoriques. L’objectif est de décrire et d’analyser les arcanes de la transmission
de l’information.
3.3.1 Rappels
Le problème de la théorie de l’information est celui de la communication entre une

source et un récepteur, la source émettant un message que le récepteur capte. La no-
tion même d’information et l’élaboration d’outils capables de la manipuler forment la
pierre d’angle de cette théorie. L’observation évidente de l’inutilité de la transmission
d’un message au préalable connu du destinataire a conduit Shannon à traiter une source
d’information comme un processus aléatoire émettant un message et à définir la quantité
d’information de ce message comme une mesure de son imprévisibilité. Les deux mesures
distinctes, bien que reliées, dont il a fait usage sont :
Entropie - Information propre : L’entropie, ou information propre, d’un processus
aléatoire mesure la quantité d’information nécessaire à la description de ce pro-
cessus. Ce concept, hérité de la thermodynamique où il quantifie le désordre d’un
système (Boltzmann), fut précédemment proposé par Hartley comme une mesure
de l’incertitude liée à un signal aléatoire [11]. L’entropie d’une variable aléatoire
discrète x est définie par :
H(x) = − Ex {log Px (x)} (3.17)

X
=− Px (x) log Px (x)
x∈X
où Px (x) est la densité de probabilité d’occurrence de x et X = {x : Px (x) 6= 0}. La

fonction H(x) quantifie l’information moyenne par symbole de la source et s’exprime
dans une unité dépendant de la base du logarithme, e.g. bit par symbole en base 2,
digit par symbole en base 10 ou encore nat par symbole pour le logarithme naturel.

3.3 Théorie de l’information 83
Shannon [12] montre que la relation (3.17) est en fait la seule mesure admissible
vérifiant un certain nombre de propriétés nécessaires1 .
La généralisation de l’entropie à des variables aléatoires continues soulève des pro-
blèmes d’ordre mathématique. On définit cependant, par analogie, la fonction d’en-
tropie différentielle : Z
h(x) = − px (x) log(px (x)) dx (3.18)
X
où px (x) est la densité de probabilité2 de x. Il est important de réaliser que cette
quantité ne peut en aucun cas être physiquement interprétée comme une information
propre.
Lorsque plusieurs variables aléatoires sont en jeu, l’entropie peut être généralisée
pour mesurer l’incertitude globale sur l’ensemble des variables ou l’incertitude d’une
variable relativement aux autres variables. Pour deux variables aléatoires discrètes x
et y, on définit ainsi l’entropie conjointe H(x, y) et l’entropie conditionnelle H(x | y) :
H(x, y) = Ex,y {− log Px,y (x, y)} (3.19)
H(x | y) = Ex,y {− log Px|y (x, y)} (3.20)
où Px,y est la probabilité conjointe et Px|y la probabilité conditionnelle.
Information mutuelle - Transinformation : L’information mutuelle est la mesure
de l’information contenue dans un processus sur un autre processus. L’information
mutuelle entre deux variables aléatoires discrètes x et y est définie par :
X Px,y (x, y)
I(x; y) = Px,y (x, y) log
Px (x) Py (y)
x∈X ,y∈Y
où X = {x : Px (x) 6= 0} et Y = {y : Py (y) 6= 0}.

Contrairement à l’entropie, l’information mutuelle conserve sa signification en pas-
sant à des densités de probabilité continues. L’expression (3.21) devient :
Z Z
px,y (x, y)
I(x; y) = px,y (x, y) log dx dy
X Y px (x) py (y)
L’information mutuelle admet plusieurs interprétations :
I(x; y) = H(x) − H(x | y)
= H(y) − H(y | x)
= H(x) + H(y) − H(x, y)
où l’on a supposé la validité de la décomposition. Dans les deux premières formes,
l’information mutuelle correspond à l’information contenue dans un processus mi-
norée de l’information contenue dans ce même processus une fois l’autre proces-
sus connu, i.e. connaissance a priori diminuée de la connaissance a posteriori. La
dernière relation exprime l’information mutuelle comme la somme des entropies
marginales de deux processus minorée de l’entropie conjointe.
1
Propriétés requises de la fonction d’entropie : continuité en fonction des probabilités, croissance avec
le nombre d’états pour une distribution uniforme, additivité des entropies de variables indépendantes.
2
Les notations px (x) et Px (x) désignent respectivement des densités de probabilité continue et discrète,
le cas d’une variable aléatoire à valeurs dans un ensemble discret étant un cas particulier. Par souci de
simplicité, l’indice pourra être omis suivant le contexte.

L’un des problèmes fondamentaux au cœur de la théorie de l’information concerne

l’optimisation du transfert d’information sur un canal de transmission, entre une source
et un destinataire (cf. figure (3.2)). Le but consiste à déterminer la forme sous laquelle
les données doivent être présentées au canal, ainsi que la stratégie à adopter par le ré-
cepteur. Intuitivement, le débit sera maximal pour un émetteur et un récepteur adaptés
au canal de transmission. Dans les années 1940 et 1950, Shannon a démontré un certain
nombre de résultats référencés sous le nom de théorèmes de codage de canal, par oppo-
sition aux théorèmes de codage de source appartenant à un autre pan de la théorie de
l’information. On distingue les théorèmes de codage positifs, qui regroupent les résultats
décrivant les performances optimales réalisables sans limite de temps ou de complexité,
des théorèmes de codage négatifs ou inverses, qui rassemblent les résultats relatifs aux
bornes infranchissables des performances théoriques optimales. Lorsque les deux quanti-
tés sont équivalentes, les performances théoriques optimales d’un modèle de système de
communication donné sont parfaitement connues.
x
Fonctions génériques d’une
chaı̂ne de communication Emetteur : transformation du message en un signal
Source Emetteur adapté aux contraintes du canal de transmission
I(x; y) Canal
Récepteur : extraction de l’information disponible pour

Destinataire Récepteur régénérer le signal transmis avec un taux d’erreur faible
Abstraction en terme
d’ensembles H(x|y) : perte d’information
H(y|x) : contribution imputable au bruit
H(x) : information
présente dans le signal source
H(y) : information présente en réception
I(x; y) : information commune à la source et à l’émetteur
Fig. 3.2: Modèle théorique d’un système de communication — Interprétation en termes d’entropie
et d’information mutuelle
Une des contributions majeures de Shannon a été l’abstraction mathématique d’une

chaı̂ne de communication, donnant un sens précis à chaque organe d’une chaı̂ne. Le canal
de transmission est défini comme étant une fonction depuis l’espace du processus d’entrée
vers l’espace du processus de sortie, prenant en compte l’ensemble des transformations
déterministes ou aléatoires affectant le signal transmis. Le rôle de l’émetteur est d’ajouter
de la redondance pour combattre les distorsions introduites par le canal.

Shannon a développé ses premiers résultats relatifs à la fiabilité des communications

dans le cadre des canaux discrets sans mémoire, pour lesquels il démontre l’existence d’un
débit d’information3 en deçà duquel il est possible de transmettre avec une probabilité
d’erreur arbitrairement faible, grâce à une technique de codage suffisamment élaborée,
mais au delà duquel la probabilité d’erreur ne peut être annulée (théorème fondamental
du codage de canal). Cette grandeur est connue sous le nom de capacité de canal et
correspond au maximum de l’information mutuelle entre la source et le destinataire :
C = max I(x; y) (3.21)

px
où l’optimisation est menée sur l’ensemble des distributions des symboles d’entrée, avec
x et y les variables aléatoires associées aux signaux d’entrée et de sortie du canal. Il est
important de remarquer que ce théorème suppose un décodage optimal et ne fournit pas
le procédé permettant d’atteindre la capacité. La formule (3.21) a été généralisée par la
suite pour intégrer les effets de mémoire du canal :
C = lim max I (xN , yN ) (3.22)

N →∞ pxN
où les vecteurs xN = [x1 , . . . , xN ] et yN = [y1 , . . . , yN ] regroupent des séquences de N

échantillons prélevés en entrée et à la sortie.
Les expressions (3.21) et (3.22) sont valides pour les canaux stables en information,
i.e. des canaux tels que la séquence d’entrée qui maximise l’information mutuelle et
la séquence en sortie correspondante possèdent toutes les deux un comportement ergo-
dique [14]. Lorsque l’hypothèse d’ergodicité est invalidée, le débit maximal qui peut être
transmis sans erreur devient une grandeur aléatoire, fonction de l’état du canal, et la
capacité au sens de Shannon n’est plus définie. Elle est alors remplacée par la notion de
probabilité de coupure [15], couramment appelée, par abus de langage, capacité de cou-
pure (“outage”), qui se définit par la probabilité que l’information mutuelle soit inférieure
au débit voulu :
Coutage (R) = P [I(x, y) < R] (3.23)
où R est le débit recherché.
Le canal de transmission, envisagé comme une entité purement mathématique dans

le contexte de la théorie de l’information, est ensuite matérialisé, suivant le domaine de
compétences, entre des points spécifiques de l’émetteur et du récepteur. La figure (3.3)
illustre les trois types de canaux les plus fréquemment rencontrés dans le monde des sys-
tèmes de communication sans fil. Le canal au sens physique, étudié au chapitre précédent,
fait référence au milieu de propagation dans lequel sont plongés l’émetteur et le récepteur
(ondes électromagnétiques). Le canal au sens de la théorie de la communication englobe
3
La notion de débit apparaı̂t régulièrement dans la littérature traitant des systèmes de communication
et fait référence à un point différent de la chaı̂ne suivant le contexte. En particulier, il est essentiel de
distinguer le débit d’information, couramment appelé débit utile, du débit transmis. Le débit transmis
tient compte de la redondance introduite par les fonctions de codage canal, contrairement au débit utile
mesuré en sortie de la source. La confusion entre ces deux grandeurs peut conduire à certaines surprises,
comme par exemple l’existence d’un SNR minimal situé à -1,6 dB en deçà duquel aucune communication
fiable ne peut être établie [13].

le canal de propagation et les organes d’émission et de réception (signaux électriques).

Finalement, le canal, au sens premier de la théorie de l’information, comprend le canal
de propagation et l’intégralité de l’émetteur et du récepteur (symboles d’information).
Emetteur
Emetteur Organes
Source théorique d’émission
Milieu de
propagation
Récepteur Organes
Destinataire théorique de réception
Récepteur
canal physique
canal au sens de la communication
canal au sens de la théorie de l’information
Fig. 3.3: Existence de différents canaux de transmission dans une chaı̂ne de communication
La capacité de chacun de ces canaux, ergodique ou non selon les hypothèses du modèle,
est intimement liée à la nature des processus d’entrée et de sortie du canal. On distingue
trois types principaux :
Processus échantillonnés - alphabet d’entrée discret : Les processus d’entrée et
de sortie sont des signaux discrets et le domaine d’existence du signal d’entrée est
un ensemble dénombrable fini. C’est le modèle historique à partir duquel ont été
jetées les bases de la théorie de l’information. La capacité correspondante est donnée
par (3.21), soit :
C = max I(x; y)
px
Processus échantillonnés - alphabet d’entrée continu : Il s’agit d’une généralisa-

tion du modèle précédent où l’alphabet d’entrée est infini et indénombrable, clas-
siquement un sous-ensemble du corps des nombres réels. Les conséquences ne sont
pas anodines puisque des résultats aberrants peuvent éventuellement apparaı̂tre.
Par exemple, si aucune contrainte n’existe sur les signaux d’entrée, il est possible
de choisir une infinité de valeurs d’entrée espacées arbitrairement loin les unes des
autres, de façon à ce qu’elles demeurent distinguables à la sortie malgré le bruit,
conduisant à une capacité illimitée. Il est alors nécessaire d’imposer certaines limi-
tations sur le signal d’entrée pour garantir des résultats mathématiquement accep-
tables et physiquement réalistes. Le calcul de la capacité (3.21) doit être reformulé
comme :
C = max I(x; y)
px : f (x)
où f (x) exprime une contrainte sur la répartition de x, e.g. typiquement une
contrainte de puissance.
Processus continus : L’entrée et la sortie du canal sont des signaux continus. Travailler
directement à partir de signaux continus soulève le problème de la définition d’une
mesure de probabilité d’une forme d’onde. Cette difficulté est contournée en décom-
posant les signaux en série de fonctions orthogonales et en utilisant les échantillons
issus de la décomposition.
Considérons par exemple un canal temporel continu à bande fréquentielle limitée
modélisé en bande de base. Le théorème d’échantillonnage montre qu’un signal
complexe d’énergie finie, essentiellement limité en temps et en fréquence, possède
approximativement N = 2bF T c degrés de liberté [16, 17, 18], où T est la durée
temporelle et F la bande passante4 . La quantité d’information maximale qui peut
être transmise sur le temps T est donnée par :
1
CT = max I (xN ; yN )
T pxN
où xN et yN sont les vecteurs des échantillons des signaux d’entrée et de sortie. La
capacité par unité de temps est alors définie par :
C = lim CT
T →∞
sous réserve de l’existence du passage à la limite.

La théorie de l’information s’applique à une multitude de domaines, de natures très di-
verses, et les notions générales évoquées ci-avant méritent d’être spécialisées. Le domaine
des communications numériques sans fil est celui qui nous concerne plus particulière-
ment. On peut consulter l’article [19] pour une vision globale des aspects théoriques de
la communication sur canal à évanouissements.
3.3.2 Capacité d’un canal MIMO
Les premières contributions sur la capacité des canaux MIMO remontent aux travaux
de Telatar [20] qui a dérivé, pour un système de communication disposant d’une connais-
sance parfaite de l’état du canal en réception, la capacité ergodique d’un canal matriciel
à évanouissements de Rayleigh, plat en fréquence et variant rapidement dans le temps
sans effet de mémoire. A peu près au même moment, Foschini et Gans5 [21, 22] ont établi
la capacité de coupure pour des canaux quasi-statiques, i.e. constants sur un intervalle
temporel puis changeant de manière indépendante. L’un des principaux résultats a été la
confirmation de la croissance linéaire de la capacité avec le nombre minimal d’antennes
en émission et en réception, pourvu que les évanouissements entre toutes les paires an-
tenne d’émission/antenne de réception soient statistiquement indépendants. En partant
de l’observation que l’estimation du canal est une étape particulièrement lourde pour les
4
La durée T et la bande fréquentielle F invoquées dans l’opération de normalisation du débit sont
propres au signal transmis et non au signal reçu. A l’inverse, ce sont leurs contreparties en réception qui
sont les grandeurs pertinentes pour simuler un système de communication. Elles englobent les effets de
dispersion engendrés par la propagation.
5
Foschini et Gans font partie de l’équipe des Bell Labs à l’origine du prototype BLAST, le premier
vrai système MIMO capable d’atteindre une fraction significative de la capacité spatiale du canal (cf.
chapitre 4)

systèmes à double réseaux d’antennes qu’il serait souhaitable d’éviter, Marzetta [23] s’est
penché sur la capacité du canal MIMO en l’absence totale de connaissance sur le canal.
Par la suite, un grand nombre de travaux ont considéré la capacité dans un large panel
de situations.
Le but de cette section n’est pas de rendre compte de manière exhaustive de l’en-
semble des travaux menés mais plutôt de présenter les résultats essentiels sur l’apport de
la dimension spatiale. On se place dans le cas d’une liaison MIMO point-à-point, libre
d’interférences d’accès multiple, sur un canal non sélectif en fréquence et quasi-statique.
L’expression du modèle équivalent en bande de base est donné par la relation (1.6). Le
signal reçu y ∈ CNR dépend du signal émis x ∈ CNT par l’intermédiaire de l’expression
:
y = Hx + n (3.24)
où H ∈ CNR ×NT est la matrice du canal, n ∈ CNR le vecteur de bruit additif supposé
blanc gaussien, n ∼ CN (0, Pn I NR ).
Plusieurs éventualités seront envisagées pour le comportement de la matrice H, cha-

cune donnant lieu à des “types” de capacité différents :
1. H est une matrice déterministe, à laquelle peut être associée une capacité “déter-
ministe” C(H),
2. H est une matrice aléatoire dont la statistique permet la définition d’une capacité
ergodique Cerg ,
3. H est une matrice aléatoire dont la statistique permet la définition d’une capacité
de coupure Coutage (R).
La capacité dérivée dans le premier cas peut être comprise comme l’information mu-
tuelle “instantanée” entre l’émetteur et le récepteur pour une réalisation particulière de
la réponse du canal. Les capacités obtenues dans les deux autres cas sous-entendent une
évolution temporelle de la réponse du canal : la notion de capacité ergodique émerge pour
un canal variant suffisamment sur la durée d’un bloc d’information tandis que la capacité
de coupure s’applique à un canal quasi statique sur ce même intervalle.
La quantité d’information sur l’état du canal disponible établit une hiérarchie naturelle
entre systèmes, comme illustré sur la figure (3.4). Pour faire apparaı̂tre cette distinction,
la capacité sera indexée selon :
1. CCSITR lorsque l’émetteur et le récepteur connaissent l’état du canal (CSITR —
Channel State Information at the Transmitter and Receiver),
2. CCSIR lorsque le récepteur seul connaı̂t l’état du canal (CSIR — Channel State
Information at the Receiver),
3. CNoCSI en l’absence complète d’information d’état du canal (NoCSI — No Channel
State Information).
La notation C désignera par défaut la capacité CCSIR . La configuration où l’émetteur seul
a accès à l’état du canal, d’un intérêt pratique limité pour les applications sans fil, est
ignorée ici.

On expose à présent ces trois cas selon l’ordre suivi ci-dessus, i.e par quantité décrois-
sante d’information d’état du canal. Par souci de simplicité, la connaissance sur l’état du
canal sera supposée parfaite.
Quantité d’information
disponible
Information d’état du canal

Emetteur Canal Récepteur
en émission et en réception
Information CCSITR (H) = max I(x | H; y | H)

px|H : tr(E{xxH })≤PT
d’état du canal

en réception
Information CCSIR (H) = max I(x; y | H)

px : tr(E{xxH })≤PT
d’état du canal
Absence d’information
d’état du canal
Information CNoCSI (H) = max I(x; y)

px : tr(E{xxH })≤PT
d’état du canal
Fig. 3.4: Hiérarchie des systèmes de communication selon le degré d’information d’état du canal
accessible — Architectures de la chaı̂ne de transmission et expressions de la capacité associée
3.3.2.1 Information d’état du canal en émission et en réception
La capacité, pour une réponse spatiale du canal particulière, est solution du problème
d’optimisation suivant [24] :
CCSITR (H) = max I(x | H; y | H) (3.25)

px|H :E{xH x}≤PT
où x|H et y|H représentent les signaux d’entrée et de sortie conditionnés à la connais-
sance de l’état du canal.
Un des premiers résultats attribués à Shannon a été de prouver que, pour un si-
gnal d’entrée limité en puissance, le transfert d’information sur un canal de transmission
perturbé par un bruit gaussien centré, de variance finie, est maximisé lorsque les signaux
émis et reçus sont gaussiens centrés [10] ou spéciaux gaussiens pour les signaux complexes
équivalents en bande de base [20]. Le domaine de recherche des solutions de (3.25) est
donc restreint à la classe des signaux gaussiens de moyenne nulle. L’information mutuelle
prend alors la forme :

1
I(x | H; y | H) = log det I NR + HRx H H (3.26)
Pn
où l’on reconnaı̂t la différence d’entropie entre deux vecteurs spéciaux gaussiens. La ma-
trice de covariance Rx définit entièrement le processus spécial gaussien centré x, autorisant
à reporter la maximisation de l’information mutuelle sur Rx .
La connaissance de la réponse du canal par l’émetteur et le récepteur suggère im-

médiatement le recours à une analyse en modes singuliers de la matrice du canal. Déjà
invoqué au chapitre précédent pour mettre en évidence les propriétés géométriques de la
propagation radioélectrique, ce traitement matriciel apparaı̂t régulièrement en théorie de
l’information dans les preuves d’un grand nombre de résultats. En appliquant le théorème
de décomposition en valeurs singulières [25], la matrice du canal H peut s’écrire :
H = U ΣV H (3.27)
où U ∈ CNR ×NR et V ∈ CNT ×NT sont les matrices complexes unitaires des vecteurs
propres de sortie et d’entrée, et Σ ∈ RNR ×NT la matrice à diagonale principale regroupant
les valeurs singulières du canal, σ1 ≥ · · · ≥ σK > 0 avec K = rang(H). En injectant
l’expression (3.27) dans la relation (3.24), on a :
y = U ΣV H x + n
U H y = ỹ = Σx̃ + ñ
où x̃ = V H x ∈ CNT et ỹ = U H y ∈ CNR sont les signaux d’émission et de réception

projetés sur les espaces correspondants. La blancheur du bruit n’étant pas altérée par
cette opération, il est maintenant possible de remplacer le canal MIMO par un modèle
vectoriel équivalent de K ≤ min(NT , NR ) canaux SISO gaussiens parallèles :
(
ỹk = σk x̃k + ñk 1 ≤ k ≤ K
(3.28)
ỹk = ñk K < k ≤ min(NT , NR )
Ce système d’équations montre que l’information est transportée sur K modes unique-
ment, les modes supplémentaires, s’ils existent, ne contribuant que pour le terme de bruit.
Le rang du canal étant limité par min(NT , NR ), choisir NT > NR ne permet d’augmenter
le débit.
La matrice de covariance Rx peut être ajustée grâce à la présence d’information sur

l’état du canal en émission. En remplaçant H par son développement (3.27) dans la
formule de l’information mutuelle (3.26), on a :

1 H H H
I(x | H; y | H) = log det I NR + U ΣV Rx (H)V Σ U (3.29)
Pn
XK
1
= log 1 + λk (H)σk2 (H) (3.30)
Pn
k=1

où la matrice V H Rx V est diagonale par construction, de valeurs propres {λk }N T

k=1 . La
matrice de covariance Rx étant définie semi-positive, les valeurs propres {λk }, décrivant
l’affectation de la puissance sur les modes du canal, sont réelles positives. Il est intéressant
de noter que ce sont les vecteurs propres d’entrée de la matrice H qui interviennent
dans l’établissement de la capacité, tandis que ce sont les vecteurs propres de sortie
qui apparaissent dans les métriques de décodage du récepteur optimal (maximum de
vraisemblance) [26]. L’explication tient au fait que le calcul de la capacité suppose un
récepteur parfait.
Le problème de maximisation de l’information mutuelle avec la contrainte de puissance

est résolu en utilisant la technique des multiplicateurs de Lagrange. L’allocation optimale
de l’énergie sur les modes est le remplissage équilibré du spectre (“water-filling”) [27]. Le
coefficient de chargement du mode k est donné par :

Pn
λk,opt (H) = µ(H) − 2
σk (H) +
où le scalaire réel µ(H), interprété comme le niveau de remplissage, est tel que :
K
X
λk,opt (H) = PT
k=1
En définissant K(H) l’ensemble des modes contribuant au transport de l’information,

la capacité s’obtient comme :
X
1 2
CCSITR (H) = log µ(H)σk (H)
Pn
k∈K(H)
A la lumière de ce qui précède, on peut déduire que la structure optimale de l’émetteur,

schématisée sur la figure (3.5), est constituée de la concaténation d’un code de canal
gaussien, i.e. un code dont la distribution empirique des composantes approche une loi
gaussienne, suivi d’un filtre de mise en forme dépendant de la réponse du canal. Ce
découplage entre codage et formation de faisceau contraste avec le cas où l’émetteur
ne dispose pas d’information d’état du canal, pour lequel il faut avoir recours à des
constructions temps-espace spéciales.
La définition d’une capacité au sens de Shannon n’est pas immédiate. Elle suppose
que l’émetteur dispose de l’opportunité additionnelle d’optimiser temporellement l’allo-
cation de la puissance et que le canal soit stable en information. Dans ce cas, la capacité
ergodique correspond au maximum de l’information mutuelle :
 
 X 
1
Cerg
CSITR = EH  log µ(H)σk2 (H)
Pn 
k∈K(H)
où le scalaire µ(H) doit vérifier la contrainte de puissance :

 
 X Pn

EH µ(H) − 2 = PT
 σk (H) + 
k∈K(H)

SNR
Spectre de chargement des modes

µ

PT
Code

Chargement Adaptation NT
gaussien des modes UH

γσk2

modes propres
Canal k
H
K : modes effectifs
Décodage Adaptation
optimal V X
1
CCSITR (H) = log µ(H)σk2 (H)
Pn
k∈K(H)
Principe : décomposition du canal en modes propres et allocation optimale de puissance
Fig. 3.5: Structure optimale d’un système disposant de l’information d’état du canal en émission
et en réception
3.3.2.2 Information d’état du canal en réception
En l’absence d’information d’état du canal en émission, le problème du calcul de la

capacité s’énonce comme :
CCSIR (H) = max I(x; y | H) (3.31)

px :E{xH x}≤PT
L’information mutuelle est, ici encore, maximisée par des signaux d’entrée et de sortie
gaussiens centrés. Elle conserve donc la forme (3.26) et l’unique inconnue à déterminer
pour achever la résolution de (3.31) est la matrice de covariance Rx . On montre qu’en
l’absence d’information d’état du canal en émission, la structure optimale est spatialement
décorrélée [20] :
PT
Rx = N T
I NT
Ce résultat se comprend intuitivement en remarquant que, pour toute autre structure
privilégiant arbitrairement certains degrés de liberté, il existe un canal plaçant son énergie
sur le mode le plus défavorisé, conduisant ainsi à des débits très faibles. Par conséquent,
la solution de (3.31) est :

CCSIR (H) = log det I NR + NPTTPn HH H (3.32)
L’équation (3.32) montre que la capacité est désormais fonction de la seule matrice
HH H . En remplaçant H par son développement en valeurs singulières, on arrive à :
K
X h i
PT 2
CCSIR (H) = log 1 + NT Pn σk (H)
k=1
La capacité au sens de Shannon, définie sous l’hypothèse d’ergodicité, se déduit facilement

en calculant l’espérance de CCSIR (H) :
(K )
X h i
erg
CCSIR = EH log 1 + NPTTPn σk2 (H) (3.33)
k=1
Dans le cas où H est une matrice gaussienne complexe, la matrice de corrélation
HH H suit une loi de distribution de Wishart, dont le spectre des valeurs propres est
connu [28]. La capacité ergodique du canal peut être calculée sous forme analytique avec
les polynômes de Laguerre [20, 29].
La structure optimale de l’émetteur, lorsque seul le récepteur seul a accès à l’état

du canal, est un code de canal gaussien. On peut noter que ces codes n’existent pas
en pratique mais qu’il est possible de s’en approcher en appliquant des transformations
appropriées au flot d’information [30].
SNR
Répartition uniforme de la puissance
Spectre de chargement des modes

PT

modes propres
Code
Blanchiment

gaussien k
Canal
H

PT
CCSIR (H) = log det I NR + NT Pn
HH H
Décodage Adaptation
optimal HH
Principe : émission d’un signal gaussien blanc et filtre adapté en réception
Fig. 3.6: Structure optimale d’un système disposant de l’information d’état du canal en réception
3.3.2.3 Absence complète d’information d’état du canal
Le dernier cas de figure considéré est celui d’un système opérant en aveugle. La capa-
cité du canal se calcule alors comme :
CNoCSI (H) = max I(x; y) (3.34)

px :E{xH x}≤PT
L’absence de connaissance d’état du canal en réception a des répercussions profondes

sur la capacité du canal et la structure des signaux optimaux. On montre que, pour un
canal de transmission quasi statique à évanouissements de Rayleigh, la description au

second ordre du signal reçu est suffisante [23]. Le récepteur optimal s’apparente alors à
un détecteur quadratique travaillant sur la covariance du signal reçu, par oppostion avec
les récepteurs basés sur la métrique euclidienne.
Le temps de cohérence du canal est un facteur limitatif essentiel dans l’optimisation

de I(x; y). L’analyse des propriétés de l’information mutuelle montre en effet qu’il est
inutile de choisir un nombre d’antennes de transmission supérieur au nombre de symboles
sur lequel le canal est constant. La réponse du canal doit donc présenter une stabilité
temporelle minimale pour permettre l’établissement d’une liaison MIMO. On supposera
ici que le canal est invariant par bloc, L dénotant la durée d’un bloc mesurée en nombre
de symboles, et que le nombre d’antennes de transmission vérifie NT ≤ L.
Sous les hypothèses précitées, Marzetta [23] prouve que le signal atteignant la capacité
du canal s’étend sur un intervalle de cohérence complet, soit L symboles consécutifs, afin
d’extraire la structure maximale du canal et prend la forme :
[x(1), . . . , x(L)] = V Φ (3.35)
  
v1 ← φ1 →
 ..  .. 
= .  . 
vNT ← φL →
où x(l) ∈ CNT est le vecteur transmis à l’index temporel l, V ∈ RNT ×NT une matrice
diagonale et Φ ∈ CNT ×L une matrice orthonormale, ΦΦH = I NT , isotrope. D’un point de
vue physique, la relation (3.35) signifie que le réseau d’émission transmet un multiplex de
signaux mutuellement orthogonaux en temps, propriété non altérée par un canal statique
sur laquelle le récepteur base ses décisions. On notera X = [x(1), . . . , x(L)] ∈ CNT ×L .
Le concept de matrice aléatoire isotrope généralise celui de variable aléatoire unifor-

mément distribuée. On rappelle que, au sens mathématique, une distribution est qualifiée
d’isotrope si elle est invariante par transformation unitaire telles que les rotations ou
les symétries. Cette définition s’applique arbitrairement à un scalaire, un vecteur ou une
matrice. L’idée sous-jacente est celle d’un processus aléatoire utilisant de manière équi-
table tous les degrés de liberté dont il dispose (cf. le modèle de bruit blanc). Un vecteur
aléatoire isotrope peut, par exemple, s’interpréter comme un vecteur pointant de manière
équivalente dans toutes les directions.
Demeure la question de savoir si l’information est transportée par la structure tem-

porelle Φ ou par les facteurs d’échelle V . De toute évidence, la matrice Φ peut être
facilement déterminée dès lors que L NT ou que le SNR est suffisamment grand avec
L ≥ NT . Tel n’est pas le cas des amplitudes qui, affectées par des évanouissements multi-
plicatifs inconnus, s’avèrent difficiles à estimer. Ces remarques suggèrent de transmettre
l’intégralité de l’information selon les signaux temporels {φn }L
n=1 . Les scalaires complexes
NT
{vn }n=1 sont alors choisis constants et la structure optimale du signal devient :
√
X = PT LΦ (3.36)
La connaissance de la structure (3.36) ne facilite pas le calcul de l’information mu-

tuelle, qui demeure un problème analytique ardu. A partir des expressions établies par
Marzetta [23], on observe que la forme (3.36) évolue vers un signal gaussien et que la
capacité utile tend asymptotiquement, avec l’accroissement du temps de cohérence, vers
la capacité d’un système disposant de la connaissance de l’état du canal en réception. Ce
résultat est logique puisque, lorsque le temps de cohérence L devient suffisamment grand,
il devient possible de réserver une fraction négligeable de l’intervalle de cohérence pour
transmettre une séquence d’entraı̂nement à partir de laquelle le récepteur peut estimer
la réponse du canal.
vn φn
Mise en (
forme L NT
(a) :
ou SNR 1
√
Canal V Φ →(a) PT LΦ
H
Forme d’onde optimale pour un canal de Rayleigh :

orthogonalité des signaux temporels transmis par les antennes
Décodage
par corrélation
Principe : émission d’un signal muni d’une structure invariante aux distorsions dues au canal et réception par corrélation
Fig. 3.7: Structure optimale d’un système aveugle sans information d’état du canal
3.3.3 Normalisation de la capacité
La quantité d’information échangée entre un émetteur et un récepteur est classi-

quement normalisée par rapport au temps, cette mesure de débit se révélant l’un des
paramètres les plus fréquemment rencontrés pour établir une hiérarchie des systèmes de
communications. Un emploi aveugle de cette grandeur conduit à l’erreur d’interprétation,
apparaissant sporadiquement dans la presse technique, que les systèmes MIMO sont ca-
pables de travailler à des débits au-delà de la capacité du canal définie par Shannon (voir
par exemple le titre de l’article [31]). L’explication tient simplement au fait que la dimen-
sion spatiale n’est pas prise en compte, alors même qu’elle est la clé de ce phénomène.
Cette section tente, en s’inspirant du travail de Gallager [10], de montrer quelle pourrait
être la définition d’une capacité normalisée par unité de temps et d’espace.
Dans le cas d’un canal SISO temporel, l’information mutuelle entre émetteur et ré-
cepteur est calculée entre des signaux d’émission et de réception, de durées finies, avec
passage à la limite pour obtenir la capacité. De la même manière, pour les systèmes
MIMO, on recherche l’information mutuelle entre deux signaux définis sur des intervalles

temporels et des volumes en espace donnés. Pour garantir l’existence des solutions, le
signal d’entrée est supposé de puissance finie et la réponse du canal de carré intégrable.
Signal d’entrée Signal de sortie
Information mutuelle I(x, y)
Vi : volume de la zone d’émission Vo : volume de la zone de réception

Ti : durée de l’émission To : durée de l’émission
Temps
Capacité normalisée en temps et en espace (canal MIMO)
1
Capacité normalisée en temps (canal SISO) CT,V = max I(x; y) (bit/s/m3 )
T V px :E{xH x}≤PT
1
CT = max I(x; y) (bit/s)
T px :E{xH x}≤PT

Espace (2D)
1
CV = max I(x; y) (bit/m3 )
V px :E{xH x}≤PT
Fig. 3.8: Capacité d’un canal MIMO — Tentative de normalisation en espace
Considérons dans un premier temps l’information mutuelle établie entre un signal de

durée Ti transmis par un émetteur localisé dans une zone Vi et un récepteur situé dans
une zone Vo avec une fenêtre d’observation To (cf. figure (3.8)). Le signal reçu est donné
par : Z Z
y(~ro , to ) = h(~ro , ~ri ; to , ti )x(~ri , ti ) d3 ri dti + n(~ro , to ) (3.37)
Ti Vi
pour to ∈ To et ~ro ∈ Vo .
Le calcul de l’information mutuelle se déroule de manière classique en exprimant la ré-

ponse du canal de propagation comme la somme de canaux gaussiens indépendants, pour
lesquels l’expression de l’information mutuelle est connue. L’existence de cette décomposi-
tion est assurée par le théorème de Mercer (cf. section 2.3.2.1). La quantité d’information
échangée dépend évidemment des modes de propagation, relevant à leur tour du canal
lui-même et des limitations en temps et en espace des signaux. Pour faire apparaı̂tre ce
lien, on préfère travailler avec une réponse du canal modifiée h̃T,V définie par :
(
h(~ro , ~ri ; to , ti ) si ~ro ∈ Vo , ~ri ∈ Vi , to ∈ To , ti ∈ Ti
h̃T,V (~ro , ~ri , to , ti ) =
0 sinon
Le modèle (3.37) devient :

ZZ
y(~ro , to ) = h̃T,V (~ro , ~ri , to , ti )x(~ri , ti ) d3 ri dti + n(~ro , to ) (3.38)

où les bornes d’intégration ont été reportées dans la réponse h̃T,V (~ro , ~ri , to , ti ). Cette
fonction reste de carré intégrable et admet une décomposition en modes singuliers :
r
X
h̃T,V (~ro , to ; ~ri , ti ) = σk uk (~ro , to )vk∗ (~ri , ti )
k=1
où r est le rang du canal, {vk (~ri , ti )}rk=1 et {uk (~ro , to )}rk=1 les fonctions d’entrée et de
sortie, et {σk }rk=1 le spectre des valeurs singulières réelles positives. Cette décomposition
se différencie principalement des expressions rencontrées dans le chapitre précédent (cf.
expressions (2.10) et (2.14)) par la prise en compte des limitations temporelles et spatiales
des signaux d’entrée et de sortie.
En supposant que le signal d’entrée admette la forme :

r
X
x(~ri , ti ) = xk vk (~ri , ti ) + xres (~ri , ti )
k=1
RR
avec xk = vk∗ (~ri , ti )x(~ri , ti ) d3 ri dti la projection sur le mode k et xres (~ri , ti ) une com-
posante résiduelle, le signal reçu peut s’écrire :
r
X
y(~ro , to ) = σk xk uk (~ro , to ) + n(~ro , to )
k=1
Par suite, le développement de y(~ro , to ) sur les fonctions de sortie donne :

r
X
y(~ro , to ) = yk uk (~ro , to ) + yres (~ro , to )
k=1
r
X
= (σk xk + nk ) uk (~ro , to ) + nres (~ro , to )
k=1
P
avec n(~ro , to ) = k nk uk (~
ro , to ) + nres (~ro , to ). Les signaux xres (~ri , ti ), yres (~ro , to ) et
nres (~ro , to ) correspondent aux résidus des projections et ne contribuent pas au transfert
de l’information. Au final, le modèle initial (3.37) est remplacé par l’équation vectorielle
suivante :
y = Σx + n (3.39)
où l’on a défini les vecteurs x = [x1 , . . . , xr ]T , y = [y1 , . . . , yr ]T , n = [n1 , . . . , nr ]T et la
matrice Σ = diag(σ1 , . . . , σr ).
Le calcul de l’information mutuelle entre x(~ri , ti ) et y(~ro , to ) est donc équivalent au

calcul de l’information entre les deux vecteurs x et y. En observant que la projection d’un
bruit blanc gaussien sur une base orthonormale est un vecteur de variables gaussiennes
centrées indépendantes et identiquement distribuées, on voit que le problème revient à
maximiser, pour une puissance d’émission donnée, l’information mutuelle échangée sur
un groupe de r canaux gaussiens parallèles. La solution est obtenue avec un vecteur x
gaussien dont la matrice de covariance assure le remplissage équilibré des modes.

Il est maintenant possible de normaliser l’information mutuelle par unité de temps et

d’espace en rapportant le débit à la durée de l’intervalle d’émission T = Ti et au volume
de la zone d’émission V = Vi . On définit alors la capacité CT,V comme étant le maximum
de l’information mutuelle entre les signaux x(~ri , ti ) et y(~ro , to ), limités en temps et en
espace :
1
CT,V = max I(x; y) (3.40)
T V px (x):E{xH x}≤PT
Le problème au coeur de cette section semble donc résolu puisque CT,V est une mesure
de l’information exprimée en bit/s/m3 . La capacité spatio-temporelle du canal est définie,
au moins de manière formelle, par le passage à la limite :
C = lim CT,V (3.41)

T →+∞
V →+∞
3.4 Leçons de la théorie de l’information
La section 3.2 a proposé un ensemble de paramètres quantifiant l’influence des mé-

canismes de propagation sur une liaison numérique, avant de passer à un niveau d’abs-
traction supérieur et de se pencher, dans la section 3.3, sur les mécanismes de transfert
de l’information. On revient ici à l’interface entre théorie de l’information et canal de
propagation.
3.4.1 Diversité et multiplexage en espace
Débit et robustesse font partie des critères incontournables dans l’établissement d’une
hiérarchie des systèmes de communication. Ces deux paramètres, reliés au théorème du
codage du canal, ont occupé une large place dans les travaux de recherche menés par les
théoriciens de l’information depuis l’avènement de cette discipline. Plus précisément, le
débit, proportionnel au nombre de symboles d’information indépendants transmis nor-
malisé par rapport aux dimensions du signal, est associé à la capacité du canal et la pro-
babilité d’erreur, inversement proportionnelle à la distance entre symboles d’information,
à la fiabilité de la liaison. Une solution évidente, mais brutale et limitée, pour améliorer
simultanément débit et robustesse passe par l’augmentation de la puissance d’émission.
Une alternative plus séduisante est d’accroı̂tre l’ordre de diversité et le nombre de degrés
de liberté de la transmission.
La diversité se définit par la présence en réception de plusieurs répliques d’une même

information ayant subi des évanouissements indépendants. On distingue la diversité in-
trinsèque au système, due à une action de l’émetteur, et la diversité extrinsèque induite
par le milieu de transmission, ces deux familles se cumulant éventuellement de manière
multiplicative. Par une recombinaison optimale des répliques, la probabilité d’erreur se
comporte selon Pe ≈ SNR−d à fort SNR, où d représente le gain de diversité [13]. L’ordre

3.4 Leçons de la théorie de l’information 99
de diversité peut être appréhendé par :
log Pe (γ)
d = lim − (3.42)
γ→∞ log γ
où Pe (γ) est le taux d’erreur mesuré pour le SNR γ mesuré à chaque antenne de réception.
Le nombre de degrés de liberté s’interprète comme le nombre de symboles d’informa-

tion indépendants présents simultanément en réception. Les notions de degrés de liberté
intrinsèque et extrinsèque peuvent être employées pour faire référence au nombre de di-
mensions du signal transmis et du canal respectivement. Dans tous les cas, la “taille”
du canal, i.e. le nombre de sous-canaux parallèles ouverts à la communication, limite le
nombre de dimensions accessibles. Les débits élémentaires portés par les sous-canaux, r
en l’occurrence, évoluent en log(SNR), pour les régimes à forts SNR, et s’additionnent
pour donner un débit total en R ≈ r log SNR. On définit le gain de multiplexage comme :
log R(γ)
r = lim (3.43)
γ→∞ log γ
où R(γ) est le débit disponible au SNR γ. D’autres définitions plus complexes des degrés
de diversité et de multiplexage sont proposées dans la référence [32].
Alors que les architectures classiques ne sont en mesure d’extraire pleinement diversité
et multiplexage que dans le domaine temporel, les systèmes à double réseau d’antennes
offrent l’opportunité supplémentaire de les utiliser dans le domaine spatial. Dans l’ar-
ticle [33], les auteurs montrent que les gains de diversité et de multiplexage peuvent être
obtenus simultanément, le compromis optimal répondant à l’équation :
d(r) = (NT − r)(NR − r) avec r = 0, . . . , min(NT , NR ) (3.44)
sur un canal de Rayleigh non sélectif en fréquence et statique par bloc de L symboles,
L ≥ NT +NR −1. Tout se passe comme si r antennes des réseaux d’émission et de réception
étaient réservées pour le multiplexage, les antennes restantes fournissant la diversité. La
relation (3.44) est tracée sur la figure (3.9).
Le compromis entre probabilité d’erreur et débit est généralement étudié à partir des
fonctions de fiabilité issues de la théorie des exposants de codage aléatoire [10, 15]. Ces
fonctions ne sont cependant connues que pour des débits supérieurs à un seuil critique
et, même dans ce cas, requièrent une optimisation complexe sur l’ensemble des distribu-
tions d’entrée. La référence [33] propose une approche plus simple basée sur la capacité
non ergodique en s’appuyant sur le fait que la probabilité de coupure à fort SNR est
approximativement égale à la probabilité d’erreur.
3.4.2 Capacité et canal de propagation
Généralités : Les formules de capacité établies dans la section 3.3.2 posent les limites
théoriques de débit, réalisables par des systèmes MIMO dans différents scénarios, et font
ressortir, au travers des formules de capacité, l’importance de la réponse du milieu de
(0, NT NR )
Hypothèse : L ≥ NT + NR − 1
gain de diversité
système MIMO
(r, (NT − r)(NR − r))
système MISO/SIMO
1
(min(NT , NR ), 0)
système SISO
r
1
gain de multiplexage spatial
Fig. 3.9: Compromis entre diversité et multiplexage sur un canal MIMO à évanouissements de
Rayleigh
propagation. Cette section étoffe ce point en donnant quelques indications sur l’interaction
entre propriétés de la réponse du canal et capacité. On suppose ici que la réponse du canal,
parfaitement connue du récepteur, est invariante en temps et en fréquence. L’expression
appropriée de l’information mutuelle maximale est alors donnée par la relation (3.32).
Foschini [22] montre que la capacité instantanée est bornée par :

γ
log 1 + min(NT , NR ) ≤ C(γ) ≤
NT

γ
min(NT , NR ) log 1 + min(NT , NR ) (3.45)
NT
où γ = PT /Pn est le SNR mesuré au niveau d’une antenne de réception.
La borne inférieure est atteinte lorsqu’il existe un unique chemin de propagation entre
l’émetteur et le récepteur, rang(H) = 1. La capacité croı̂t alors avec le nombre d’antennes
de réception selon une progression logarithmique, attestant de la présence d’un gain de
diversité en réception. La limite supérieure correspond à la situation où le système accède
à l’intégralité des modes de propagation offerts par le canal, rang(H) = min(NT , NR ). La
capacité augmente alors linéairement avec le nombre minimal d’antennes, min(NT , NR ).
Cette dernière configuration est évidemment recherchée.
L’existence des bornes inférieure et supérieure (3.45) se retrouvent pour les capa-
cités ergodiques et non-ergodiques, déduites respectivement de l’information C(H) par
calcul de l’espérance mathématique et de la probabilité de coupure. Les courbes de la
figure (3.10) montrent ainsi la plage de variations de la capacité au sens de Shannon
en fonction du SNR, pour un signal d’entrée gaussien et un signal appartenant à une
constellation BPSK. La figure (3.11) fait de même pour la capacité de coupure. Dans
C (bit/s)
3.2 Entrée gaussienne

Z Z
px,y (x, y)
C= px,y (x, y) log dx dy
2.8 X Y px (x) py (y)
2.4
2.0
1.6
1.2 Entrée BPSK
0.8
XZ py|x (y, x)
C= py|x (y, x) px (x) log P dy
0.4
x∈X Y x0 ∈X px0 (x0 ) py|x0 (y, x0 )
0 SNR dB
−20 −16 −12 −8 −4 0 4 8 12
Fig. 3.10: Capacité ergodique d’un canal MIMO — NT = NR = 1
les deux cas, les courbes ont été obtenues en affectant une distribution gaussienne aux
coefficients d’atténuation du canal.
Le rang du canal est donc le facteur clé des gains de capacité apportés par la technolo-
gie MIMO. On l’a déjà évoqué, la technique de décomposition d’un canal de transmission
en modes propres est antérieure à l’avènement des systèmes à double réseau d’antennes.
L’innovation réside ici dans le fait que la structure des modes, généralement une fonction
complexe de la fréquence, du temps et de l’espace, peut être purement spatiale.
Influence de l’environnement : Certains milieux seront plus propices que d’autres

à la formation de sous-canaux en espace. Un environnement modélisé par une matrice
de Rayleigh, de rang statistiquement plein par définition, est un exemple de canal idéal,
correspondant typiquement à une application où l’émetteur et le récepteur communiquent,
hors visibilité directe, dans un milieu riche en diffuseurs et sont tels que la séparation
physique entre les antennes des réseaux est suffisante.
Une première source de dégradation provient de la présence d’un trajet direct entre
l’émetteur et le récepteur, lequel conduit à une modification des propriétés de la liaison,
e.g. passage de la statistique de Rayleigh à celle de Rice. D’emblée, les zones de faibles et
de forts SNR doivent être distinguées. A forts SNR, la composante spéculaire n’a pra-
tiquement aucun effet sur la capacité, les composantes hors visibilité assurant seules le
rang plein de la matrice. A faibles SNR, la composante moyenne conditionne l’expression
de la capacité et conduit à une dégénérescence de la matrice du canal. Dans le cas des
liaisons limitées en puissance, il est donc recommandé de placer l’émetteur et le récepteur
hors visibilité. Comme pour toute règle, il existe des exceptions, telles que les configura-
C (bit/s)
5
Entrée gaussienne
Limite haute : canal de rang maximal

4
3
Limite basse : canal de rang unité
Entrée BPSK
0 SNR dB
−20 −16 −12 −8 −4 0 4 8 12
Fig. 3.10: Capacité ergodique d’un canal MIMO (suite) — NT = NR = 2
C (bit/s)
14
12
10
Entrée gaussienne
8
Entrée BPSK
2
0 SNR dB
−20 −16 −12 −8 −4 0 4 8 12
Fig. 3.10: Capacité ergodique d’un canal MIMO (fin) — NT = NR = 4

P [I(x, y) < R]
1.0
0.9
0.8
NT = N R = 1
0.7 SNR
0 dB
0.6 6 dB
12 dB
0.5 18 dB
0.4
0.3
0.2
0.1
Débit R (bit/s)
0
0 2 4 6 8 10 12 14 16 18 20
Fig. 3.11: Capacité de coupure d’un canal MIMO — NT = NR = 1
P [I(x, y) < R]
1.0
0.9
0.8
NT = N R = 2
SNR
0.7
0 dB
6 dB
0.6 12 dB
18 dB
0.5
0.4 Limite haute : canal de rang maximal

Limite basse : canal de rang unité
0.3
0.2
0.1
Débit R (bit/s)
0
0 2 4 6 8 10 12 14 16 18 20
Fig. 3.11: Capacité de coupure (suite) — NT = NR = 2

P [I(x, y) < R]
1.0
NT = NR = 4
0.9
0.8 SNR
0 dB
0.7
6 dB
12 dB
18 dB
0.6
0.5
0.4
0.3
0.2
0.1
Débit R (bit/s)
0
0 2 4 6 8 10 12 14 16 18 20
Fig. 3.11: Capacité de coupure (fin) — NT = NR = 4
tions de rang maximal mises en évidence par Driessen [34]. Ces scénarios sont cependant
particuliers puisqu’ils reposent sur la transmission coopérative de plusieurs émetteurs,
coordonnés pour former un émetteur global à antennes multiples.
La dépendance entre les signaux transmis ou reçus par différentes antennes est un
autre facteur de réduction du nombre de degrés de liberté du canal. Elle est généralement
provoquée par un espacement entre éléments rayonnants trop faible vis-à-vis de l’environ-
nement. Le débit supporté oscille alors entre les bornes présentées dans l’équation (3.45).
Pour faciliter l’étude de ce point, on fait l’hypothèse que les coefficients de la matrice
du canal sont des variables complexes gaussiennes centrées à symétrie circulaire. Indépen-
dance et décorrélation sont alors équivalentes [35] et l’analyse des statistiques au second
ordre suffit à estimer le rang du canal. En s’appuyant sur les outils présentés dans la
section 3.2, on met en évidence deux points de vue distincts :
Critère de distance de corrélation : Pour certains environnements très riches en dif-
fuseurs (cf. section 2.4.2), les phénomènes physiques en émission et en réception
apparaissent approximativement découplés, autorisant par la même le recours aux
paramètres établis pour les cas SIMO et MISO. En se référant à la relation (2.35),
on voit que le nombre de degrés de liberté est statistiquement égal au minimum des
rangs des matrices de corrélation d’émission et de réception.
Le rang du canal est alors conditionné par l’ordre de diversité minimal des réseaux,
i.e nombre de signaux décorrélés discernables rassemblés sur les trois directions
spatiales, soit :
X
r= min D̄corTx (~ro , ~ri )−1
u , D̄corRx (~ro , ~ri )−1
u
~eu ∈{~ex ,~ey ,~ez }

Critère de bande de cohérence en pulsation spatiale : Le rang du canal est dé-

terminé par le nombre de degrés de liberté en pulsation spatiale, soit :
X
r= K̄coh (~ro , ~ri )−1
u
~eu ∈{~ex ,~ey ,~ez }
Ce calcul suppose la cohérence de la réponse du milieu sur l’étendue des réseaux,

soit :
−1
max D̄coh (~ro , ~ri )u <1
~eu ∈{~ex ,~ey ,~ez }
Par analogie, les systèmes à multiplexage fréquentiel superposent en temps des

formes d’ondes excitant différents modes fréquentiels. La bande de cohérence qualifie
l’écart fréquentiel minimal entre deux modes décorrélés et le temps de cohérence
limite l’étendue temporelle des signaux.
Les conclusions précédentes ne sont plus valables dès lors que les hypothèses sous-
tendues par le modèle de corrélation sont mises en défaut. Ainsi, un nombre de chemins
de propagation trop faible provoque nécessairement un effondrement du nombre de modes
disponibles, quelles que soient leurs statistiques. De même, il existe des scénarios où
le modèle d’évanouissements gaussiens n’est pas satisfaisant, une conséquence majeure,
au-delà des problèmes liés à la recherche de modèles de propagation plus performants,
étant que décorrélation et indépendance ne sont plus équivalentes. Des configurations
intéressantes sont observables où le canal est de rang unité alors même que les éléments
d’émission et de réception sont décorrélés. Cette dégénérescence, dont deux exemples
pratiques sont schématisés par la figure (3.12), s’explique par la présence d’un goulot
d’étranglement (“keyhole”, “pinhole”) qui n’autorise la propagation que d’un seul mode.
Les modèles à double rebond, évoqués dans la section 2.4.2, prennent en compte ce genre
de phénomène [36, 37, 38, 39].
Aspects liés aux réseaux d’antennes : La structure des réseaux d’antennes, i.e. la
disposition spatiale des éléments et les diagrammes de rayonnements élémentaires, joue
un rôle essentiel en intervenant directement sur les points évoqués ci-dessus.
Un premier problème incontournable est celui de la faisabilité. Le critère de la distance

de corrélation nous apprend que les éléments rayonnants doivent être espacés, au sein des
réseaux d’émission et de réception, d’une distance supérieure à la distance de corrélation
locale. Directement issue de la répartition angulaire décrite par les chemins de propagation
et de la fréquence de travail, cette dernière conditionne la compacité des réseaux. En milieu
ouvert, il peut être nécessaire d’espacer les éléments de plusieurs dizaines de longueur
d’onde pour obtenir une corrélation faible [40] tandis qu’en milieu confiné une fraction
de la longueur d’onde suffit.
En dépit de la profusion des paramètres condamnant toute analyse exhaustive, il reste

possible de mettre en évidence, par l’intermédiaire de quelques exemples représentatifs,
certains points intéressants. On utilisera les notations de la figure (3.13) et un modèle de
canal de type (2.31). Pour les figures (3.14) et (3.15), on impose que les réseaux d’émission
et de réception soient identiques et constitués de quatre éléments disposés régulièrement,

Obstacle
Propagation en intérieur
Couloir Antenne
Réduction des modes

par effet de guidage
Réseau d’émission Réseau de réception

à diversité Dégénérescence du caanl à diversité
(Propagation unimodale)
Réduction des modes par

éloignement des zones de diffusion
Propagation en extérieur
Fig. 3.12: Scénarios menant à la formation d’un goulot d’étranglement dans le canal de propa-
gation

linéairement puis en carré. L’espacement entre les éléments rayonnants est normalisé par
rapport à la longueur d’onde. La réponse du canal est constituée de cinq trajets distincts,
tous indirects, dont les atténuations, indépendantes et identiquement distribuées, suivent
une loi gaussienne complexe. Les diagrammes des éléments rayonnants sont isotropes.
∆φ,R
Milieu de propagation
λ=1 ∆φ,T (évanouissements complexes
gaussiens)
Réseau d’émission Réseau de réception

NT = 4 NR = 4
Elément rayonnant isotrope
Fig. 3.13: Schéma du système de référence pour les figures (3.14), (3.15) et (3.16)
Deux zones se distinguent nettement. La première zone, située vers les faibles lon-
gueurs d’onde, est caractérisée par un comportement chahuté de l’information mutuelle
et une valeur moyenne élevée. Ce comportement s’explique par une distance de corréla-
tion en réception plus faible que l’espacement entre antennes. Les réseaux d’émission et
de réception se comportent alors comme des réseaux à diversité. Les effets de corrélation
croissent avec la longueur d’onde jusqu’à ce que la distance de corrélation en réception
dépasse l’espacement entre antennes. Dans cette seconde zone, la diversité spatiale n’est
plus présente simultanément en émission et en réception, ce qui induit une perte de modes
effectifs. L’information varie alors moins brutalement, avec un niveau moyen inférieur. La
frontière entre ces deux zones progresse vers les grandes valeurs de longueur d’onde au
fur et à mesure que l’étalement angulaire en réception croı̂t.
On observe également certaines orientations relatives des réseaux correspondant à une

dégradation significative de l’information mutuelle dans la seconde zone, sans affecter la
première zone. Ces positions s’identifient à celles minimisant les dimensions apparentes
des réseaux, phénomène qui ne peut être compensé en l’absence de décorrélation spatiale
entre les éléments.
La figure (3.16) présente un jeu d’expériences similaires avec des structures de réseaux
d’émission et de réception distinctes, linéaire à l’émission et en carré à la réception. Les
courbes illustrent, en adoptant un point de vue autre, l’évolution, pour plusieurs longueurs
d’onde, de l’information échangée en fonction de l’orientation relative des réseaux et
de l’étalement angulaire en réception. On observe ici encore que le débit est fortement
sensible à la disposition des réseaux et à l’étalement angulaire dès lors que la longueur
d’onde s’accroı̂t. De manière générale, à la lumière des figures (3.14), (3.15) et (3.16), il
est clair que choisir un espacement inter-éléments supérieur à la distance de corrélation

∆φ,T = 2π ∆φ,T = 2π
∆φ,R = π/16 ∆φ,R = π/8
I I
1 1
0+ 0+
0.0 0
0 0
λ λ
φ φ
2π 4 2π 4
∆φ,T = 2π
∆φ,T = 2π ∆φ,R = π/2
∆φ,R = π/4
I I
1 1
0+ 0+
0 0
0 0
λ λ
φ φ
2π 4 2π 4
∆φ,T = 2π ∆φ,T = 2π
∆φ,R = π ∆φ,R = 2π
Zone 1
Zone 2
I
I
1 1
0+ 0+
0 0
0 0
λ λ
φ φ
Réseaux 2π 4 2π 4
perpendiculaires
Fig. 3.14: Information mutuelle entre les réseaux linéaires à 4 antennes identiques en fonction
de la longueur d’onde (λ) et de l’orientation relative des réseaux (φ), pour différents couples
d’étalements angulaires (∆φ,T , ∆φ,R )

∆φ,T = 2π ∆φ,T = 2π
∆φ,R = π/16 ∆φ,R = π/8
I I
1 1
0+ 0+
0 0
0 0
λ λ
φ φ
2π 4 2π 4
∆φ,T = 2π ∆φ,T = 2π
∆φ,R = π/4 ∆φ,R = π/2
I I
1 1
0+ 0+
0 0
0 0
λ λ
φ φ
2π 4 2π 4
∆φ,T = 2π ∆φ,T = 2π
∆φ,R = π ∆φ,R = 2π
I I
1 1
0+ 0+
0 0
0 0
λ λ
φ φ
2π 4 2π 4
Fig. 3.15: Information mutuelle entre deux réseaux carrés à 4 antennes identiques en fonction
de la longueur d’onde (λ) et de l’orientation relative des réseaux (φ), pour différents étalements
angulaires (∆φ,T , ∆φ,R )

locale est nécessaire à la stabilité des performances d’un système MIMO aux conditions
de propagation.
Compléments : L’expression de la capacité d’un canal MIMO non sélectif en fréquence

peut être aisément généralisée pour englober les effets des sélectivités fréquentielle et
temporelle. Rapajic [41] étudie les statistiques des valeurs et des vecteurs propres d’un
canal MIMO sélectif en fréquence pour un nombre d’antennes arbitrairement grand. Le
même problème est abordé, pour un nombre fini d’antennes, par Scaglione [42], accom-
pagné d’une méthodologie pour dériver la capacité ergodique. Bölcskei [43] se base sur
les modèles stochastiques géométriques évoqués en fin de section 2.4.2 pour caractériser
l’influence de l’étalement temporel et de la répartition angulaire des trajets.
Cette section serait incomplète s’il n’était pas fait référence au problème de couplage
électromagnétique. L’origine du couplage provient de l’interaction des champs électroma-
gnétiques entre éléments rayonnants. Les éléments couplés partagent alors une certaine
quantité d’énergie, proportionnelle à l’intensité du couplage. La sévérité du couplage est
fonction de l’espacement entre antennes, des types d’éléments (couplage entre dipôles su-
périeur au couplage entre patches) et de la géométrie du réseau (couplage plus important
dans un réseau circulaire que dans un réseau linéaire). Alors qu’il existe des techniques
compensant, partiellement au moins, les effets du couplage pour les systèmes à formation
de faisceau, leur application à l’architecture MIMO reste un sujet ouvert. Une des consé-
quences du couplage est la déformation des diagrammes de rayonnement élémentaires et
il est tentant de faire le parallèle avec les réseaux à diversité de rayonnement [44, 45].
Cependant, le couplage induit également une dépendance entre les éléments, absente dans
la diversité de rayonnement, qui se traduit par une dégradation de l’information mutuelle.
3.4.3 Règles d’ingénierie
Arrivé au terme de ce chapitre, l’on dispose des connaissances nécessaires pour conce-
voir un système de communication répondant au cahier des charges de l’application visée
et aux contraintes imposées par le milieu de transmission. On rappelle que l’application
envisagée ici est une liaison point-à-point, en environnement domestique, non perturbée
par des signaux interférents dus à l’accès multiple.
Sous-étalement du canal et fiabilité de la liaison : Ces deux conditions sont un

préalable à la conception de tout système de communication. La première signifie que le
système est capable d’acquérir la réponse impulsionnelle du canal puis de l’exploiter pour
mettre en forme le signal. On peut se reporter au critère (3.5).
La seconde propriété requiert que le canal présente un comportement ergodique par

rapport au signal, auquel cas la capacité au sens de Shannon existe, certifiant la possibilité
d’établir une liaison robuste pour un débit inférieur à cette capacité. L’évaluation, par
l’intermédiaire de la relation (3.15) du nombre de dimensions offertes par le canal, permet

∆φ,T = 2π
λ = 1/2 ∆φ,T = 2π
λ = 1/2
I
I
1 1
0 0
0 0
π π
φ φ
∆φ ∆φ
2π 0 2π 0
∆φ,T = 2π
λ=1 ∆φ,T = 2π
λ=1
I
I
1 1
0 0
0 0
π π
φ φ
∆φ ∆φ
2π 0 2π 0
∆φ,T = 2π ∆φ,T = 2π
λ=2 λ=2
I
I
1 1
0 0
0 0
π π
φ φ
∆φ ∆φ
2π 0 2π 0
∆φ,T = 2π
∆φ,T = 2π
λ=4
λ=4
I I
1 1
0 0
0 0
π π
φ φ
∆φ ∆φ
2π 0 2π 0
Fig. 3.16: Information mutuelle entre un réseau linéaire de 4 éléments et un réseau carré de
4 éléments en fonction de l’orientation relative des réseaux (φ) et de l’étalement angulaire en
réception (∆φ,R ), pour différentes longueurs d’onde (λ)
d’apprécier ce point. La condition d’ergodicité n’étant qu’approximativement vérifiée en

pratique, on lui préfère la probabilité de coupure.
Exploitation des évanouissements en espace à petite échelle : La synthèse des

informations apparues précédemment montre que la dimension spatiale contribue sur
deux plans, la diversité et le multiplexage, quantifiés par les paramètres de sélectivité
introduits en début de chapitre. Elle répertorie également les environnements propices à
leur expression.
Les réseaux d’émission et de réception jouent un rôle fondamental et doivent être judi-
cieusement dimensionnés pour répondre aux besoins de l’application. Par exemple, pour
réaliser le gain de capacité offert par la structure MIMO, il est nécessaire que l’espacement
inter-éléments soit supérieur à la distance de corrélation. A ce propos, on prendra garde
de ne pas faire l’amalgame entre distance de corrélation et distance d’échantillonnage.
La première, fonction de la longueur d’onde et de l’environnement, décrit les effets de
corrélations et sert à établir la distinction entre réseau à diversité et réseau phasé. La se-
conde, égale à la demi-longueur d’onde et indépendante du milieu, est issue du théorème
d’échantillonnage spatial. Une source de confusion provient certainement du fait que ces
deux distances sont identiques lorsque la répartition angulaire des trajets incidents est
uniforme.
Trois scénarios peuvent être identifiés :

– Le canal offre plusieurs modes de propagation, autorisant ainsi la transmission
parallèle de plusieurs flux d’information. Il est alors intéressant de déployer un
système (MIMO) à multiplexage spatial.
– Le canal supporte un unique mode avec un gain de diversité non nul. Un seul réseau
d’antennes, placé à l’émission (MISO) ou à la réception (SIMO) suivant l’endroit
où est présente la diversité, suffit.
– Le canal ne possède qu’un unique mode dépourvu de diversité. On a alors recours à
un système (SISO) à filtrage spatial. L’appellation de système SISO est trompeuse
puisqu’il est tout à fait possible d’utiliser des réseaux d’antennes. La distinction ici
est que le réseau éventuel est phasé et se comporte au final comme une antenne
unique.
Ces trois cas de figures sont illustrés sur la figure (3.17)
Evanouissements à petite échelle dans le domaine temporel : Présenter les

techniques de traitement des phénomènes de sélectivité et de diversité en temps sort du
cadre de ce travail. On peut consulter pour cela les références [46, 47, 48]
Il est toutefois utile de se pencher sur l’association fructueuse avec les modulations à
porteuses multiples. La modulation OFDM est une solution appréciée pour la communi-
cation sur canaux fortement sélectifs en fréquence car menant à des structures simples.
Schématiquement, le canal est décomposé en une somme de sous-canaux plats superposés
en fréquence. Le traitement séparé des dimensions spatiales et temporelle, resté en trame
de fond depuis le chapitre précédent, revêt alors un sens pratique.

Rang du canal r
r=1 r>1
Ordre de diversité d
d=1 d>1
Diversité Diversité
en émission en réception
Filtrage spatial Système à Système à Système à

diversité d’émission diversité de réception multiplexage
SISO MISO SIMO MIMO
Fig. 3.17: Stratégies d’exploitation de la dimension spatiale — Multiplexage, diversité et filtrage

spatial

3.5 Conclusion
Dans ce chapitre, nous avons abordé les systèmes de communication du point de vue
de la théorie de l’information. Les points suivants ont été discutés :
• l’impact de la sélectivité du milieu de propagation sur une transmission numérique,
quantifié en comparant la signature statistique au second ordre du signal avec les
mesures de dispersion du canal établies au chapitre précédent ;
• le comportement théorique des systèmes MIMO, avec la présentation des perfor-
mances optimales attendues ainsi que des formes d’ondes correspondantes, pour
différents types de connaissance du canal par le système ;
• l’application pratique de résultats issus de la théorie de l’information permettant
d’identifier les environnements favorables au déploiement de systèmes MIMO et
d’expliciter les notions de diversité et de multiplexage en espace.
Ce chapitre a fourni un recueil d’outils théoriques dont la maı̂trise est nécessaire à
la conception de schémas de transmission pour les systèmes MIMO, sujet au cœur de
la prochaine partie. Globalement, les trois alternatives de traitement de la dimension
spatiale sont le filtrage, la diversité et le multiplexage, ce dernier constituant la clé des
débits atteints par les systèmes MIMO.

Tab. 3.1: Résumé des effets de sélectivité du canal sur une liaison numérique
Domaine temporel — Mesures temporelles
Tbloc < Tcoh ≡ Fbloc > FDop Tbloc > Tcoh ≡ Fbloc < FDop
Canal dispersif en temps et plat en
Fbloc < Fcoh ≡ Tbloc > Tspread Canal plat en temps et en fréquence
fréquence
Canal dispersif en fréquence et plat en
Fbloc > Fcoh ≡ Tsymb < Tspread Canal sélectif en temps et en fréquence
temps
Domaine spatial — Mesures SIMO et MISO
Dbloc,Tx < DcorTx (~ro , ~ri )u ≡ Dbloc,Tx > DcorTx (~ro , ~ri )u ≡
Kbloc,Tx > KspreadTx (~ro , ~ri )u Kbloc,Tx < KspreadTx (~ro , ~ri )u
Dbloc,Rx < DspreadRx (~ro , ~ri )u ≡ Canal sélectif en émission et non
Canal plat en émission et en réception
Kbloc,Rx > KspreadRx (~ro , ~ri )u sélectif en réception
Dbloc,Rx > DcorRx (~ro , ~ri )u ≡ Canal sélectif en réception et non
Canal sélectif en émission et en réception
KblocRx < Kspread,Rx (~ro , ~ri )u sélectif en émission
Domaine spatial — Mesures MIMO
Dbloc,u < Dcoh (~ro , ~ri )u ≡ Dbloc,u > Dcoh (~ro , ~ri )u ≡
Kbloc,u > KDop (~ro , ~ri )u Kbloc,u < KDop (~ro , ~ri )u
Kbloc,u < Kcoh (~ro , ~ri )u ≡ Canal plat en espace et en pulsation Canal sélectif en espace et plat en
Dbloc,u > Dspread (~ro , ~ri )u spatiale pulsation spatiale
Kbloc,u > Kcoh (~ro , ~ri )u ≡ Canal plat en espace et sélectif en Canal sélectif en espace et en pulsation
Dbloc,u < Dspread (~ro , ~ri )u pulsation spatiale spatiale
3.5 Conclusion

115
Bibliographie
[1] C.E. Shannon, “Communication in the presence of noise”. Proceedings of the IRE,
vol. 37, pages 10–21, 1949. File.
[2] N. Wiener, Extrapolation, interpolation and smoothing stationary time series. MIT
Press, 1949.
[3] A. Kotel’nikov, The theory of optimum noise immunity. PhD thesis, Molotov Energy
Institute, Moscow, 1947.
[4] J. Wolfowitz, Coding theorems of information theory. Springer-Verlag, New-York,
1964.
[5] J.M. Wozencraft et I.M. Jacobs, Principles of communication engineering. Wiley,
New-York, 1965.
[6] T. Kailath, “Measurements on time-variant communication channels”. IRE Transac-
tions on Information Theory, pages 229–236, Sep. 1962.
[7] T. Kailath, “Time-variant communication channels”. IRE Transactions on Informa-
tion Theory, pages 233–237, Oct. 1962.
[8] M.G. Kendall et A. Stuart, The advanced theory of statistics, vol. 2. MacMillan,
New York, 4 ed., 1979.
[9] H. Urkowitz, Signal theory and random processes. Artech House, 1983.
[10] R.G. Gallager, Information theory and reliable communication. Wiley & Sons Inc.,
New-York, 1968.
[11] R.V.L Hartley, “Transmission of information”. Bell Syst. Tech. Journal, pages 535–
563, Jul. 1928.
[12] C.E. Shannon, “A mathematical theory of communication”. Bell System Tech. J,
vol. 27, pages 379–423, 623–656, 1948. File.
[13] J.G. Proakis, Digital communications. Mc Graw-Hill, 3 ed., 1995.
[14] S. Verdu,“A general formula for channel capacity”. IEEE Transaction on Information
Theory, pages 1147–1157, Jul. 1994. File.
[15] L.H. Ozarow, S. Shamai Shitz et A.D Wyner, “Information-theoretic considerations
for cellular mobile radio”. IEEE Journal on Selected Areas in Communications,
pages 359–378, May 1994. File.
[16] D. Slepian et H.O. Pollack, “Prolate spheroidal wave functions, Fourier analysis, and
uncertainty - I”. Bell System Tech. J., pages 43–64, 1961.
[17] H . Landau et H.O. Pollack, “Prolate spheroidal wave functions, Fourier analysis,
and uncertainty - II”. Bell System Tech. J., pages 65–84, 1961.
[18] H . Landau et H.O. Pollack, “Prolate spheroidal wave functions, Fourier analysis,
and uncertainty - III”. Bell System Tech. J., pages 1295–1336, 1961.
[19] E. Biglieri, J. Proakis et S. Shamai, “Fading channels : information-theoric and com-
munications aspects”. IEEE Transaction on Information Theory, pages 2619–2692,
Oct. 1998. File.
[20] I.E. Telatar, “Capacity of multi-antenna Gaussian channels”. ATT Bell Labs tech.
memo., Jun. 1995. File.
[21] G. J. Foschini, “Layered space-time architecture for wireless communication in a
fading environment when using multiple antennas”. Bell Labs Technical Journal,
pages 41–59, Autumn 1996. File.
[22] G.J. Foschini et M.J. Gans, “On limits of wireless communications in a fading envi-
ronment when using multiple antennas”. Wireless Personal Multimedia Communi-
cations, pages 311–335, Jun. 1998. File.
[23] T.L. Marzetta et B.M. Hochwald, “Capacity of a mobile multiple-antenna commu-
nication link in Rayleigh flat fading”. IEEE Transaction on Information Theory,
pages 139–157, Jan. 1999. File.
[24] J. Bach Andersen, “Array gain and capacity for known random channels with mul-
tiple elements at both ends”. IEEE Journal on Selected Areas in Communications,
pages 2172–2178, Nov. 2000.
[25] R.A. Horn et J.C. Johnson, Matrix analysis. Cambridge University Press, 1990.
[26] H.L. Van Trees, Detection, estimation, and modulation theory. John Wiley & Sons,
New York, 1968.
[27] T.M. Cover et J.A. Thomas, Elements of information theory. Wiley & Sons, 1991.
[28] A. Edelman, Eigenvalues and condition numbers of random matrices. PhD thesis,
MIT, 1989. File.
[29] A. Grant, “Rayleigh fading multiple-antenna channels”. EURASIP, pages 316–329,
Mar. 2002. Special Issue on Space-Time Coding File.
[30] C. Lamy, Communications à grande efficacité spectrale sur le canal à évanouisse-
ments. PhD thesis, ENST Paris, 2000. File.
[31] D. Gesbert et J. Akhtar, “Breaking the barriers of Shannon’s capacity : an overview
of MIMO wireless systems”. Telenor’s journal : Telektronikk, 2000. File.
[32] M. Godavarti, A. O. Hero et T. Marzetta, “Min-capacity of a multiple antenna
wireless channel in a static Ricean fading environment”. IEEE Transaction on In-
formation Theory, 2001. soumis à publication.
[33] L. Zheng et D. Tse, “Diversity and multiplexing : A fundamental tradeoff in multiple
antenna channels”. IEEE Transaction on Information Theory, 2002. File.
[34] P.F. Driessen et G.J. Foschini, “On the capacity formula for MIMO wireless channels :
a geometric interpretation”. IEEE Transaction on Communications, pages 173–176,
Feb. 1999. File.
[35] A. Papoulis et S. Unnikrishan Pillai, Probability, random variables and stochastic
processes. Mac Graw Hill, 2002.
[36] D. Chizhik, G.J. Foschini et R.A. Valenzuela, “Capacities of multi-element transmit
and receive antennas : correlations and keyholes”. Electronic Letters, pages 1099–
1100, Jun. 2000.
[37] D. Chizhik, G.J. Foschini et R.A. Valenzuela, “Correlations, keyholes and capaci-
ties of multielement transmit and receive antennas”. IEEE Transaction on Wireless
Communications, pages 361–368, Apr. 2002. File.
[38] D. Gesbert, H. Bölcskei, D. Gore et A. Paulraj, “MIMO wireless channels : capacity

and performance prediction”. in Proceedings of IEEE GLOBECOM, 2000. File.
[39] L. Hanlen et M. Fu, “MIMO wireless systems : capacity limits for sparse scattering”.
in Australian Communications Theory Workshop, 2002. File.
[40] W.C.-Y. Lee, “Effects on correlation between two mobile radio base-station anten-
nas”. IEEE Transaction on Communications, pages 2114–2124, Nov. 1974.
[41] P.B. Rapajic et D. Popescu, “Information capacity of a random signature multiple-
input multiple-output channel”. IEEE Transaction on Communications, pages 1245–
1248, Aug. 2000.
[42] A. Scaglione, “Statistical analysis of the capacity of MIMO frequency selective Ray-
leigh fading channels with arbitrary numbers of inputs and ouputs”. in Proceedings
of IEEE Symposium on Information Theory, 2002. File.
[43] H. Bölcskei, D. Gesbert et A. J. Paulraj, “On the capacity of OFDM-based spatial
multiplexing systems”. IEEE Transaction on Communications, pages 225–234, Feb.
2002. File.
[44] D.P. McNamara, M.A. Beach et P.N. Flesher, “Experimental investigation into the
impact of mutual coupling on MIMO communication systems”. in Wireless Personal
Multimedia Communications, 2001.
[45] T. Svantesson et A. Ranheim, “Mutual coupling effects on the capacity of multiele-
ment antenna systems”. in IEEE International Conference on Acoustics, Speech and
Signal Processing, 2001. File.
[46] T.S. Rappaport, Wireless communications : principles and practice. Prentice Hall,
1996.
[47] B. Sklar, “Rayleigh fading channels in mobile digital communication systems - Part
I : characterization”. IEEE Communication Magazine, pages 90–100, Jul. 1997. File.
[48] B. Sklar, “Rayleigh fading channels in mobile digital communication systems - Part
II : mitigation”. IEEE Communication Magazine, pages 102–109, Jul. 1997. File.

Chapitre 4
Techniques MIMO - Etat de l’art
Sommaire
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.2 Domaine spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.2.1 Information d’état du canal en réception . . . . . . . . . . . . . . 121
4.2.1.1 Critères de construction . . . . . . . . . . . . . . . . . . 121
4.2.1.2 Panorama des techniques . . . . . . . . . . . . . . . . . 124
4.2.2 Emission et réception aveugles . . . . . . . . . . . . . . . . . . . 140
4.2.3 Information d’état du canal en émission et en réception . . . . . 145
4.3 Domaines spatial et fréquentiel . . . . . . . . . . . . . . . . . . 150
4.3.1 Critères de construction . . . . . . . . . . . . . . . . . . . . . . . 151
4.3.2 Panorama des techniques . . . . . . . . . . . . . . . . . . . . . . 154
4.4 Domaines spatial et temporel . . . . . . . . . . . . . . . . . . . 156
4.4.1 Critères de construction . . . . . . . . . . . . . . . . . . . . . . . 157
4.4.2 Panorama des techniques . . . . . . . . . . . . . . . . . . . . . . 158
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.1 Introduction
L’avènement des systèmes de transmission employant des réseaux d’antennes simul-

tanément à l’émission et à la réception a ouvert une nouvelle voie en permettant, pour la
première fois dans l’histoire des radiocommunications, d’exploiter la dimension spatiale
au même titre que la dimension temporelle. Il était désormais possible de multiplexer
l’information en espace pour atteindre des efficacités spectrales records.
120 Techniques MIMO - Etat de l’art
La construction des fonctions de codage et de modulation généralisent au domaine

spatial les schémas de transmission classiques. Les deux mécanismes fondamentaux mis
en jeu, analysés au chapitre précédent, sont la diversité et le multiplexage, respectivement
associés à la robustesse et au rendement.
Constituer une base de données sur les techniques MIMO existantes est une étape in-
dispensable lors de la conception d’un système, fournissant une boı̂te à outils réutilisable.
Ce chapitre propose ainsi un tour d’horizon des principales techniques temps-espace recen-
sées dans la littérature dans le courant de l’année 2001. La première partie se concentre
sur l’exploitation de la dimension spatiale, les deux parties suivantes, plus succinctes,
intégrant simplement les aspects de sélectivités fréquentielle et temporelle du canal de
propagation. La large part accordée à l’aspect spatial se justifie par le fait que c’est de
par son traitement que les systèmes MIMO généralisent l’ensemble des autres schémas
de transmission.
Pour chaque cas de figure, les formes d’onde optimales en terme de capacité ou de
probabilité d’erreur sont présentées. Les critères liés à la capacité ont été évoqués au
chapitre précédent et seront rappelés. Les critères de robustesse sont dérivés à nouveau,
accompagnés des structures de réception correspondantes.
4.2 Domaine spatial
Dans certaines applications bas débit, la bande passante occupée est inférieure à la
bande de cohérence du canal et la durée des paquets échangés au temps de cohérence. Le
canal apparaı̂t alors plat en fréquence et statique en temps, n’offrant plus au système que
la dimension spatiale à exploiter. Le modèle approprié est donné par la relation (1.6).
L’émetteur transmet l’information par paquets de K périodes temporelles succes-

sives, pour chacun desquels le message transmis {x(0), . . . , x(K − 1)} et le signal reçu
{y(0), . . . , y(K − 1)} sont reliés par l’équation :
y(k) = Hx(k) + n(k) k = 0, . . . , K − 1 (4.1)
où H ∈ CNR ×NT est la matrice du canal. Cette expression peut être décrite de manière
concise par le biais d’un formalisme vectoriel :
y = (I K ⊗ H)x + n (4.2)
où l’opérateur ⊗ dénote le produit de Kronecker et où l’on a défini les vecteurs
x = [x(0)T , . . . , x(K − 1)T ]T ∈ CKNT , y = [y(0)T , . . . , y(K − 1)T ]T ∈ CKNR et
n = [n(0)T , . . . , n(K − 1)T ]T ∈ CKNR . Dans la suite, la matrice étendue I K ⊗
H ∈ CKNR ×KNT sera abusivement notée H, la distinction devant être claire suivant
le contexte.
Une formulation plus compacte du modèle (4.1) est obtenue en rangeant les vecteurs
transmis et reçus selon les colonnes de matrices :
Y = HX + N (4.3)
4.2 Domaine spatial 121
avec les matrices X = [x(0) | . . . | x(K − 1)] ∈ CNT ×K , Y = [y(0) | . . . | y(K − 1)] ∈
CNR ×K , N = [n(0)T | . . . | n(K − 1)T ] ∈ CNR ×K . L’ensemble des séquences susceptibles
d’être transmises forme une constellation notée X , dont les propriétés vont conditionner
les performances du système.
On procède à présent à l’analyse des stratégies de communication pour différents

scénarios d’acquisition de la réponse du canal, i.e. présence ou absence de cette informa-
tion en émission et en réception. La présentation débute par le cas le plus fréquemment
rencontré dans un contexte sans fil.
4.2.1 Information d’état du canal en réception
4.2.1.1 Critères de construction
Performance en débit : La section 3.3.2.2 nous a appris que :

– le facteur clé conditionnant le gain en débit par rapport à un canal SISO est le
nombre de modes indépendants du canal, au plus égal à min(NT , NR ) ;
– les composantes des signaux capables d’atteindre la capacité du canal sont indé-
pendantes et identiquement distribuées (exploitation équitable des modes de pro-
pagation) selon une loi gaussienne (limitation en puissance d’émission).
Performances en probabilité d’erreur : Le signal transmis est filtré par le milieu

de propagation et perturbé par un bruit additif gaussien supposé spatialement blanc, n ∼
CN (0, Pn I NR ). La probabilité d’émettre x et de recevoir y, conditionnée à la connaissance
de la réponse du canal, suit donc la distribution gaussienne :

exp −(y − Hx)H (y − Hx)
py|x,H (y, x, H) =
π KNR Pn
ou de manière équivalente :

exp − kY − HXk2F
pY|X,H (Y , X, H) =
π KNR Pn
Le récepteur optimal recherche le signal X, parmi l’ensemble X , minimisant la pro-

babilité d’erreur. En supposant l’équiprobabilité des signaux transmis, cette opération
revient à maximiser la fonction de vraisemblance py|x,H . Le critère de décision associé est
alors appelé critère du maximum de vraisemblance (ML — Maximum Likelihood) et le
signal résultant X̂ ML solution de :
X̂ ML = arg max pY|Xl ,H (Y , X l , H)

X l ∈X
(4.4)
= arg min kY − HX l k2F
X l ∈X

Le problème (4.4) est généralement trop complexe à cause du calcul direct de la pro-
babilité d’erreur totale. On peut alors avoir recours à l’analyse de la probabilité d’erreur
entre paires de signaux {X 1 , X 2 }, laquelle donne une indication sur la probabilité d’er-
reur totale par l’intermédiaire du théorème de l’union1 . La probabilité de décider X 2
alors que X 1 a été émis équivaut à :
PX2 |X1 ,H (X 2 , X 1 , H) = PN (kY − HX 2 kF ≤ kY − HX 1 kF )

h i (4.5)
= PN Re tr(H(X 2 − X 1 )N H ) ≤ − 21 kH(X 2 − X 1 )k2F

La variable aléatoire réelle Re tr H(X 2 − X 1 )NH résulte de la somme pondérée des
éléments de la matrice de bruit N . Puisque la combinaison linéaire de variables gaus-
siennes centrées, indépendantes et identiquement distribuées est elle-même une variable
gaussienne centrée, de variance proportionnelle à la somme des carrés des coefficients de
pondération, on en déduit que Re tr H(X 2 − X 1 )N H ∼ N (0, kH(X 2 − X 1 )k2F Pn /2).
De cette observation s’ensuit que l’équation (4.5) est une simple intégration sur la queue
d’une fonction gaussienne, dont la valeur est donnée par :
s 
2
kH(X 2 − X 1 )kF 
PX2 |X1 ,H (X 2 , X 1 , H) = Q  (4.6)
2Pn
√ R∞
avec Q(x) = (1/ 2π) x exp(−u2 /2) du.
En invoquant l’inégalité de Chernoff, Q(x) ≤ exp(−x2 /2), la relation précédente se

trouve bornée par :
h i
PX2 |X1 ,H (X 2 , X 1 , H) ≤ exp − 4P1n kH(X 2 − X 1 )k2F
Il reste finalement à moyenner cette probabilité d’erreur par paire sur la statistique
des évanouissements du canal :

PX2 |X1 (X 2 , X 1 ) = EH PX2 |X1 ,H (X 2 , X 1 , H) (4.7)
La matrice H n’intervient plus directement mais apparaı̂t au travers de la matrice

de corrélation H H H. Dans le cas idéal où les évanouissements sont indépendants et
identiquement distribués suivant une loi gaussienne, et où l’espacement entre antennes est
supérieur à la distance de cohérence, les éléments de la matrice H sont raisonnablement
modélisés par des variables gaussiennes indépendantes et identiquement distribuées. Les
lignes de H étant indépendantes, la matrice H H H suit une loi de distribution de Wishart,
1
Théorème de l’union : la probabilité d’erreur est majorée par la borne :
X
Pe ≤ w(xi1 , xi2 ) Pxi2 |xi1 (xi2 , xi1 ) Pxi1 (xi1 )
i1 6=i2
où w(xi1 , xi2 ) est le poids de la décision erronée de xi2 à la place de xi1 .

HH H ∼ CW NT (NR , I NT ), dont les propriétés mathématiques connues analytiquement

permettent de montrer que :
1
PX2 |X1 (X 2 , X 1 ) ≤ h iNR (4.8)
1
2 det I NT + 4Pn (X 2 − X 1 )(X 2 − X 1 )H
La probabilité d’erreur par paire PX2 |X1 se présente donc, en toute logique, comme
une fonction décroissante de la distance kX 2 − X 1 k. Afin d’obtenir une meilleure com-
préhension des mécanismes en jeu, il se révèle intéressant d’examiner cette borne en
fonction du spectre de la matrice de corrélation du signal d’erreur. En développant
(X 2 − X 1 )(X 2 − X 1 )H en valeurs propres, on obtient :
" r #−NR
1 Y λk
PX2 |X1 (X 2 , X 1 ) ≤ 1+ (4.9)
2 4Pn
k=1
où l’entier r ≤ NT désigne le rang de la matrice de corrélation (X 2 − X 1 )(X 2 − X 1 )H

et {λn }rn=1 ses valeurs propres, réelles positives par construction.
Pour les forts SNR, l’équation (4.9) se simplifie en :

p Qr !−rNR
r
1 k=1 λk
PX2 |X1 (X 2 , X 1 ) ≤ (4.10)
2 4Pn
On observe que la structure du signal émis influe sur la probabilité d’erreur à deux
niveaux. Plus précisément, la borne (4.10) se comporte comme (βc /4Pn )−βd , avec :
βd = rNR = rang[(X 2 − X 1 )(X 2 − X 1 )H ]NR

Q (4.11)
βc = ( rn=1 λn )1/r = det+ [(X 2 − X 1 )(X 2 − X 1 )H ]1/r
où det+ (A) dénote le produit des valeurs propres strictement positives de la matrice A.
Les termes βd et βc sont respectivement dénommés gains de diversité et de codage :

Gain de diversité : Le gain de diversité décrit la décroissance exponentielle de la pro-
babilité d’erreur en fonction du SNR. Le gain maximal de diversité est quantifié en
recherchant le minimum de βd sur l’ensemble des mots de code.
Gain de codage : Le gain de codage se traduit par un décalage de la courbe de perfor-
mances en fonction du SNR. Il mesure grossièrement le gain apporté par le codage
par rapport à un système non codé opérant avec le même gain de diversité.
Les relations (4.11) font en outre apparaı̂tre que les performances en taux d’erreur
sont fonctions de la matrice de corrélation du signal d’erreur, (X 2 − X 1 )(X 2 − X 1 )H ∈
CNT ×NT , impliquant que l’intégralité des gains de codage et de diversité sont réalisables
pour une longueur de trame émise K ≤ NT .
La figure (4.1) illustre le rôle de ces deux termes. Le gain de diversité, apparaissant
en exposant dans l’équation (4.10), est prioritaire, en régime fort SNR, sur le gain de
Pe (échelle log)
−βd
βc
Pe (γ) ∝
4Pn
Système non codé
Système
codé
Gain de codage βc :
Zone de Système codé décalage de la courbe
faibles SNR à diversité
Gain de diversité βd :
changement de la pente
γ (dB)
Fig. 4.1: Gains de diversité et de codage — Influence sur les performances en probabilité d’erreur
codage dont la contribution se réduit à un facteur multiplicatif. L’importance relative de

ces deux grandeurs dans la zone à faible SNR, en supposant qu’elles soient définies, est
mal connue et, dans tous les cas, ne peut être quantifiée à partir de l’expression (4.10)
valide pour les forts SNR.
En résumé, l’optimisation relative des critères de performances (4.11) fournit une

méthode de construction des modulations temps-espace. En particulier, les signaux dé-
veloppés pour des applications privilégiant la robustesse doivent avant tout maximiser
βd , puis secondairement βc . Dans ce cas précis, la procédure de recherche est simplifiée
puisqu’il suffit de chercher une constellation dont la distance minimale entre deux points
quelconques est non nulle :

dmin = min det (X i − X j )(X i − X j )H > 0 (4.12)
X i 6=X j
4.2.1.2 Panorama des techniques
L’ordre de présentation essaye de suivre la chronologie d’apparition des techniques.

La figure (4.2) donne un premier aperçu sur les techniques qui vont être abordées.
Multiplexage temps-espace : Le principe du multiplexage est l’agencement sans re-

dondance en temps et en espace d’une séquence d’information, l’opération mathématique
associée s’apparentant à une fonction d’entrelacement temps-espace. Le système transmet
alors NT symboles utiles à chaque période temporelle.
Le point de départ de cette branche remonte aux travaux fondateurs des Bell Labs [1]
qui ont débouché sur l’architecture DBLAST (Diagonal Bell Labs Layered Space-Time),
dénomination explicitée plus loin. La motivation première de ce groupe était la concep-
tion d’une méthode permettant d’appliquer les techniques de codage classiques au canal
MIMO, contournant par la même l’épineux problème de la construction de codes temps-
espace. D’autres techniques ont depuis vu le jour, se classant en trois catégories distinctes
présentées sur la figure (4.3).
Rendement Rc nombre de symboles utiles transmis/période

Rc =
nombre de symboles utiles entrant/période
Limite des systèmes NT

MIMO STM
BLAST
ASTM
Débit
(multiplexage) R c ≤ NT
LDC
Concaténation de codes
STBCM
STTCM
Limite des systèmes 1

SISO, SIMO et MISO STRCM
Robustesse
(diversité) Rc ≤ 1
OSTBCM
STM : Space-Time Multiplexing
BLAST : Bell Labs LAyered Space-Time modulation
STTCM : Space-Time Trellis Coded Modulation
STBCM : Space-Time Block Coded Modulation
OSTBCM : Orthogonal STBCM
STRCM : Space-Time Constellation-Rotating Modulation
LDCM : Linear Dispersion Coded Modulation
ASTM : Algebraic Space-Time Modulation
Fig. 4.2: Classification des techniques de codage et de modulation temps-espace
Revenons à la modulation DBLAST. En émission, le flot de données est démultiplexé

en NT voies, traitée chacune par un codeur propre, les flux résultants étant ensuite affectés
aux antennes de transmission selon un ordre variant périodiquement par permutation
circulaire. Cette allocation, conférant au signal une structure diagonale en temps et en
espace d’où est tiré le nom DBLAST, a pour but d’assurer la répartition équitable de
l’information sur le canal MIMO.
Le principe de base gouvernant la réception repose sur l’annulation d’interférence. Le

procédé, illustré au bas de la figure (4.4), s’inspire de la structure en strates du signal,
décrivant ainsi une trajectoire diagonale sur la grille temps-espace des symboles transmis
par intervalle temporel et par antenne. Les couches sont décodées successivement en
supposant que la contribution des couches précédemment décodées a été soustraite du
signal et que l’interférence due aux couches non décodées a été parfaitement annulée. Par
exemple, le traitement appliqué avant décision au signal transmis, à un instant donné,
par l’antenne k comporte deux phases :
– soustraction de la contribution des symboles transmis par les antennes 1, . . . , k − 1
détectés lors des itérations précédentes,
– élimination des symboles transmis par les antennes k + 1, . . . , NT décodés lors
d’itérations ultérieures par projection du signal sur l’espace orthogonal à l’espace
décrit par les antennes k + 1, . . . , NT .
D’un point de vue mathématique, la méthode de décodage DBLAST s’identifie à une
factorisation QR de la matrice du canal :
H = QR

Modulateur
VBLAST : mutliplexage par
Démultiplexeur strates verticales
Codeur SISO
Antenne
Modulateur
Temps
Trajectoire de codage
Codeur SISO Modulateur

HBLAST : mutliplexage par
Démultiplexeur
strates horizontales
Codeur SISO Modulateur DBLAST : mutliplexage par

Association dynamique
strates diagonales
Démultiplexeur
flux-antennes
Fig. 4.3: Schémas de modulation BLAST

où Q ∈ CNR ×NR est une matrice unitaire et R ∈ CNR ×NT une matrice triangulaire
inférieure.
Le bon fonctionnement de ce type de transmission nécessite l’existence de NT modes

propres, rang(H) = NT , impliquant nécessairement un nombre d’antennes de réception
supérieur ou égal au nombre d’antennes d’émission. Lorsque l’interaction du signal avec
l’environnement n’est plus suffisamment riche ou que l’espacement inter-éléments au sein
des réseaux est trop faible, la structure de la matrice du canal H devient déficiente et
l’opération d’annulation d’interférence échoue à séparer les signaux, entraı̂nant l’appari-
tion d’erreur.
temps
antennes d’émission
VBLAST
HBLAST
DBLAST
Strate détectée aux itérations < k Trajectoire

de décodage
Strate détectée à l’itération k
Strate détectée aux itérations > k
Fig. 4.4: Schémas de démodulation BLAST

La complexité du récepteur DBLAST, due à l’entrelacement diagonal en temps et en

espace, nécessite l’implantation d’algorithmes de détection performants tels que le déco-
dage par sphère [2]. La technique VBLAST (Vertical BLAST), où l’assignement des flux
codés aux antennes est figé, constitue une autre solution [3]. En réception, le décodage par
strate n’est plus nécessaire puisqu’il n’y a plus d’effet mémoire entre les signaux transmis
à différents instants. Plusieurs techniques de réception ont été proposées. En remarquant
l’analogie forte avec les systèmes de communication à accès multiple, Foschini [4] pro-
pose un algorithme de détection multi-utilisateur basé sur l’annulation d’interférence. La
méthode présentée repose l’annulation série avec ordonnancement optimal des signaux,
i.e. le signal le plus fort est détecté à chaque itération et sa contribution soustraite du
signal. En observant que l’étape de classement des signaux consomme la majeure partie
du temps de traitement, Hassibi [5] expose un algorithme allégeant cette tâche.
VBLAST supporte le même débit que DBLAST et souffre de la même contrainte sur
le rang du canal. Cependant, les performances en taux d’erreur sont nécessairement moins
bonnes du fait que VBLAST n’exploite pas la dimension temporelle du canal. Plusieurs
travaux ont étudié l’influence du motif d’entrelacement, ainsi que son interaction avec le
code appliqué et l’algorithme de décodage associé [6, 7, 8].
Modulations codées en treillis temps-espace : Les modulations codées en treillis

temps-espace STTCM (STTCM — Space Time Trellis Coded Modulation) se présentent
comme une généralisation au cas MIMO des modulations codées en treillis développées
pour le canal SISO. L’émetteur est constitué d’une batterie de registres à décalage et de
fonctions algébriques générant un mot de code de NT symboles transmis simultanément
par le réseau d’émission. Le récepteur utilise communément un algorithme de Viterbi
pour rechercher le chemin avec la métrique la plus faible, i.e. le plus probable.
Fermeture
du treillis
Codage binaire Code Décodeur ML

à symbole convolutif (algo. Viterbi)
Critères de performance
sur les symboles modulés
(Tarokh)
Critères de performance Treillis temps−espace

dans le domaine binaire
(Hammons, Blum)
Fig. 4.5: Modulations codées en treillis temps-espace
Les modulations STTC se comportent bien sur les canaux variant lentement dans le
temps mais souffrent de la complexité de décodage. Il existe un compromis fondamental
entre le débit, l’ordre de diversité, la taille de la constellation et la complexité du treillis.
Tarokh [9] montre en effet que, pour un ordre de diversité spatiale rNR , une constellation

de taille 2b , le débit de transmission est borné par :

log A2bK (NT , r)
R≤
K
où A2bK est le nombre maximal de mots de code de longueur NT et de distance de
Hamming minimale r définie sur un alphabet à 2bK éléments. Un résultat immédiat est
qu’une STTCM à diversité spatiale maximale NT NR atteint un débit d’au plus b bit/s/Hz.
Une autre conséquence est que la longueur de contrainte d’une STTCM de diversité r est
supérieure ou égale à r − 1 et la complexité du treillis est au moins 2b(r−1) .
Depuis l’article fondateur [9], la plupart des constructions de codes temps-espace

repose sur les critères de gain de diversité et de gain de codage obtenus en analysant
la probabilité d’erreur par paire [9, 10]. On remarquera qu’il est nécessaire d’assurer la
fermeture du treillis afin d’être en mesure de les traiter sous la forme d’un code en bloc.
Plusieurs treillis, maximisant la diversité spatiale et possédant un certain gain de

codage, sont construits de manière empirique par Tarokh [9] pour un réseau d’émission
à deux antennes (cf. figure 4.6). En s’inspirant de ce travail, Grimm [11] introduit la
notion de symétrie de zéros et généralise les constructions pour NT > 2. Cette propriété,
suffisante pour garantir le rang plein, permet de restreindre le domaine de recherche.
Grimm présente également une liste de modulations STTC optimales à faible longueur
de contrainte qui maximisent la diversité et possèdent de meilleurs gains de codage (NT =
2, 3, 5 pour BPSK et NT = 2 pour QPSK). Plus récemment, une recherche informatique
exhaustive similaire a été menée par Baro [12] pour des treillis de faible longueur de
contrainte avec NT = 2 et une modulation QPSK. Les distances produit calculées par
Baro sont en accord avec Grimm mais sont obtenues avec d’autres codes, démontrant
ainsi la multiplicité des codes optimaux. Ionescu [13] a obtenu des STTCM améliorées à
8 et 16 états, pour NT = 2 et une modulation QPSK, à partir d’un critère de distance
modifié. De même, Yuan [14] a dérivé des critères de construction améliorés en utilisant
une borne plus fidèle sur la fonction Q(.) lors du calcul de la probabilité d’erreur et obtient
par la même de meilleurs codes.
Les performances en probabilité d’erreur des STTCM utilisant des modulations co-
dées en treillis conventionnelles sont largement dégradées lorsque le treillis possède des
branches parallèles. Les TCM multiples [15, 16] lèvent cette limitation en débit en au-
torisant les branches parallèles dans le treillis tout en maximisant l’ordre de diversité.
Lin [17] étend ces travaux pour les canaux MIMO quasi statiques et propose des mé-
thodes de construction systématiques.
Au-delà des schémas précédents spécifiques, la mise au point de méthodes de construc-

tion systématique reste un problème ouvert. Le principal obstacle réside dans le fait que
les critères de performance des techniques temps-espace sont définis dans le corps des
nombres complexes, alors que les techniques de codage classiques sont généralement éta-
blies sur des corps ou des anneaux finis. Or, le transfert de certaines opérations semble
relativement difficile. Un premier pas essentiel est dû à Hammons [18] qui présente un
critère de rang binaire pour les modulations BPSK et QPSK assurant la diversité pleine.
Cette théorie a été prolongée par Blum [19] et Yan [20] aux constellations QAM d’ordre
supérieur (QAM — Quadrature Amplitude Modulation).
Codage binaire Code Décodeur ML

à symbole convolutif (algo. Viterbi)
1 0
Indexation des points

de la constellation
2 3
Représentation des treillis temps-espace Structure du modulateur STTC
Modulation STTC à 4 états 00,01,02,03

pour symboles QPSK -
diversité 2
10,11,12,13
symboles QPSK
D
20,21,2223
30,31,32,33
Antenne 1 Antenne 2
Modulation STTC à 8 états 00,01,02,03

pour symboles QPSK - 10,11,12,13
diversité 2
20,21,22,23 2
30,31,32,33
D D
22,23,20,21
32,33,30,31 Retard 2
Gain
02,03,00,01
12,12,13,11
Addition modulo 4
Fig. 4.6: Exemples de modulations temps-espace codées en treillis (Tarokh) pour un système
MIMO à 2 antennes d’émission

Un point crucial est le comportement des modulations codées STTC dans des condi-
tions d’opérations réalistes. Tarokh et Naguib [21, 22] étudient par exemple les effets des
erreurs d’estimation du canal sur les performances des codes temps-espace et proposent
des méthodes d’acquisition, basées sur l’insertion de séquences d’entraı̂nement connues.
Fitz [23] présente les performances des STTCM sur un canal MIMO corrélé en espace en
proposant une analyse originale de la probabilité d’erreur par paire.
Modulations codées temps-espace en bloc orthogonales : La complexité de dé-

codage des STTCM a jusqu’à présent freiné leur expansion. C’est en cherchant à résoudre
ce problème qu’Alamouti [24] a découvert une technique de transmission utilisant deux
antennes à l’émission et permettant un décodage au sens du maximum de vraisemblance
linéaire. Parallèlement, Stoica [25] a abouti au même résultat en cherchant à maximi-
ser le SNR et à assurer le découplage des symboles transmis en réception. Le principe
sous-jacent consiste à imposer une structure orthogonale particulière aux points de la
constellation afin d’éliminer les termes croisés non linéaires apparaissant dans le dévelop-
pement de la métrique de la probabilité d’erreur et simplifier ainsi le décodeur ML.
Canal équivalent SISO - diversité d’ordre ≤ NT NR
Codage binaire [x(1), . . . , x(Q)] Combineur Détecteur ML

STBC
à symboles orthogonal linéaire linéaire
suppression des détection séparée

termes non-linéaires des symboles

Ex : schéma d’Alamouti c x(1) x(2)
XOD =
NT = 2, Q = 2 −x(2)∗ x(1)∗
Fig. 4.7: Modulations codées en bloc orthogonales temps-espace
La généralisation du schéma d’Alamouti à un nombre d’antennes d’émission quel-

conque a été étudiée, dans le cadre de la théorie des motifs orthogonaux, par Ta-
rokh [26, 27] et a engendré la famille des modulations codées temps-espace orthogonales
(OSTBCM — Orthogonal Space Time Block Coded Modulation). Un motif orthogonal
(OD — Orthogonal Design) de dimension NT est défini par une matrice orthogonale
X OD ∈ CNT ×NT peuplée par les variables {x(n)}N T
n=1 de telle sorte que :
NT
!NT
X
det(X H
OD X OD ) = |x(n)|2 (4.13)
n=1
On distinguera les motifs orthogonaux réels, qui utilisent des variables réelles et leurs
opposées {±x(n)}n , des motifs orthogonaux complexes qui manipulent des variables com-
plexes et leurs symétriques {±x(n), ±x(n)∗ }n . Les motifs orthogonaux réels sont restreints
aux dimensions 2, 4 et 8, résultat issu de la théorie de Hurwitz-Radon. En fait, ces trois
motifs s’identifient respectivement aux nombres complexes, aux quaternions et aux octo-
nions :

x(1) x(2)
X OD(2) =
−x(2) x(1)
 
x(1) x(2) x(3) x(4)
 −x(2) x(1) −x(4) x(3) 
X OD(4) =
 −x(3) x(4)

x(1) −x(2) 
−x(4) −x(3) x(2) x(1)
 
x(1) x(2) x(3) x(4) x(5) x(6) x(7) x(8)
 −x(2) x(1) −x(4) x(3) x(6) −x(5) −x(8) x(7) 
 
 −x(3) x(4) x(1) −x(2) x(7) x(8) −x(5) −x(6) 
 
 −x(4) −x(3) x(2) x(1) x(8) −x(7) x(6) −x(5) 
X OD(8) =
 −x(5) −x(6)

 −x(7) −x(8) x(1) x(2) x(3) x(4) 
 −x(6) x(5) −x(8) x(7) −x(2) x(1) −x(4) x(3) 
 
 −x(7) x(8) x(5) −x(6) −x(3) x(4) x(1) −x(2) 
−x(8) −x(7) x(6) x(5) −x(4) −x(3) x(2) x(1)
avec x(n) ∈ R , n = 1, . . . , 8.
Il est possible d’introduire un prétraitement linéaire en relâchant la contrainte (4.13)

mais cette solution ne conduit pas à de nouveaux motifs orthogonaux réels pour NT 6=
2, 4 ou 8. Dans ce but, Tarokh [27] envisage l’extension à des matrices orthogonales
rectangulaires en remarquant qu’il suffit de conserver la propriété d’orthogonalité des
colonnes. Par analogie, un motif orthogonal généralisé de dimension NT est défini par
une matrice X GOD ∈ CK×NT , avec K la durée d’un bloc mesurée en période symbole,
vérifiant le critère d’orthogonalité :
Q
!NT
X
det(X H
GOD X GOD ) = 2
|x(n)| (4.14)
n=1
où {±x(1), . . . , ±x(Q)} sont les Q symboles transmis par bloc. On montre par construc-
tion que les motifs réels généralisés existent quel que soit le rendement Rc ≤ 1 et le
nombre d’antennes NT , la durée K de chaque bloc devant être minimisée pour réduire le
délai de décodage [27]. En particulier, l’expression de K en fonction du nombre d’antennes
NT ≤ 8 est établie dans le cas Rc = 1.
Le passage vers le corps des nombres complexes se fait naturellement mais les résultats
ne s’étendent pas. Ainsi, les motifs complexes orthogonaux n’existent que pour la dimen-
sion 2, preuve obtenue par extension de la théorie d’Hurwitz-Radon au cas complexe.
Cette exception correspond au schéma d’Alamouti :

c x(1) x(2)
X OD =
−x(2)∗ x(1)∗
Une preuve constructive de l’existence des motifs orthogonaux complexes, pour un

rendement Rc ≤ 0.5 et pour un nombre quelconque d’antennes d’émission, est donnée

dans la référence [27]. Un exemple de code est le suivant :

 
x(1) x(2) x(3)
 −x(2) x(1) −x(4) 
 
 −x(3) x(4) x(1) 
 
 −x(4) −x(3) x(2) 
X cGOD =


 x(1)∗ x(2)∗ x(3)∗ 

 −x(2)∗ x(1)∗ −x(4)∗ 
 
 −x(3)∗ x(4)∗ x(1)∗ 
−x(4)∗ −x(3)∗ x(2)∗
La question de l’existence pour un rendement quelconque supérieur à 0.5 n’est pas

résolue. Tarokh [27] donne quelques exemples de codes à rendement dépassant ce seuil,
comme les deux constellations ci-dessous obtenues en se fondant sur la théorie des motifs
amicaux [28] :
 x(3) 
x(1) x(2) √
2
 x(3) 
 −x(2)∗ x(1)∗ √ 
X cGOD =
 x(3)∗ x(3)∗
2
−x(1)+x(1)∗ +x(2)−x(2)∗


 √2 √
2 2 
x(3)∗ −x(3)∗ −x(2)+x(2)∗ +x(1)−x(1)∗
√ √
2 2 2
et :
 x(3) x(3) 
x(1) x(2) √
2
√
2
 x(3) x(3) 
 −x(2)∗ x(1)∗ √ √ 
X cGOD =
 x(3)∗ x(3)∗
2
−x(1)−x(1)∗ +x(2)−x(2)∗
2
−x(2)−x(2)∗ +x(1)−x(1)∗


 √2 √
2 2 2 
x(3)∗ −x(3)∗ x(2)+x(2)∗ +x(1)−x(1)∗ −x(1)−x(1)∗ +x(2)−x(2)∗
√ √
2 2 2 2
Les motifs orthogonaux admettent une interprétation physique intéressante : les dia-
grammes de rayonnement sont orthogonaux à chaque intervalle de temps, et, simultané-
ment, les séquences transmises par les différentes antennes sont orthogonales [29].
Les modulations codées orthogonales maximisent le gain de diversité spatiale et

n’offrent pas de gain de codage, cela peut être vu à partir de leur définition. Elles ont
pour effet de convertir le canal MIMO en un canal SISO et introduisent ainsi des pertes
en terme de débit dès lors que le rang du canal est supérieur à l’unité [30]. Ces modu-
lations OSTBC sont donc adaptées aux applications où la robustesse est recherchée, au
détriment du débit. Des approches alternatives basées sur une relaxation de la condition
d’orthogonalité ont conduit aux modulations quasi-orthogonales [31, 32].
Modulations codées temps-espace à diversité maximale : Les modulations

OSTBC exploitent la diversité spatiale du canal de manière optimale mais la contrainte
de décodage ML linéaire les condamne à un nombre restreint de dimensions. En relâchant
cette condition, il devient possible de concevoir, avec une grande flexibilité, des modu-
lations à diversité maximale pour des nombres quelconques d’antennes d’émission et de
réception.
La famille des modulations codées à constellations tournées (STCRM — Space Time

Constellation Rotating Modulation) a été obtenue en observant que ce type de modula-
tions, initialement proposé pour les canaux de Rayleigh à évanouissements rapides [33],
répond à des critères proches de ceux établis pour le canal MIMO quasi statique. L’idée
sous-jacente aux constellations tournées [34] repose sur le fait que, si les composantes
d’un point d’une constellation donnée sont différentes des composantes des autres points,
alors des évanouissements indépendants sur chacune des composantes n’empêchent pas la
détection de ce point, à l’exception du cas où toutes les composantes sont profondément
affectées. Une constellation est dite à diversité pleine lorsque tous les points vérifient cette
propriété. La robustesse face aux évanouissements est mesurée par la distance produit
minimale entre les points.
La première généralisation, pour des modulations réelles, des constellations tournées

à un réseau d’antennes en émission est due à Da Silva [35]. Giannakis [36] établit plus
tard l’existence de rotations complexes à diversité maximale pour un nombre quelconque
d’antennes.
Les modulations STCR (cf. figure (4.8)) projettent un vecteur de symboles x ∈ CNT
sur une constellation tournée, puis répartissent la constellation en temps et en espace
selon :
X = U diag(M x) (4.15)
où M ∈ CNT ×NT est une matrice de rotation et U ∈ CNT ×NT une matrice orthonormale.
La matrice U n’affecte pas la probabilité d’erreur, i.e. HU ∼ H, et peut être employée,
par exemple, pour gommer les pics de puissance. Le choix de la matrice de rotation M ,
optimal au sens de la diversité, est une matrice maximisant la distance produit minimale.
constellation originale constellation tournée constellation tournée temps-espace
diversité
Codage binaire x Mx Répartition X = U diag(M x)

Rotation de
à symbole la constellation temps-espace
Diversité pleine : les composantes de chaque point sont différentes x : symbole de constellation
des composantes de tous les autres points M : matrice de rotation
U : orthonormale
Fig. 4.8: Modulations codées temps-espace à constellation tournée

En utilisant le fait que le déterminant d’un produit de matrices est égal au produit
de déterminants individuels et que le déterminant d’une matrice orthonormale est égal à
l’unité, on montre que la distance produit minimale de la modulation s’écrit :
dmin = min |det diag [M (xi − xj ))]|2
i6=j
2
NT X
Y NT
= min mpq [xi (q) − xj (q)]
i6=j
p=1 q=1
où les scalaires mpq dénotent les coefficients de la matrice M . Cette distance est non nulle
par construction puisque les composantes de chaque point de la constellation tournée sont
uniques. Il en résulte que les codes STCR sont à diversité maximale.
Ces codeurs sont connus analytiquement pour NT = 2 et une modulation BPSK. Leur
recherche pour NT > 2 et des gains de codage élevés requiert des moyens informatiques
envisageables uniquement pour des constellations de petites tailles. Basé sur les construc-
tions algébriques développées par Giraud et Boutros [37, 33], Damen [38] propose un
ensemble de modulations combinant les constellations tournées avec une transformation
de Hadamard. La propriété de décodage linéaire perdue par les STCRM entraı̂ne une
complexité exponentielle du décodage ML en fonction de la taille des constellations et du
nombre d’antennes d’émission. Le décodage par sphère [39] a été proposé pour pallier ce
problème.
Modulations codées à dispersion linéaire : Les modulations codées à dispersion

linéaire (LDCM — Linear Dispersion Coded Modulation) ont été initialement proposées
par Hassibi [40] en tant que généralisation des modulations codées linéaires. Le souci pre-
mier qui a motivé leur construction est la recherche d’une technique de codage possédant
la simplicité de décodage de VBLAST, ainsi que plusieurs propriétés des modulations co-
dées en bloc, et optimisant la capacité ergodique. Une autre exigence était la suppression
de la contrainte, propre à BLAST, d’un nombre d’antennes en réception supérieur ou égal
au nombre d’antennes en émission.
Une modulation codée à dispersion linéaire répartit en temps et en espace un vecteur

de Q symboles complexes [x(1), . . . , x(Q)], appartenant à une constellation linéaire du
type QAM ou PSK d’énergie unité, selon le schéma [40] :
Q
X
X= [Re x(q)A2q + Im x(q)A2q+1 ] (4.16)
q=1
où {Aq ∈ CNT ×K }2Q q=1 est l’ensemble des matrices de dispersion. La structure de la mo-
dulation est entièrement spécifiée par le jeu des matrices de dispersion, celle d’un mot de
code étant définie par les Q symboles transmis. On remarque que les composantes réelle
et imaginaire de chaque symbole sont étalées par des matrices distinctes. Dans la suite,
on préfèrera la forme :
2Q
X
X= x̄(q)Aq
q=1

où l’on a posé x̄(2q) = Re x(q) et x̄(2q + 1) = Im x(q).
La validité de la construction (4.16) repose sur l’unicité du décodage en réception. Le

nombre maximal de symboles transmis par bloc Q , la durée temporelle d’un bloc K et
le nombre d’antennes de réception NR sont ainsi reliés par l’inégalité :
Q ≤ NR K (4.17)
limitant le débit utile à R = (Q/K)n ≤ NR n, où n représente le nombre de bits transpor-
tés par un symbole x(k). La borne (4.17) traduit le fait que le nombre de degrés de liberté
Q contenus dans un point de la constellation dispersée doit rester inférieur au nombre
d’inconnues collectées par les NR antennes de réception pendant K intervalles de temps
de sorte que le décodeur ne soit pas confronté à un système d’équations surdéterminé.
On remarquera qu’aucune condition n’est posée sur NT et NR . En particulier, les codes à
dispersion linéaire sont capables de traiter les configurations où NR ≤ NT , contrairement
aux techniques de multiplexage pure telles que BLAST.
Les modulations à dispersion linéaire offrent une très grande souplesse dans le choix
des paramètres, facilitant la recherche d’un compromis entre débit utile et robustesse.
Intuitivement, le débit sera d’autant plus fort que le nombre de symboles utiles sera
grand, contrairement à la robustesse qui sera d’autant meilleure que Q sera petit. La
valeur Q = min(NT , NR )K est un compromis maximisant l’information mutuelle tout en
conservant un gain de codage suffisant [41].
Une fois fixé le nombre de symboles utiles, l’étape suivante se concentre sur la géné-
ration de matrices de dispersion {Aq } maximisant le rendement. En injectant la défini-
tion (4.16) dans la relation d’entrée-sortie (4.2), on montre que :
P
2Q
y = H vec q=1 x̄(q)Aq + n
= HAx̄ + n
où x̄ ∈ R2Q est le vecteur signal et A = [vec(A1 ) | · · · | vec(A2Q )] ∈ CNT K×2Q la
matrice globale de dispersion. Tout se passe comme si le message transitait dans le ca-
nal étendu HA, perturbé par un bruit additif gaussien. Ce scénario a été abordé dans la
section 3.3.2.2, où il a été vu que, pour une puissance d’émission limitée, le débit est maxi-
misé par un vecteur de symboles x̄ blanc gaussien. La capacité ergodique correspondante
est [42, 4] :
1 1 H H
C(A) = EH log det I 2NR K + HAA H (4.18)
2K γ
Les matrices de dispersion sont alors élaborées pour maximiser l’équation (4.18).
La référence [5] détaille une méthode d’optimisation numérique, basée sur le gradient,
permettant de maximiser l’équation (4.18) avec les contraintes :
PQ 2
q=1 kAq kF = KNT (i)
KNT
kAq k2F = Q q = 1, . . . , Q (ii)
AH
q Aq =
K
Q IK q = 1, . . . , Q (iii)

où (i) borne la puissance totale rayonnée, (ii) assure que chaque symbole est distribué avec
la même puissance depuis chaque antenne et (iii) assure que la dispersion de chaque sym-
bole ne privilégie pas de direction spatiale ou temporelle. Les deux dernières contraintes
assurent que la recherche se restreint aux modulations à dispersion linéaire tendant à
ressembler à un signal blanc gaussien, en accord avec la signature optimale attendue. Les
modulations à dispersion linéaire ainsi générées offrent des débits élevés mais ne satis-
font plus nécessairement aux critères de performance en probabilité d’erreur établis par
Tarokh [27].
En prolongeant le travail de Hassibi, Sandhu [43] répond à ce problème en fournissant

des conditions analytiques suffisantes sur la structure du signal pour garantir simultané-
ment robustesse et débit. En repartant de l’équation (4.8), on montre que la probabilité
d’erreur par paire entre deux points d’une constellation s’écrit :
1
PX2 |X1 (X 2 , X 1 ) ≤ N R
1 P ∗ H
det I NT K + 4Pn k,l e12 (k)e12 (l)Ak Al
1
≤ h iNR
1 P ∗ (l)(A AH + A AH )
det I NT K + 8Pn k6=l e12 (k)e12 k l l k
où l’on a posé e12 (l) = x1 (l) − x2 (l). En imposant que les matrices de modulation soient
unitaires, Sandhu prouve que les matrices de modulations les plus robustes sont mutuel-
lement hermitiennes anti-symétriques :
(
Ak AH H
l + Al Ak = 0 , k 6= l pour NT ≤ K
(4.19)
AH H
k Al + Al Ak = 0 , k 6= l pour NT > K
Cette condition impose que Q ≥ NT K. A titre indicatif, il est intéressant de vérifier

que la condition (4.19) est vérifiée par les modulations OSTBCM pour K ≥ 2 et par le
multiplexage spatial pour K = 1.
Simultanément, l’optimisation du rendement conduit, pour un canal invariant par

bloc, à des matrices du type :
A = (I K ⊗ B)Q (4.20)
où la matrice Q est orthonormale, QQH = I, et la matrice B dépend de la statistique
du canal. Pour un canal à évanouissements de Rayleigh, le choix optimal pour B est une
matrice unitaire [42]. Par conséquent, le code linéaire optimal vérifie :
AAH = 1
NT I NT K (4.21)
Cette condition impose que Q ≤ NT K.
En associant les critères relatifs à la robustesse (4.19) et au rendement (4.21), avec

leurs contraintes propres, la référence [43] propose une méthode de construction des ma-
trices de modulations avec Q = NT K. Ces résultats généralisent les travaux initiaux [5]
en dérivant la borne de l’union sur la probabilité d’erreur pour différentes conditions sur
le canal.

Modulations codées algébriques : Les modulations codées à dispersion linéaire

offrent des débits supérieurs à ceux atteints par les modulations STTC et OSTBC, au
prix de la perte des critères de construction [41] ou de l’absence de forme analytique [43].
Pour résoudre ce problème, la démarche adoptée par Damen [44] consiste à imposer
une structure algébrique aux mots de code pour guider l’optimisation simultanée du débit
et de la diversité. En remarquant que la propriété de distance minimale non nulle (4.12)
est, par l’intermédiaire du déterminant, une fonction polynomiale des éléments des ma-
trices d’erreur entre points de la constellation, le problème se réduit à construire un
polynôme ne possédant pas de racine pour la structure algébrique choisie.
Considérons le cas simple d’une modulation temps-espace pour un système MIMO

NT = 2 et NR = 2. Deux périodes temporelles suffisent, au sens de la probabilité d’er-
reur, à la définition d’un point de la constellation, X ∈ C2×2 , lequel doit par conséquent
transporter quatre symboles utiles pour maximiser le débit. Puisque l’on souhaite ex-
primer la distance entre signaux sous forme polynomiale, il est naturel de répartir les
symboles d’information x en temps et en espace à l’aide de polynômes. L’article [44]
propose l’arrangement suivant :

x(0) + φx(1) θ (x(2) + φx(3))
X= (4.22)
θ (x(2) − φx(3)) x(0) − φx(1)
avec θ et φ deux scalaires complexes tels que θ2 = φ. Les symboles d’information x(k)
appartiennent ici à une constellation linéaire, soit x(k) ∈ Z[i], Z[i] = {a + ib, a, b ∈ Z}
étant une extension algébrique simple de l’anneau des entiers.
L’expression de la distance minimale est facilement obtenue en remarquant que le

déterminant du produit de deux matrices carrées est égal au produit des déterminants
individuels :
2
X3
2 2 k
dmin = min |det(X i − X j )| = min (xi (k) − xj (k)) φ (4.23)
i6=j i6=j
k=0
L’expression (4.23) apparaı̂t donc comme un polynôme de degré inférieur ou égal à

3, à coefficients dans Z[i] et à valeur dans C. Pour garantir une distance minimale non
nulle et, par la même, la diversité pleine de la modulation, il suffit de choisir φ comme
un nombre algébrique de degré supérieur ou égal à 4 sur Z[i], i.e. solution d’une équation
polynomiale à coefficients complexes entiers de degré supérieur ou égal à 4.
Concaténation de codes : L’avènement de la concaténation de codes a constitué une

étape significative dans le progrès des techniques de codage d’erreur. Le principe général
repose sur la concaténation de fonctions de codage possédant des propriétés complémen-
taires dans le but d’atteindre des performances globales supérieures tout en relâchant les
contraintes sur les codes élémentaires.
Les fondations théoriques ont été édifiées par Forney dans l’article [45], où il prouve
que le décodage séquentiel de deux codes courts concaténés se révèle plus simple, à perfor-
mances identiques, que le décodage d’un code long. L’exemple emblématique, rencontré
sur les canaux générant des erreurs isolées et indépendantes, est la combinaison d’un code
externe algébrique, généralement un code de Reed-Solomon, et d’un code interne convo-
lutif. Le récepteur associé effectue un décodage à décision souple du code convolutif, suivi
d’un décodage algébrique du code en bloc corrigeant les paquets d’erreurs éventuellement
produits en sortie du décodeur interne.
L’intérêt de recourir à cette stratégie dans le cas présent est d’optimiser séparément les
gains de diversité et de codage (cf. relations (4.11)), tâche difficile à mener conjointement.
Il est, par exemple, possible de combler la déficience en gain de codage des modulations
OSTBC à diversité pure à l’aide d’un code correcteur classique. Le canal équivalent, vu
entre le modulateur temps-espace orthogonal et le démodulateur associé, se réduit à un
canal SISO, pour lequel les TCM forment un choix naturel. En particulier, pour un canal
quasi-statique, où l’objectif du code externe est la maximisation de la distance euclidienne
libre, on pourra utiliser les TCM développées par Ungerboeck [46]. La figure (4.9) illustre
le diagramme d’un système à concaténation de codes, accompagné de son application au
schéma d’Alamouti.
De toute évidence, les techniques de turbocodage manquent à l’appel. Dans le cas

d’une liaison par paquets assez courts dans un environnement statique, les performances
en erreur sont dominées par les évènements d’atténuation profonde de tous les canaux
de transmission, vis-à-vis desquels les turbocodes n’offrent pas d’avantages sur les codes
classiques fortement structurés. Les gains en performance ne deviennent significatifs qu’en
présence d’un degré de diversité suffisant apporté soit par allongement de la taille des
trames, soit par accroissement de la dynamique temporelle du canal. On y reviendra dans
la section 4.4, relative à la communication sur canal MIMO sélectif en temps.
Principe : concaténation de codes possédant

des propriétés complémentaires
Codage Codage Canal de Décodage Décodage

externe interne transmission interne externe
Modulation Démodulation Décodeur

TCM
OSTB OSTB TCM
Canal SISO quasi-statique Maximisation de la

distance euclidienne
gain de codage, βc
gain de diversité, βd
Fig. 4.9: Principe de la concaténation de codes — Exemple de l’apport de gain de codage au

schéma d’Alamouti

4.2.2 Emission et réception aveugles
Performance en débit : Les limites fondamentales d’un système de communication

aveugle, i.e. n’ayant pas accès à la réponse du canal, ont été établies par Marzetta [47].
De l’observation de leur comportement peuvent être tirés deux enseignements essentiels :
– Pour un canal de Rayleigh statique par bloc de T symboles, choisir NT > T n’offre
pas de gain de débit.
– La structure des signaux approchant la capacité, pour une valeur de T et un SNR
suffisamment grands, se caractérise par la répartition uniforme de l’énergie sur les
antennes et par l’orthogonalité temporelle des signaux transmis par les différents
éléments rayonnants.
En conséquence de quoi l’on supposera que NT ≤ K ≤ T et que les mots de code
X ∈ CNT ×K vérifient la condition d’orthogonalité :
XX H = KI NT
Performances en probabilité d’erreur : Privé de la connaissance de la matrice du

canal H, le seul angle d’attaque restant consiste à exprimer directement la statistique du
signal reçu Y conditionnellement au signal transmis X. Pour un canal de Rayleigh, les si-
gnaux captés par les antennes de réception, sommes des processus gaussiens indépendants
d’évanouissements et de bruit, possèdent une loi de probabilité gaussienne. L’orthogona-
lité temporelle des signaux transmis et la réponse spatiale blanche du canal garantissent
l’indépendance entre antennes. Par contre, les signaux reçus par chaque antenne pré-
sentent un motif de corrélation temporel commun donné par la matrice Ry|X ∈ CK×K ,
où :
Ry|X = I K + γX H X
où y désigne un vecteur de K échantillons en sortie d’une antenne quelconque, i.e. une
ligne de Y , et γ le SNR mesuré à une antenne de réception, γ = PT /NT Pn .
La matrice Y est par conséquent, conditionnellement à X, une matrice gaussienne

centrée, décorrélée en espace et corrélée en temps, dont la densité de probabilité s’obtient
comme le produit des densités de vecteurs ligne :

exp − tr Y Ry|X −1 Y H
pY|X (Y , X) =
π NR detNR Ry|X
Le décodeur au sens du maximum de vraisemblance recherche le signal transmis le

plus probable :
X̂ ML = arg max pY|Xl (Y , X l )

X l ∈X
h i
exp − tr Y R−1 Y H (4.24)
y|Xl
= arg max N

X l ∈X π KNR det R Ry|Xl
avec Ry|Xl = I K + γX H l X l . Le décodeur ML sous cette forme est non linéaire du fait
de la présence du déterminant. En développant la matrice Y et en s’aidant de l’identité
det(I + AB) = det(I + BA), il est possible de retirer la contribution de ce dernier pour
reformuler l’équation (4.24) selon :

X̂ ML = arg max − tr Y R−1 y|Xl Y H
X l ∈X
En remarquant, par la formule d’inversion d’une somme de matrices2 , que R−1 y|Xl =
γ H
IK − Kγ+1 X l X l , la structure de décision ML se réduit à un récepteur quadratique :

X̂ ML = arg max tr Y X H l X lY
H
(4.25)
X l ∈X
La probabilité d’erreur par paire s’exprime comme :

PX2 |X1 (X 2 , X 1 ) = PY tr Y X H2 X 2Y
H
≥ tr Y X H 1 X 1Y
H

= PY tr Y (X H H
2 X 2 − X 1 X 1 )Y
H
≥0
L’intégration de l’expression précédente sur la densité de probabilité de Y , suivie de

l’application de la borne de Chernoff, donne :
1
PX2 |X1 (X 2 , X 1 ) ≤ NR
γ2K2 1
2 det I NT + 4(1+γK) I NT − 2 X 1 X H
2 X2XH
1
K
En appliquant une décomposition en vecteurs singuliers de la matrice de corrélation

X 2X H
1 ∈C
NT ×NT , on a :
1 Yh i−NR
r
γ2K2 1 2
PX2 |X1 (X 2 , X 1 ) ≤ 1+ 4(1+γK) (1 − σ )
K2 n
2
n=1
où σ1 ≥ · · · ≥ σr > 0 et r sont respectivement le spectre des valeurs singulières et le rang

de X 2 X H
1 . L’expression de cette borne est approchée, en régime de fort SNR, par :
1 Y h γK i−NR
r
1 2
PX2 |X1 (X 2 , X 1 ) ≤ 4 (1 − σ )
K2 n
(4.26)
2
n=1
A l’instar de la probabilité d’erreur dérivée pour les systèmes disposant de l’informa-

tion d’état du canal en réception (4.10), il est possible d’approcher la relation (4.26) par
une fonction du type (βc /4Pn )−βd où :

βd = rang KI NT − K1 X 1 X H H
2 X 2 X 1 NR
(4.27)
H −1/r
βc = det+ KI NT − K1 X 1 X H 2 X 2X 1
2
Formule d’inversion d’une somme de matrices [48] : si A, B, C et D sont quatre matrices carrées
inversibles, alors
(A + BCD)−1 = A−1 − A−1 B(C −1 + DA−1 B)−1 DA−1

où βc et βd s’identifient aux gains de codage et de diversité. La comparaison des deux

relations (4.10) et (4.26) souligne la différence significative existant entre les récepteurs
ML alimentés ou non par la connaissance de l’état du canal. Le premier cherche à maxi-
miser les valeurs singulières de la matrice d’erreur X 2 − X 1 contrairement au second qui
minimise les valeurs singulières de la matrice de corrélation X 2 X H1 .
Une constellation temps-espace sera à diversité maximale si la distance minimale entre

deux points quelconques de la constellation est non nulle :

dmin = min det KI NT − K1 X i X H j XjXi
H
>0
i6=j
Modulations unitaires temps-espace : Directement inspirées du développement

précédent, les modulations unitaires temps-espace (USTM — Unitary Space Time Modu-
lation) se caractérisent par l’orthogonalité temporelle des signaux transmis par les diffé-
rentes antennes [47]. Le récepteur optimal, la borne d’erreur et les critères de construction
ont été dérivés par Hochwald [49].
Une constellation unitaire temps-espace est un ensemble de L matrices unitaires X l ∈

CNT ×K définies par : √
X l = KΦl
l = 1, . . . , L (4.28)
Φl ΦH
l = I NT
Cette structure permet d’approcher la capacité du canal MIMO lorsque K NT ou
lorsque le SNR est suffisamment grand. On démontre de plus qu’elle est similaire au
signal maximisant l’exposant d’erreur [50].
Codage Binaire Modulation unitaire Récepteur ML

à Symbole temps-espace à corrélation
[x(1), . . . , x(K)] Φl Y

Φ̂ML = arg max tr Y ΦH
l Φl Y
H
Φl ∈CUSTM
Constellation USTM transmise : {Φl }l Constellation USTM reçue : {HΦl }l
Φ1
HΦ1
Φ2
Canal de Rayleigh quasi-statique :

préservation de l’orthogonalité temporelle HΦ2
HΦ3
Φ3
Exemple pour K = 3, NT = 1, L = 3
Fig. 4.10: Modulations unitaires temps-espace

Le processus de modulation associe à chaque groupe de symboles {x(1), . . . , x(K)} un

point X l de la constellation USTM, dont la taille dépend du débit recherché. Pour des
symboles à l’entrée du modulateur transportant n bits, le nombre de points nécessaire
s’élève à L = 2nK . En réception, le décodeur ML recherche le point de la constellation
maximisant la corrélation avec le signal reçu :

Φ̂ML = arg max tr Y ΦH l Φl Y
H
Φl
La géométrie de la constellation est construite de sorte à minimiser la probabilité

d’erreur. Pour cela, le placement des points doit maximiser le gain de diversité βd de la
constellation et, dans la mesure du possible, le gain de codage βc . En montrant l’analogie
de ce problème avec la recherche de réseaux de points à grande distance minimale dans
un espace de Grassmann, Agrawal [51] propose une méthode d’optimisation qu’il illustre
par l’intermédiaire de quelques exemples. On rappelle que la propriété définissante d’une
constellation idéale en terme de probabilité d’erreur est l’orthogonalité temporelle des
signaux transmis. En d’autres termes, LNT vecteurs orthogonaux doivent être générés
dans un espace de dimension K, condition uniquement réalisable pour L ≤ bK/NT c.
La taille considérable de la constellation, même pour des valeurs modérées de n et

de K, conjuguée à la complexité de l’optimisation rendent la construction et la mémo-
risation des modulations unitaires difficiles, faisant ressentir le besoin de constructions
systématiques. Hochwald [49] observe qu’il suffit d’une matrice unitaire pour générer tous
les points par rotations successives. La justification de cette approche réside dans le fait
que la distance entre points est insensible à une rotation du signal, i.e. une multiplication
à gauche ou à droite par une matrice unitaire de taille NT ×NT ou K ×K respectivement.
Une constellation peut donc être définie récursivement par :

X l = Φ1 Θl−1 l = 1, . . . , L
Φ1 ΦH1 = I NT
où Φ1 ∈ CNT ×K est la matrice génératrice et Θ ∈ CK×K une matrice de rotation. Un

exemple simple est de choisir Θ égale à une racine d’ordre L de la matrice identité :
Θ = diag ([θ1 , . . . , θK ])

avec θk = exp i 2π
L u k .
Le spectre {uk }K k=1 de la matrice de rotation, où les uk sont des entiers vérifiant
1 ≤ u1 , · · · , uK ≤ L − 1, doit être optimisé pour minimiser la probabilité d’erreur. Hoch-
wald [52] présente deux exemples de synthèse systématique. La première approche est
basée sur la transformée de Fourier et emprunte des idées de la théorie du traitement du
signal appliquée aux réseaux d’antennes à faible densité. L’autre approche est algébrique
et repose sur la théorie du codage.
Techniques différentielles : Les modulations différentielles standards, telles que la

DPSK (DPSK — Differential Phase Shit Keying), sont depuis longtemps utilisées dans

les liaisons SISO pour pallier l’absence de connaissance de la réponse du canal en récep-
tion. L’une des premières extensions aux systèmes MIMO recensées repose sur un codage
différentiel des modulations codées en bloc orthogonales [53], ultérieurement étendue aux
modulations orthogonales généralisées [54]. Cette technique jouit de la plupart des pro-
priétés de la DPSK, notamment la possibilité d’être démodulée avec ou sans l’information
d’état du canal en réception. Elle présente néanmoins les deux inconvénients majeurs
d’étendre la constellation d’origine et de subir la limitation sur le nombre d’antennes
à l’émission intrinsèque aux codes orthogonaux à rendement maximal, i.e. NT = 2, 4, 8
pour des modulations réelles et NT = 2 pour des constellations complexes.
Les travaux de Hughes [55] et de Hochwald et Sweldens [56] ont permis d’étendre
le concept de modulation différentielle à un nombre quelconque d’antennes à l’émission
et à la réception, ainsi qu’à des constellations linéaires quelconques. Les méthodes de
codage et les critères de construction obtenus sont relativement proches, bien qu’obtenus
en suivant des approches différentes.
L’émetteur débute la communication par un symbole d’initialisation puis code le mes-

sage X(k) par la transition entre deux symboles émis consécutifs X̄(k −1) et X̄(k) selon :
X̄(k) = X̄(k − 1)X(k) (4.29)

Pour assurer le bon déroulement de cette opération d’encodage, on supposera que toutes
les matrices sont carrées et inversibles et qu’elles forment un groupe pour le produit
matriciel, en conséquence de quoi la modulation sera uniquement décodable et de taille
fixe.
En réception, le démodulateur examine les symboles reçus par paire :

(
Ȳ (k − 1) = H X̄(k − 1) + N (k − 1)
Ȳ (k) = H X̄(k − 1)X(k) + N (k)
qu’il combine pour faire disparaı̂tre la matrice H :
Ȳ (k) = Ȳ (k − 1)X(k) + [N (k) − N (k − 1)X(k)]
L’indépendance temporelle supposée du bruit additif et l’invariance des statistiques

d’une matrice aléatoire par multiplication avec une matrice de rotation implique que le
bruit équivalent N̄ (k) = N (k)−N (k−1)X(k) est un bruit gaussien centré CN (0, 2Pn I NR ).
Tout se passe comme si le signal X(k) était transmis sur un canal Ȳ (k − 1), connu du
récepteur, et perturbé par un bruit blanc gaussien centré de variance double. Cette obser-
vation laisse entrevoir une certaine similarité des critères de construction pour les signaux
différentiels démodulés en aveugle et les signaux démodulés avec connaissance de l’état du
canal, ainsi que l’écart de 3 dB prévu dans les performances. On démontre effectivement
que les matrices de transition X(k) sont obtenues suivant des règles identiques à celles
établies lorsque le récepteur connaı̂t l’état du canal [56].
Hochwald [49] construit des codes différentiels unitaires formant un groupe cyclique
par rapport à la multiplication matricielle. Dans la référence [5], les auteurs montrent le
lien existant entre la construction des codes pour deux antennes d’émission et la construc-
tion de codes sphériques définis sur une sphère plongée dans un espace à quatre dimen-
sions. Ils élaborent une classification de tous les groupes finis de matrices unitaires à
diversité maximale, classification qui a été indépendamment obtenue par Hughes [55].
Des résultats de simulations apparaissent dans l’article [57].
Techniques aveugles : Une stratégie différente de communication sans aucune infor-

mation sur l’état du canal passe par le recours à l’égalisation aveugle du canal, voire
l’estimation directe du signal transmis. Dans ce cas, il est à nouveau possible d’utiliser les
codes temps-espace développés pour la configuration où le récepteur dispose de la réponse
du canal.
L’essence même des techniques aveugles, dont un état de l’art avancé est fourni par la
revue [58], réside dans l’exploitation des structures du canal et de la source pour remonter
à la séquence transmise. Deux grandes familles se partagent le domaine : les algorithmes
exploitant les moments statistiques des signaux et les algorithmes à maximum de vrai-
semblance reposant sur les fonctions de probabilité. Chaque classe se scinde ensuite entre
méthodes statistiques, qui supposent le signal transmis aléatoire, et méthodes détermi-
nistes, utilisées lorsque cette description statistique n’existe pas ou est inaccessible.
4.2.3 Information d’état du canal en émission et en réception
Performance en débit : Un système capable d’acquérir la réponse du canal simultané-

ment à l’émission et à la réception est en mesure de transmettre intégralement l’informa-
tion sur les modes propres du canal, sans induire de pertes aux interfaces émetteur/canal
et canal/récepteur. Plus clairement, la section 3.3.2.1 a rappelé que, pour une transmis-
sion limitée en puissance :
– l’information mutuelle est maximisée par une répartition équilibrée de la puissance
disponible sur les modes du canal ;
– le système optimal est formé par la concaténation d’un code gaussien blanc et d’un
filtre spatial.
La forme des signaux résulte directement de la décomposition du canal en modes
singuliers. En modifiant légèrement les notations habituelles pour que seuls les r modes
propres effectifs figurent dans les matrices d’entrée U et de sortie V , le signal transmis
s’exprime :
X̄ = V T X
où V T ∈ CNT ×r définit le filtre d’émission dont le rôle est d’adapter le signal d’information
X ∈ Cr×K aux caractéristiques d’entrée du canal. Le récepteur effectue l’opération inverse
pour récupérer l’information convoyée sur les modes propres du canal :
Y = UH
R Ȳ

où U H
R ∈ C
NR ×r est le filtre de réception générant le signal Y ∈ Cr×K . Les formes
barrées, X̄ et Ȳ , réfèrent aux signaux vus par le canal.
Le modèle équivalent en bande de base (4.3) devient :
Y = ΣX + N
où Σ ∈ Rr×r est la matrice des valeurs propres du canal et N ∈ Cr×K , N = U H R N̄ ,

est la matrice du bruit sur l’espace de sortie du canal, de statistique gaussienne N ∼
CN (0, Pn I r ). Tout se passe comme si un émetteur et un récepteur virtuels communi-
quaient sur un groupe de canaux indépendants, affectés par des évanouissements de Ray-
leigh et par un bruit additif gaussien.
Performances en probabilité d’erreur : Le calcul des métriques de décision d’un

récepteur alimenté par l’état du canal a déjà été traité dans la section 4.2.
Le récepteur au sens du maximum de vraisemblance base sa décision sur la distance

euclidienne :
X̂ ML = arg max pY,H|Xl ,H (Y , X l , H)
X l ∈X
(4.30)
= arg min kY − ΣX l k2F
X l ∈X
où la densité de probabilité de sortie du filtre de réception conditionnellement à l’entrée

du filtre d’émission, pY,H|X,H , emprunte sa densité gaussienne au bruit additif :

exp − kY − ΣXk2F
pY,H|X,H (Y , X, H) =
π Kr Pn
La probabilité d’erreur par paire s’obtient aisément par :

s 
2
kΣ(X 2 − X )k
1 F
PX2 ,H|X1 ,H (X 2 , X 1 , H) = Q 
2Pn
Il ressort de cette expression que la conception d’une chaı̂ne de communication est

guidée par la minimisation de la distance kΣ(X 2 − X 1 )k2 sur la constellation d’émission.
En ajoutant une contrainte de puissance sur le signal transmis, l’architecture solution
combine un code gaussien et un bloc de filtrage spatial éclaté entre l’émetteur et le
récepteur.
Le schéma d’exploitation de l’information d’état du canal scinde une chaı̂ne de com-

munication en deux parties distinctes, l’une disposant de cette information et l’autre
travaillant en aveugle, entre lesquelles est éventuellement établi un processus de commu-
nication.
Comme illustré sur la figure (4.11), la configuration la plus simple pour utiliser l’état
du canal en émission se réduit à une opération de préfiltrage, ou préégalisation, adaptant le
signal au canal, indépendamment de la zone en amont. Au degré de complexité supérieur,
le bloc d’adaptation au canal reçoit des informations de la partie amont de l’émetteur.
Dans les deux cas, le filtre d’émission peut être appairé avec le filtre de réception.
Emetteur Adaptation Tx Canal de Adaptation Rx Récepteur

amont transmission aval
Pré-égalisation Egalisation
Codage Filtrage Tx Filtrage Rx Décodage
Etat du canal
Précodage : filtrage de mise en forme + préégalisation Traitement itératif
Codage Filtrage Tx Filtrage Rx Décodage
Information amont Etat du canal
Message
Information d’état
Fig. 4.11: Exploitation de l’information d’état du canal en émission et en réception — Préfiltrage,

préégalisation et précodage
Préfiltrage — préégalisation : L’opportunité de déplacer en émission tout ou partie

du processus d’égalisation du canal est généralement synonyme d’amélioration des perfor-
mances. Afin de se focaliser sur l’aspect spatial des filtres, supposés linéaires, la relation
entrée-sortie sera restreinte sur une période temporelle unique :
y = GR HGT x + GR n
où l’on définit les vecteurs x ∈ CNT , y ∈ CNR , n ∈ CNR et où les matrices GT ∈ CNT ×NT
et GR ∈ CNR ×NR correspondent aux matrices des filtres d’émission et de réception (voir
figure 4.12).
Reste le problème de dimensionner le système pour satisfaire à un critère et des

contraintes imposés. Les filtres minimisant la probabilité d’erreur entre couples de signaux
sont solutions de :

GT , GR = arg max min Px2 ,H|x1 ,H (x2 , x1 , H) (4.31)
GT ,GR x1 6=x2

Adaptation aux Adaptation aux

modes propres d’émission modes propres de réception
Codage binaire Préfiltrage Filtrage

à symbole GT GR Décodeur
GT = V ΛGT H = U ΛH V H GR = ΛGR U H
Principe : décomposition en sous-canaux non sélectifs en espace et pondérations

des modes propres au critère de performance
Fig. 4.12: Système MIMO avec filtrage spatial en émission et en réception
où la procédure d’optimisation est menée sur l’ensemble des matrices extraites des vec-
teurs propres d’entrée et de sortie :
(
GT = V ΛGT
GR = ΛGR U H
La probabilité d’erreur Px2 ,H|x1 ,H (x2 , x1 , H) apparaissant dans l’équation (4.31) est
une fonction décroissante de la distance entre signaux reçus. La principale nouveauté
réside ici dans le fait que cette distance, en plus d’englober les filtres GT et GR , est altérée
par la couleur du bruit vu en entrée du décodeur, n̄ = GR n. En effet, la transformation
linéaire GR n’affecte pas la nature du bruit mais en modifie la matrice de corrélation,
n̄ ∼ CN (0, Pn GR GH R ).
A partir de la distribution conditionnelle du signal reçu, à savoir :

exp −(y − GR HGT x)H R−1 n̄ (y − GR HGT x)
py,H|x,H (y, x, H) = p
π NR det(Rn̄ )
on montre l’équivalence du problème (4.31) avec la maximisation de la distance minimale
entre signaux reçus :

H H H H
GT , GR = arg max min (x2 − x1 ) GT H GR Rn̄ GR HGT (x2 − x1 ) (4.32)
GT ,GR x1 6=x2
Les filtres ainsi générés sont spécifiques à l’alphabet de modulation des symboles trans-
mis, nécessitant d’être calculés au cas par cas. Scaglione [59] propose de faire abstraction
de cette dépendance en observant que minx xH Ax ≥ λmin (A)2 min kxk∀A 0, ce qui
permet de reformuler la relation (4.32) :

GT , GR = arg max λmin GH H H
T H GR Rn̄ GR HGT
GT ,GR
où l’erreur minimale a été normalisée, minx1 6=x2 k(x2 − x1 )k2 = 1.
A partir de ce nouveau problème, Scaglione [59] et Sampath [60] dérivent GT et

GR pour d’autres critères et contraintes, certaines parties de ce travail généralisant les
résultats des références [61, 62] ou encore [63] précédemment établis pour un système
SISO.
Précodage : Le découplage entre filtrage, ou préégalisation, et codage canal est sous-

optimal en pratique. Price [64] observe en effet qu’il est possible d’approcher la capacité
de tout canal linéaire gaussien, particulièrement à forts SNR, en combinant l’égalisation
avec le codage pour canal gaussien idéal et la mise en forme dans une seule fonction
appelée précodage.
De manière plus générale, le précodage étend la préégalisation en ajoutant les objectifs

de gain de mise en forme et de gain de codage (cf. figure (4.13)). En émission, le précodeur
recherche un ensemble de signaux minimisant la puissance transmise (gain de mise en
forme) et assurant une répartition des signaux reçus avec de bonnes propriétés de distance
(gain de codage).
Objectifs du codage sur

un canal linéaire gaussien
Minimisation de la puissance Miminisation de la probabilité

transmise d’erreur
Précodage
Canal linéaire Détection

Codage Pré-égalisation gaussien Décodage
Mise en forme
Prédistorsion Gain de codage
Gain de mise en forme
Fig. 4.13: Objectifs du codage sur canal gaussien - Gains de codage et de mise en forme
Le précurseur de ces techniques est le précodeur de Tomlinson-Harashima, développé

à l’origine pour des transmissions SISO non codées avec une modulation d’amplitude [65,
66] et combiné par la suite avec un code convolutif [67]. Le précodage en treillis [68]
franchit une nouvelle étape en regroupant mise en forme et codage. Le passage au système
MIMO se fait naturellement (référence [69] pour le précodeur de Tomlinson-Harashima
au système MIMO et [70] pour le précodeur en treillis).
Parallèlement, Kasturia [71] et Leichleider [72] suivent une approche différente basée
sur le partitionnement du canal MIMO en sous-canaux indépendants non-sélectifs en
espace, optimisé conjointement avec le code correcteur.
Illustrons ce concept par l’adaptation au canal des modulations OSTBC, les pro-
priétés d’orthogonalité et d’uniformité facilitant grandement les développements [73]. La
probabilité d’erreur par paire des signaux s’exprime :

PX2 ,H|X1 ,H (X 2 , X 1 , H) ≤ exp − 41 kHGT (X 2 − X 1 )k2F

La matrice d’erreur X 2 −X 1 , différence de deux motifs linéaires orthogonaux, conserve

la propriété d’orthogonalité qui permet de montrer que :

PX2 ,H|X1 ,H (X 2 , X 1 , H) ≤ exp − 4P1n kX 2 − X 1 k2F kHGT k2F
en se servant de l’égalité kAQkF = kAkF kQkF où la matrice Q est orthogonale. La

transformation GT minimisant la probabilité d’erreur place toute l’énergie du signal sur
le mode dominant du canal :

GT = v max (H) 0NT ×(NT −1)
La matrice de filtrage GT , associée à la modulation OSTBC, se réduit donc à une

matrice de rang unité et s’interprète physiquement par la formation d’un diagramme de
rayonnement avec un lobe principal dans la direction v max (H).
4.3 Domaines spatial et fréquentiel
La sélectivité fréquentielle du milieu de propagation se manifeste dès lors que la bande

passante du signal devient supérieure à la bande de cohérence du canal et se traduit, dans
le domaine temporel, par l’apparition d’interférence entre symboles.
Le signal reçu y(k) s’exprime en fonction du signal transmis x(k) comme :

Lp
X
y(k) = H(l)x(k − l) + n(k) (4.33)
l=0
où Lp est le nombre d’échos discernables par le système.
Le formalisme vectoriel dérivé doit tenir compte de l’étalement de la réponse impul-

sionnelle dans le dimensionnement des vecteurs. Ainsi, un message de durée K périodes
temporelles est reçu sur K + Lp périodes, ce qui peut s’écrire sous forme vectorielle :
y = Hx + n (4.34)
avec x = [x(0)T , . . . , x(K − 1)T ]T ∈ CKNT le signal transmis, y = [y(0)T , . . . , y(K +

Lp − 1)T ]T ∈ C(K+Lp )NR le signal reçu, n = [n(0)T , . . . , n(K + Lp − 1)T ]T ∈ C(K+Lp )NR
le bruit et H ∈ C(K+Lp )NR ×KNT la matrice espace-retard du canal définie par :
 
H(0) . . . 0
 .. .. .. 
 . . . 
 

H = H(Lp ) H(0)  
 .. .. .. 
 . . . 
0 . . . H(Lp )
La matrice H exhibe une structure de Toeplitz par bloc caractéristique de la sélectivité

fréquentielle.
4.3 Domaines spatial et fréquentiel 151
4.3.1 Critères de construction
Performances en probabilité d’erreur : Le récepteur optimal cherche à estimer le

message transmis à partir du signal reçu noyé dans un bruit gaussien blanc, en s’aidant
de la réponse du canal. Le signal au sens du maximum de vraisemblance est solution de :
x̂ML = arg min ky − Hxl k22 (4.35)

xl ∈X
où la répartition du signal en réception, en fonction du signal transmis et du canal, suit

la distribution gaussienne :

exp − ky − Hxk22
py|x,H (y, x, H) =
π (K+Lp )NR Pn
En raison de la complexité du calcul de la probabilité d’erreur totale, on se replie ici

encore vers la probabilité d’erreur par paire. La probabilité d’un décodage de la séquence
x2 au détriment de la séquence x1 effectivement transmise s’exprime comme :
Px2 |x1 ,H (x2 , x1 , H) = Pn (ky − Hx2 k2 ≤ ky − Hx1 k2 )

h i
= Pn Re nH H(x2 − x1 ) ≤ − 21 kH(x2 − x1 )k22
La variable aléatoire Re(nH H(x2 − x1 )), somme pondérée d’échantillons de bruit in-
dépendants et identiquement distribués CN (0, Pn ), suit une loi gaussienne Re(nH H(x2 −
x1 )) ∼ N (0, kH(x2 − x1 )k22 Pn /2). L’expression analytique de la probabilité d’erreur par
paire est alors donnée par :
s 
2
kH(x2 − x1 )k2 
Px2 |x1 ,H (x2 , x1 , H) = Q 
2Pn
et est bornée par :

h i
Px2 |x1 ,H (x2 , x1 , H) ≤ exp − 4P1n kH(x2 − x1 )k22 (4.36)
L’interférence inter-symboles et la statistique temporelle des évanouissements rendent

ardue la dérivation directe de la probabilité d’erreur moyenne par paire depuis la rela-
tion (4.36), suggérant d’opter pour un autre angle d’attaque. La solution naturelle consiste
à transposer le calcul dans le domaine fréquentiel où l’influence du canal, invariant dans
le temps, se résume à une perturbation multiplicative du spectre du signal. La difficulté
est désormais de trouver une formulation équivalente de ce problème sur l’axe fréquentiel.
Le système envisagé travaille, rappelons-le, en mode paquet. Face à la dispersion

temporelle du canal entraı̂nant un allongement des paquets de Lp périodes temporelles,
l’émetteur est contraint d’insérer un intervalle de garde, au moins aussi long, pendant le-
quel aucune information n’est transmise. Cet intervalle n’est pas nécessairement inoccupé
et peut être mis à profit pour faciliter les calculs. En particulier, l’extension cyclique d’un
bloc d’information sur K + Lp échantillons convertit la convolution linéaire du signal avec
la réponse du canal en une opération de convolution circulaire, d’où la transition vers le
domaine fréquentiel devient immédiate par transformée de Fourier discrète. Il est impor-
tant de réaliser que cette périodisation n’est simulée que sur un intervalle de détection de
K échantillons, correspondant à la fenêtre de détection.
En tronquant la relation initiale (4.34) à l’intervalle utile de K échantillons, on aboutit,

après quelques manipulations, au modèle équivalent :
ȳ = H̄ x̄ + n̄ (4.37)
où x̄ ∈ CKNT , ȳ ∈ CKNR et n̄ ∈ CKNR représentent les signaux restreints à la plage

temporelle considérée et où la matrice du canal modifiée H̄ ∈ CKNR ×KNT est devenue
circulaire par bloc :  
H(0) . . . H(K − 1)
 .. .. .. 
H̄ =  . . . 
H(k − 1) . . . H(0)
Désormais, l’on s’intéressera aux critères de performances établis pour cette représen-
tation. En remarquant que la statistique du bruit n’est pas modifiée, n̄ ∼ n, la probabilité
d’erreur par paire à minimiser s’exprime par :
h 2 i
Px̄2 |x̄1 ,H̄ (x̄2 , x̄1 , H̄) ≤ exp − 4P1n H̄(x̄2 − x̄1 ) 2 (4.38)
La matrice H̄ ∈ CKNR ×KNT est diagonalisable par transformée de Fourier selon :
H̄ = F NR ΛF H
NT
où F NR = F ⊗ I NR et F NT = F ⊗ I NT sont les matrices de Fourier par bloc générées

à partir de la matrice de Fourier F ∈ CK×K . La matrice Λ ∈ CNR K×NT K , diagonale par
bloc, regroupe les valeurs propres du canal :
 
Λ(0) . . . 0
 
Λ =  ... ..
.
..
. 
0 . . . Λ(K − 1)
avec Λ(k) ∈ CNR ×NT la réponse spatiale du canal à la fréquence k.
L’intégralité du caractère aléatoire de canal est concentrée dans les valeurs propres,
impliquant que l’espérance de la probabilité d’erreur par paire est fontion de la seule
matrice Λ :
EH̄ {Px̄2 |x̄1 ,H̄ (x̄2 , x̄1 , H̄)} = EΛ {Px̄2 |x̄1 ,Λ (x̄2 , x̄1 , Λ)}
où la probabilité d’erreur Px̄2 |x̄1 ,Λ est dérivée de l’expression (4.38) en injectant la décom-
position fréquentielle de la matrice du canal :
h 2 i
Px̄2 |x̄1 ,Λ (x̄2 , x̄1 , Λ) ≤ exp − 4P1n ΛF H
NT (x̄2 − x̄1 ) 2

La bijectivité de la transformée de Fourier garantissant l’égalité des mesures d’erreurs

dans les domaines temporel et fréquentiel, il est équivalent de travailler sur la probabilité
d’erreur entre les spectres des signaux :
K−1
Y h i
Px̃2 |x̃1 ,Λ (x̃2 , x̃1 , Λ) ≤ exp − 4P1n kΛ(k)(x̃2 (k) − x̃1 (k))k22
k=0
où x̃1 (k) ∈ CNT et x̃2 (k) ∈ CNT sont les projections des signaux x̄1 et x̄2 sur la porteuse k.
Dans l’hypothèse où l’étalement de la réponse impulsionnelle est suffisamment grand,

l’espacement inter-porteuse est supérieur à la bande de cohérence du canal. Les matrices
ΛH k Λk sont alors approximativement indépendantes en fréquence, autorisant ainsi de
traiter les modes séparément :

Px̃2 |x̃1 (x̃2 , x̃1 ) = EΛ Px̃2 |x̃1 ,Λ (x̃2 , x̃1 , Λ)
K−1
Y n h io
≤ EΛ(k) exp − 4P1n kΛ(k)(x̃2 (k) − x̃1 (k))k22
k=0
En supposant de plus que l’environnement est riche en diffuseurs (statistique gaus-

sienne des évanouissements) et que l’espacement inter-antennes est supérieur à la distance
de corrélation (décorrélation en espace des signaux), on montre que Λ(k) ∼ CN (0, I NR ).
Par conséquent, les matrices Λ(k)H Λ(k) suivent une loi de Wishart, Λ(k)H Λ(k) ∼ CW(0, I K )
et l’on a : !−NR
K−1
Y k(x̃2 (k) − x̃1 (k))k22
Px2 |x1 (x2 , x1 ) ≤ 1+
4Pn
k=0
En régime de fort SNR, cette borne se simplifie en :

Y −NR
Px2 |x1 (x2 , x1 ) ≤ 1
4Pn kx̃2 (k) − x̃1 (k)k22 (4.39)
k∈K
où l’on a posé l’ensemble K = {k | x̃2 (k) 6= x̃1 (k), k = 0, . . . , K − 1}.
Les gains de codage et de diversité sont isolés par comparaison de la relation (4.39)
avec (βc /4Pn )−βd :
βd = card(K)NR
Y
βc =
2/card(K)
kx̃2 (k) − x̃1 (k)k2 (4.40)
k∈K
La conception d’un système de transmission, avec insertion d’intervalle de garde cy-

clique en tête de paquet, repose donc sur la maximisation des deux facteurs (4.40) sur le
spectre de la constellation d’émission.

4.3.2 Panorama des techniques
Egalisation : Alors que l’égalisation forme une branche relativement ancienne dans
le monde des systèmes de communication [74, 75], la transition vers le canal MIMO
s’est faite plus récemment [76, 77, 78]. La carte d’identité d’une technique d’égalisation
comprend trois points que sont :
– le critère d’optimisation : méthodes déterministes ou statistiques,
– la connaissance disponible : méthodes classiques ou paramétriques,
– la structure de l’égaliseur : égaliseur linéaire ou non linéaire, récursif ou non récursif.
L’égaliseur dirigé acquiert la réponse du canal grâce à la séquence d’entraı̂nement
transmise par l’émetteur. Cette séquence se révèle plus complexe à définir par compa-
raison au cas SISO, puisqu’elle doit apporter une information suffisamment riche sur le
canal pour permettre au récepteur d’estimer tous les modes de propagation. Une analyse
théorique de ce problème peut être trouvée dans l’article de Raleigh [79], accompagnée
d’une stratégie d’acquisition de la réponse du canal. Dans la référence [80], les auteurs
proposent un format de séquence d’apprentissage, basé sur la norme IEEE 802.11a, adapté
à une configuration à deux antennes d’émission et plusieurs antennes de réception.
Techniques MIMO-OFDM : L’égalisation d’un canal MIMO demeure difficile à

mettre en œuvre dès lors que le canal présente, sur la bande du signal, une sélectivité
fréquentielle marquée. Une solution élégante pour maintenir un niveau de complexité ac-
ceptable est l’ajout d’un module en émission appliquant une mise en forme au signal,
adaptée au canal, dans le but de faciliter le traitement en réception. En particulier, les
procédés dits de filtrage vectoriel répartissent l’information sur une base de formes d’onde
dont l’orthogonalité n’est pas altérée en réception, la sélectivité fréquentielle se réduisant
à un simple facteur multiplicatif sur chaque fonction. Tout se passe alors comme si le
canal était décomposé en une somme de sous-canaux MIMO indépendants et plats. Il est
essentiel de réaliser que ces sous-canaux sont non sélectifs en fréquence par construction,
par opposition à la section 4.2 où il ne s’agissait que d’une approximation.
Pour des canaux présentant de forts étalements temporels et localement invariants,

l’OFDM (Orthogonal Frequency Division Multiplex) est certainement le choix le plus
répandu. La référence [81] est l’une des premières étudiant l’OFDM dans le contexte
MIMO et présentant les règles de codage applicables au multiplex MIMO-OFDM.
Le schéma d’une chaı̂ne MIMO-OFDM est détaillé par la figure (4.14). Les données
sont transmises par bloc de symboles, modulés par une transformée de Fourier discrète
inverse (IDFT - Inverse Discrete Fourier Transform) puis préfixés par une extension cy-
clique suffisamment longue pour absorber l’ensemble des échos du canal. En réception, le
détecteur commence par éliminer les échantillons correspondant à l’intervalle de garde, ne
conservant que les symboles utiles à partir desquels il restitue, par transformée de Fourier
discrète, les symboles transmis affectés d’un coefficient d’évanouissement à égaliser.
Le critère de construction des fonctions de codage, directement hérité des techniques

de transmission sur canaux parallèles, est la minimisation du produit inter-porteuse des
distances intra-porteuses entre mots du code. Une large panoplie de techniques de distri-

Modulation Démoduleur
Codeur OFDM OFDM
temps- Entrelaceur Désentrelaceur Décodeur
espace
Modulation Démoduleur
OFDM OFDM
IDFT + suppresion intervalle de garde
préfixe cyclique + DFT
IDFT DFT
Superposition fréquentielle de canaux MIMO

à évanouissements strictement plats par construction
Critères de construction propres à la transmission sur canaux parallèles :

- maximisation de la distance produit entre canaux
- maximisation de la distance euclidienne sur chaque porteuse
Fig. 4.14: Système MIMO combiné à une modulation OFDM pour transmission sur canal sélectif
en fréquence
bution de l’information a été proposée. Raleigh [79] et Lu [82] donnent ainsi un aperçu
des codes SISO directement exploitables sur le multiplex MIMO-OFDM, par exemple les
TCM à grande distance produit ou encore les codes à faible densité (LDPC — Low Den-
sity Parity Check Code) [83]. L’avantage des codes à faible densité devant les turbocodes
est l’allègement du traitement effectué à chaque itération, ce qui autorise l’augmentation
du nombre d’itérations. Un système inspiré de VBLAST est présenté par Lozano [84].
Bancs de filtres : Les transmissions sur multiplex de porteuses orthogonales avec in-
tervalle de garde cyclique sont particulièrement sensibles aux évanouissements profonds
proches des porteuses, requérant un couplage avec un code correcteur d’erreur ou un
mécanisme d’évitement de ces porteuses. Des formes d’onde autres que les exponentielles
complexes, comme par exemple les transformées à base d’ondelettes [85], parviennent à
résoudre partiellement ce problème. A cela viennent se cumuler les phénomènes de cor-
rélation spatiale qui se traduisent par l’apparition de trous dans les spectres de plusieurs
multiplex, dégradant d’autant le taux d’erreur.
Ces schémas de modulations appartiennent à la famille des structures à bancs de

filtres temps-espace [86], potentiellement à même d’égaliser parfaitement la réponse du
canal indépendamment de la position des évanouissements. Cette possibilité résulte d’un
dosage précis entre le nombre de symboles d’information, égal au nombre de filtres ainsi
que les longueurs des réponses impulsionnelles des filtres et du canal, notés ici K, Lf et
Lp respectivement. L’étude de cette question [61] a montré que :

– la longueur des filtres doit être supérieure ou égale au nombre d’inconnues acces-
sibles au récepteur, Lf ≥ K + Lp (condition nécessaire) ;
– les réponses des filtres ne doivent pas être une combinaison linéaire d’ordre Lp
(condition suffisante).
Alors que la modulation OFDM avec préfixe cyclique ne satisfait pas à ces conditions,
précisément à cause de la périodicité du préfixe, on démontre qu’il suffit de remplacer ce
dernier par un intervalle de garde vide pour être à nouveau en mesure d’égaliser le canal
parfaitement (ZP OFDM — Zero Padded OFDM). Plus généralement, une reconstruc-
tion parfaite est envisageable si Lp zéros sont insérés à des positions arbitraires dans les
réponses de chaque filtre du banc.
Modulations codées temps-espace en bloc orthogonales : Les codes en bloc

orthogonaux développés pour un canal plat sont généralisables au canal sélectif en fré-
quence. L’idée centrale est toujours de manipuler les signaux transmis de sorte à permettre
la détection séparée des symboles.
Considérons par exemple le schéma d’Alamouti. Chaque antenne d’émission transmet

un bloc de K symboles, xi , puis ensuite le bloc transmis par l’autre antenne, conjugué
et transformé par une application linéaire T à déterminer :

x1 −T x∗2
X=
x∗2 T x∗1
où T ∈ CK×K .
Un intervalle de garde à zéro, d’une durée supérieure à l’étalement de la réponse du

canal, est inséré entre chaque bloc pour éliminer l’interférence entre blocs. On montre
alors que la matrice T , supprimant les termes non-linéaires apparaissant dans le calcul
de la métrique ML, est une matrice anti-diagonale. La séquence T x∗1 correspond ainsi à
x∗1 renversée dans le temps, d’où le nom TR-STBCM (Time Reversal STBCM) [87, 88].
4.4 Domaines spatial et temporel
Les changements des conditions de propagation, dus entre autres aux déplacements
de l’émetteur, du récepteur ou des obstacles présents dans l’environnement, engendrent
une évolution temporelle de la réponse du canal que le système doit intégrer, en plus de
la diversité spatiale, à sa stratégie de communication.
Les signaux d’entrée et de sortie sont reliés, à l’index temporel k, par :
y(k) = H(k)x(k) + n(k)
La forme vectorielle associée s’écrit :
y = Hx + n
4.4 Domaines spatial et temporel 157
où x = [x(0)T , . . . , x(K − 1)T ]T ∈ CKNT est le vecteur transmis, y = [y(0)T , . . . , y(K −
1)T ]T ∈ CKNR le vecteur reçu et H ∈ CKNR ×KNT la matrice du canal définie par :
 
H(0) . . . 0
 
H =  ... ..
.
..
. 
0 . . . H(K − 1)
4.4.1 Critères de construction
Performances en probabilité d’erreur Le signal reçu suit une distribution gaus-

sienne autour du signal attendu :

exp −ky − Hxk22
py|H,x (y, H, x) =
π KNR Pn
L’estimation du signal le plus vraisemblablement transmis passe par une recherche

exhaustive sur l’ensemble des messages possibles :
x̂M L = arg min ky − Hxl k22 (4.41)

xl ∈X
On montre, comme précédemment dans ce chapitre, que la nature gaussienne du

bruit implique une probabilité d’erreur par paire fonction de la distance euclidienne entre
signaux mesurée en réception :
s 
2
kH(x2 − x1 )k2 
Px2 |x1 ,H (x2 , x1 , H) = Q  (4.42)
2Pn
En appliquant la borne de Chernoff sur Q(·) et en développant la distance kH(x2 −

x1 )k2 , on aboutit à :
" K−1
#
X 2
Px2 |x1 ,H (x2 , x1 , H) ≤ exp − 4P1n kH(k)(x2 (k) − x1 (k))k2 (4.43)
k=0
Le calcul de la valeur moyenne de la probabilité d’erreur conditionnelle sur la statis-

tique des évanouissements est facilité en postulant l’indépendance temporelle des réalisa-
tions du canal, auquel cas il se décompose selon :
K−1
Y
Px2 |x1 (x2 , x1 ) = EH(k) {Px2 |x1 ,H(k) (x2 , x1 , H(k))}
k=0
K−1
Y n o
≤ EH(k) exp − 4P1n kH(k)(x2 (k) − x1 (k))k22
k=0

L’espérance des termes individuels du produit, qui se présente comme un cas parti-
culier du problème (4.7), dépend du canal par l’intermédiaire des matrices de corrélation
H(k)H H(k). Dans le scénario idéal d’un canal suffisamment riche en diffuseurs et d’an-
tennes suffisamment espacées au sein de chaque réseau, cette matrice suit, pour chaque
index temporel, une loi de Wishart, H(k)H H(k) ∼ CW K+L (K, I K ), et l’on montre que :
K−1
Y 1
Px2 |x1 (x2 , x1 ) ≤ h iNR
1
k=0 det I NT + 4Pn (x2 (k) − x1 (k))(x2 (k) − x1 (k))H
ou encore
K−1
Y 1
Px2 |x1 (x2 , x1 ) ≤ h iNR
k=0 1+ 1
4Pn kx2 (k) − x1 (k)k22
où se servant de l’égalité det(I + xy H ) = 1 + y H x valable pour un couple quelconque de

vecteurs x et y de même taille.
Pour les régimes à fort SNR, la probabilité d’erreur se comporte comme :

Y −NR
Px2 |x1 (x2 , x1 ) ≤ 1
4Pn kx2 (k) − x1 (k)k22 (4.44)
k∈K
avec l’ensemble K = {k | x2 (k) 6= x1 (k) , k = 0, . . . , K − 1}.
Les gains de diversité et de codage se déduisent par comparaison avec l’expres-

sion (4.44) (βc γ/4)−βd . Ils ont pour expressions :
βd = card(K)NR
Y
βc =
2/ card(K)
kx2 (k) − x1 (k)k2 (4.45)
k∈K
Au-delà de l’aspect spécifique MIMO, les mesures ci-dessus témoignent de la présence

d’évanouissements de Rayleigh rapides sans mémoire, expliquant la forte similitude avec
les critères de performances constatés sur les canaux SISO à évanouissements de Rayleigh
rapides [33].
La construction de schémas de codage appropriés passe par l’optimisation des deux

critères (4.45), le gain de diversité demeurant prioritaire sur le gain de codage. Notam-
ment, il sera possible de s’inspirer des méthodes mises au point pour les canaux SISO
exhibant une dynamique temporelle similaire.
4.4.2 Panorama des techniques
L’établissement d’une communication sur un canal dont la cohérence temporelle ne

dépasse pas une période symbole est peu réaliste. Les critères de construction établis
ci-dessus doivent être compris comme une indication sur le comportement en robustesse
lorsque le système s’approche de ces conditions de transmission. D’un point de vue plus
4.4 Domaines spatial et temporel 159
pratique, les techniques présentées ici sont valables pour des statistiques temporelles
intermédiaires, i.e. suffisamment rapides pour être sensibles sur la durée d’un message
mais suffisamment lentes pour pouvoir être traitées.
Récepteur adaptatif : L’égalisation adaptative des variations temporelles du canal

est une stratégie répandue autorisant de réutiliser les schémas de codage développés pour
le canal quasi-statique, avec des performances théoriques améliorées du fait de l’accrois-
sement de l’ordre de diversité [21].
En pratique, la complexité de réalisation du mécanisme d’adaptation conduit à des

solutions sous-optimales. Différents algorithmes peuvent être mis en œuvre selon le modèle
de canal adopté : algorithme EM [Expectation-Maximization) [89], lorsque le canal est
assimilé à un processus aléatoire, ou algorithme de Kalman [90], dans le cas où l’évolution
temporelle est suivie par un processus auto-régressif.
Modulations temps-espace : Des schémas de codage pour canal à évanouissements

rapides peuvent être construits à partir des critères de performances (4.45). Un certain
nombre de treillis temps-espace pour modulation QPSK ont été ainsi obtenus par Fir-
manto [91], au prix d’une recherche informatique exhaustive. Parallèlement, en marge
des travaux menés sur les modulations codées pour canal quasi-statique, on retrouve
dans plusieurs références de la section 4.2 des exemples de codes temps-espace pour canal
à évanouissements rapides.
Les techniques temps-espace existantes pour canal statique et pour canal à évanouisse-
ments rapides ne sont pas satisfaisantes en pratique et font ressentir le besoin de schémas
adaptés aux dynamiques temporelles intermédiaires. Aussi, dans son article fondateur [9],
Tarokh propose-t’il une famille de codes mixtes à faible rendement, baptisés “smart-greedy
codes” dans la littérature anglaise, optimisant simultanément les critères de diversité et
de codage (4.11) et (4.45). Les modulations codées en treillis multidimensionnelles per-
mettent de générer ce type de codes. Une méthode de génération de treillis multidi-
mensionnelles, basée sur la description analytique de Calderbank-Mazo, est fournie par
Van [92].
Techniques différentielles : Les techniques différentielles, évoquées dans la sec-

tion 4.2.2, se prêtent naturellement à la transmission sur canal sélectif en temps en rendant
superflue l’estimation de la réponse du canal. Le canal doit néanmoins rester stable sur
une durée supérieure ou égale à l’intervalle de transition servant à coder l’information.
Concaténation de codes : Précédemment abordée dans le domaine spatial, la conca-

ténation de codes est une stratégie permettant l’optimisation séparée des gains de codage
et de diversité en espace. Le schéma logique de la figure (4.9) demeure inchangé mais
répond à des critères propres à la communication sur canal à variations rapides. Ainsi,
dans l’exemple de la concaténation du code d’Alamouti et d’une modulation codées en

treillis externe [93], l’élaboration de la TCM est guidée par les paramètres de longueur
effective et de distance produit [94].
La dynamique temporelle du canal étant pénalisante pour les codes classiques trop
structurés, les codes quasi-aléatoires, i.e. codes LDPC et turbocodes, apparaissent natu-
rellement comme la solution pour exploiter cette diversité. La richesse de la littérature
dans le domaine des modulations temps-espace turbocodées témoigne du potentiel de ces
techniques [95, 96]. La figure (4.15) regroupe quelques architectures possibles.
Entrelacement bits - Turbocode et modulation à

Turbocode
codage binaire à symbole entrelacement des bits [97]
Concaténation d’un turbo-

STBCM code avec une modulation
Turbocode orthogonal OSTBC [98]
Code STTCM Turbocode à concaténation

Entrelaceur série [99]
convolutif récursif
Turbocode à concaténation
STTCM
Entrelaceur parallèle [99]
récursif
Code conv.
Entrelaceur récursif
STTCM concaténé à un
STTCM code convolutif récursif
[100]
Code conv.
Entrelaceur récursif
Fig. 4.15: Turbocodage temps-espace - Exemples d’applications des turbocodes au système

MIMO

4.5 Conclusion 161
4.5 Conclusion
Dans ce chapitre, nous avons proposé un état de l’art des techniques de transmission
MIMO. L’approche est focalisée sur l’exploitation de la dimension spatiale, à laquelle
viennent se greffer les dimensions fréquentielle et temporelle. Les points suivants ont été
abordés :
• les schémas de codage et de modulation adaptés aux canaux MIMO invariants
dans le temps et plats en fréquence, s’étageant depuis les systèmes à diversité pure
(OSTBCM) jusqu’aux solutions à multiplexage spatial pur (BLAST) ;
• leurs extensions permettant de traiter la sélectivité fréquentielle, dominées par la
combinaison fructueuse avec les modulations de type OFDM ;
• leurs extensions permettant de compenser la sélectivité temporelle, ainsi que les
schémas combinant dimensions spatiale et temporelle.
L’ensemble des techniques évoquées dans ce chapitre, résumé sous forme graphique
par la figure (4.16), est injecté dans le chapitre suivant comme base de références. La
conception de l’interface radio MIMO spécifiée s’en trouvera simplifiée d’autant.

Rendement Rc
NT

STM
BLAST
ASTM
STM : Space-Time Multiplexing

BLAST : Bell Labs LAyered Space-Time modulation Débit
STTCM : Space-Time Trellis Coded Modulation (multiplexage) Rc ≤ NT
Connaissancce de l’état STBCM : Space-Time Block Coded Modulation LDC
du canal en réception OSTBCM : Orthogonal STBCM Concaténation de codes
STRCM : Space-Time Constellation-Rotating Mod. STBCM
LDCM : Linear Dispersion Coded Modulation STTCM
ASTM : Algebraic Space-Time Modulation
1
STRCM
Sélectivité spatiale
Robustesse
(diversité) Rc ≤ 1
USTM : Unitary Space-Time Modulation OSTBCM
Absence de connaissance Techniques différentielles (DUSTM : Differential USTM)
de l’état du canal Techniques aveugles
Influence du canal sur la

communication numérique
(chapitre 3) Connaissancce de l’état du canal Préfiltrage — Préégalisation
en émission et en réception Précodage
Egalisation
Sélectivités spatiale et fréquentielle Bancs de filtres : MIMO-OFDM, MIMO-ZPOFDM
TR-STBCM : Time-Reversal Space-Time Block Coded Modulation
Récepteur adaptatif (égalisation temporelle)

STTCM
Sélectivités spatiale et temporelle Smart-greedy codes
Techniques différentielles
Concaténation des codes
Fig. 4.16: Organigramme des techniques MIMO abordées

Bibliographie
[1] G. Foschini, “Layered space-time architecture for wireless communications”. Bell

Labs Tech. Journal, pages 41–59, Autumn 1996. File.
[2] O. Damen, A. Chkeif et J.-C. Belfiore, “Lattice code decoder for space-time codes”.
IEEE Communication Letters, May 2000. File.
[3] G.J. Foschini, G.D. Golden, A.Valenzuela et P.W. Wolniansky, “Simplified proces-
sing for high speed spectral efficiency wireless communication employing multi-
element arrays”. IEEE Journal on Selected Areas in Communications, pages 1841–
1852, Nov. 1999. File.
[4] G.J. Foschini et M.J. Gans, “On limits of wireless communications in a fading
environment when using multiple antennas”. Wireless Personal Communications,
pages 311–335, Jun. 1998. File.
[5] B. Hassibi, B.M. Hochwald, A. Shokrollahi et W. Sweldens, “Representation theory
for high-rate multiple-antenna code design”. tech. rep., Bell Labs, 2000. File.
[6] D.-S. Shiu et J.M. Kahn, “Design of high-throughput codes for multiple-antenna
wireless systems”. IEEE Transaction on Information Theory, 1999. File.
[7] H. El Gamal et A.R. Hammons, “A new approach to layered space-time coding and
signal processing”. IEEE Transaction on Information Theory, pages 2321–2334,
Sep. 2001.
[8] K.L. Lo, “Layered space-time structures with Low Density Parity Check and convo-
lutional codes”. Master’s thesis, University of Sydney, 2001.
[9] V. Tarokh, N. Seshadri et A.R. Calderbank, “Space-time codes for high data rate
wireless communication : performance criterion and code construction”. IEEE Tran-
saction on Information Theory, pages 744–765, . 1998. File.
[10] J.-C. Guey, M.P. Fitz, M.R. Bell et W.Y. Kuo, “Signal design for transmitter di-
versity wireless communication systems over Rayleigh fading channel”. IEEE Tran-
saction on Communications, pages 527–537, Apr. 1999.
[11] J. Grimm, M.P. Fitz et J.V. Krogmeier, “Further results in space-time coding for
Rayleigh fading”. in Allerton Conf. on Comm., Cont. and Comput., 1998.
[12] S. Baro, G. Bauch et A. Hansmann, “Improved codes for space-time trellis-coded
modulation”. IEEE Communication Letters, pages 20–22, Jan. 2000. File.
[13] D.M. Ionescu, K.K. Mukkavilli, Z. Yan et J. Lilleberg, “Improved 8 and 16-state
space-time codes for 4-PSK with two transmit antennas”. IEEE Communication
Letters, 2001. File.
[14] J. Yuan, B. Vucetic, Z. Chen et W. Firmanto, “Performance of space-time coding
on fading channels”. in Proceedings of IEEE Symposium on Information Theory,
2001. File.
[15] D. Divsalar et M.K. Simmons, “The design of trellis coded MSPK for fading chan-
nels : performance criteria”. IEEE Transaction on Communications, pages 1004–
1012, Sep. 1998. File.
[16] D. Divsalar et M.K. Simmons, “The design of trellis coded MSPK for fading chan-
nels : set partitioning for optimum code design”. IEEE Transaction on Communi-
cations, pages 1013–1021, Sep. 1998. File.
[17] X. Lin et R.S. Blum, “Systematic design of space-time codes employing multiple
trellis coded modulation”. IEEE Transaction on Communications, pages 608–615,
Apr. 2002. File.
[18] A.R. Hammons et H. El Gamal, “On the theory of space-time codes for PSK mo-
dulation”. IEEE Transaction on Information Theory, pages 524–542, Mar. 2000.
File.
[19] R.S. Blum, “New analytical tools for designing space-time convolutional codes”. in
Conference on Information Sciences and Systems, Princeton, NJ, Mar. 2000. File.
[20] Q. Yan et R.S. Blum, “Optimum space-time convolutional codes”. in IEEE Wireless
Comm. and Networking Conference, 2000. File.
[21] V. Tarokh, A. Naguib, N. Seshadri et A.R. Calderbank, “Space-time codes : perfor-
mance criteria in the presence of channel estimation errors, mobility and multiple
paths”. IEEE Transaction on Communications, pages 199–207, Feb. 1999. File.
[22] A. Naguib, V. Tarokh, N. Seshadri et A.R. Calderbank, “Space-time coding modem
for high data rate wireless communications”. IEEE Journal on Selected Areas in
Communications, pages 1459–1478, Oct. 1998.
[23] M. P. Fitz, J. Grimm et S. Siwamogsatham, “A new view of performance analysis
techniques in correlated Rayleigh fading”. in IEEE Wireless Comm. and Networking
Conference, 1999.
[24] S.M. Alamouti, “A simple transmitter diversity scheme for wireless communica-
tions”. IEEE Journal on Selected Areas in Communications, pages 1451–1458, Oct.
1998. File.
[25] G. Ganesan et P. Stoica, “Space-time diversity using orthogonal and amicable ortho-
gonal designs”. in IEEE International Conference on Acoustics, Speech and Signal
Processing, 2000.
[26] V. Tarokh, H. Jafarkhani et A.R. Calderbank, “Space-time block codes from or-
thogonal design”. IEEE Transaction on Information Theory, pages 1456–1467, Jul.
1999. File.
[27] V. Tarokh, H. Jafarkhani et A.R. Calderbank, “Space-time block coding for wi-
reless communications : performance results”. IEEE Journal on Selected Areas in
Communications, pages 451–460, Mar. 1999. File.
[28] A.V. Geramita et J. Seberry, Orthogonal designs, quadratic forms and Hadamard
matrices. Marcel Dekker, New York-Basel, 1979.
[29] T. Lo et V. Tarokh, “Space-Time Block Coding : From a Physical Perspective”. in
IEEE Wireless Comm. and Networking Conference, pages 150–153, 1999. File.
[30] S. Sandhu et A. Paulraj, “Space-time block codes : a capacity perspective”. IEEE
Communication Letters, 2000.
[31] H. Jafarkhani, “A quasi-orthogonal space-time block code”. IEEE Transaction on
Communications, pages 1–4, Jan. 2001.

[32] C. Papadias, “A space-time coding approach for systems employing four transmit
antennas”. in ICASSP, 2001.
[33] J. Boutros et E. Viterbo, “Signal space diversity : a power and bandwidth effi-
cient diversity technique for the Rayleigh fading channel”. IEEE Transaction on
Information Theory, pages 1453–1467, Jul. 1998. File.
[34] K. Boullé et J.-C. Belfiore, “Modulation schemes designed for the Rayleigh fading
channel”. in Proceedings of the Canadian Institute of Strategic Studies, 1992.
[35] V.M. DaSilva et E.S. Sousa, “Fading-resistant modulation using several transmitter
antennas”. IEEE Transaction on Communications, pages 1236–1244, Oct. 1997.
[36] Y. Xin, Z. Wang et G.B. Giannakis, “Linear unitary precoders for maximum di-
versity gains with multiple transmit and receive antennas”. in Proc. of the 34th
Asilomar Conf. on Signal, Systems and Computers, 2000. File.
[37] X. Giraud, E. Boutillon et J.-C. Belfiore, “Algebraic tools to build modulation
schemes for fading channels”. IEEE Transaction on Information Theory, pages 938–
952, May 1997.
[38] M.O. Damen, K. Abed-Meraim et J.-C. Belfiore, “Diagonal algebraic space-time
codes”. IEEE Transaction on Information Theory, Mar. 2002. File.
[39] U. Fincke et M. Pohst, “Improved methods for calculating vectors of short length
in a lattice, including a complexity analysis”. ACM Sigsam, vol. 15, pages 37–44,
1981.
[40] B. Hassibi et B.M. Hochwald, “High-rate codes that are linear in space and time”.
IEEE Transaction on Information Theory, pages 1804–1824, Jul. 2002. File.
[41] B. Hassibi, “An efficient square-root algorithm for BLAST”. tech. rep., Bell Labs,
2000. File.
[42] I.E. Telatar, “Capacity of multi-antenna Gaussian channels”. ATT Bell Labs tech.
memo., Jun. 1995. File.
[43] S. Sandhu et A. Paulraj, “Unified design of linear space-time codes”. in GLOBE-
COM, 2001. File.
[44] M.O. Damen, A. Tewfik et J.-C. Belfiore, “A construction of a space-time code
based on number theory”. IEEE Transaction on Information Theory, Mar. 2002.
File.
[45] G.D. Forney, “Generalized minimum distance decoding”. IEEE Transaction on In-
formation Theory, pages 125–131, Apr. 1966.
[46] G. Ungerboeck, “Channel coding with multilevel multiphase signals”. IEEE Tran-
saction on Information Theory, pages 5–21, Jan. 1982.
[47] T.L. Marzetta et B.M. Hochwald, “Capacity of a mobile multiple-antenna commu-
nication link in Raileygh flat fading”. IEEE Transaction on Information Theory,
pages 139–157, Jan. 1999. File.
[48] C.D. Meyer, Matrix analysis and applied linear algebra. SIAM, 2000.
[49] B.M. Hochwald et T.L. Marzetta, “Unitary space-time modulation for multiple-
antenna communications in Rayleigh flat fading”. IEEE Transaction on Information
Theory, pages 543–564, Mar. 2000. File.
[50] I. Abou-Faycal et B. Hochwald, “Coding requirements for multiple-antenna channels

with unknown Rayleigh fading”. tech. rep., Bell Labs, 1999. File.
[51] D. Agrawal, T.J. Richardson et R. Urbanke, “Multiple-antenna signal constellations
for fading channels”. tech. rep., Bell Labs, 1999. File.
[52] B.M. Hochwald, T.L. Marzetta, T.L. Richardson et W. Swelden, “Systematic design
of unitary space-time constellations”. tech. rep., Bell Labs, 1999. File.
[53] V. Tarokh et H. Jafarkhani, “A differential detection scheme for transmit diversity”.
IEEE Journal on Selected Areas in Communications, Jul. 2000. File.
[54] H. Jafarkhani et V. Tarokh, “Multiple transmit antenna differential detection from
generalized orthogonal designs”. IEEE Transaction on Information Theory, Sep.
2001.
[55] B.L. Hughes, “Differential space-time modulation”. IEEE Transaction on Informa-
tion Theory, pages 2567–2578, Nov. 2000. File.
[56] B.M. Hochwald et W. Sweldens, “Differential unitary space-time modulation”. IEEE
Transaction on Communications, pages 2041–2052, Dec. 2000. File.
[57] A. Shokrollahi, “Computing the performance of space time group codes from their
characteristic table”. tech. rep., Bell Labs, 2000. File.
[58] Special issue on blind systems identification and estimation, Proceedings of the
IEEE, Oct. 1998.
[59] A. Scaglione, P. Stoica, S. Barbarossa, G.B. Giannakis et H. Sampath, “Optimal
designs for space-time linear precoders and decoders”. IEEE Transaction on Signal
Processing, Aug. 2001. File.
[60] H. Sampath, P. Stoica et A. Paulraj, “Generalized linear precoder and decoder
design for MIMO channels using the weighted MMSE criterion”. IEEE Transaction
on Communications, Dec. 2001. File.
[61] A. Scaglione, S. Barbarossa et G.B. Giannakis, “Filterbank transceivers optimizing
information rate on block transmission over dispersive channels”. IEEE Transaction
on Information Theory, vol. 45, pages 1019–1032, Apr. 1999. File.
[62] A. Scaglione, S. Barbarossa et G.B. Giannakis, “Redundant filterbank precoder and
equalizers - part I : unification and optimal designs”. IEEE Transaction on Signal
Processing, vol. 47, pages 1988–2006, Jul. 1999. File.
[63] A. Scaglione, S. Barbarossa et G.B. Giannakis, “Redundant filterbank precoder and
equalizers - part II : blind signal recovery”. IEEE Transaction on Signal Processing,
vol. 47, pages 2007–2047, Jul. 1999. File.
[64] R. Price, “Nonlinearly feedback-equalized PAM versus capacity for noisy filter chan-
nels”. in Proc. IEEE Intl. Conf. Comm., pages 22.12–22.17, 1972.
[65] M. Tomlinson, “New automatic equalizer employing modulo arithmetic”. Electronic
Letters, pages 138–139, Mar. 1971.
[66] H. Harashima et H. Miyakawa, “A method of code conversion for a digital commu-
nication channel with intersymbol interference”. IEEE Transaction on Communi-
cations, pages 774–780, Aug. 1972.
[67] G.D. Forney et A.R. Calderbank, “Coset codes for partial response channels”. IEEE
Transaction on Information Theory, pages 925–943, Sep. 1989.
[68] M.V. Eyuboglu et G.D. Forney, “Trellis precoding : combined coding, precoding and
shaping for intersymbol intereference channels”. IEEE Transaction on Information
Theory, vol. 38, pages 301–314, Mar. 1992. File.
[69] G. Ginis et J.M. Cioffi, “A multi-user precoding scheme achieving crosstalk cancel-
lation with application to DSL systems”. in Asilomar, pages 1627–1631, Oct. 2000.
File.
[70] W. Yu et J.M. Cioffi, “Trellis precoding for the broadcast channel”. in Proceedings
of IEEE GLOBECOM, 2001. File.
[71] S. Kasturia, J.T. Aslanis et J.M. Cioffi, “Vector coding for partial response channel”.
IEEE Transaction on Information Theory, vol. 36, pages 741–761, Jul. 1990.
[72] J.W. Leichleider, “The optimum combination of block codes and receivers for arbi-
trary channels”. IEEE Transaction on Communications, pages 615–621, May 1990.
[73] M. Wennström et T. Öberg, “Transmit antenna diversity in Ricean fading MIMO
channels with co-channel interference”. in Nordic Radio Symposium 2001 Nynä-
shamn, 2001. File.
[74] D.P. Taylor, G.M. Vitteta nd B.D. Hart et A. Mämmela, “Wireless channel equa-
lization”. European Transaction on Telecommunications, pages 117–143, Mar.-Apr.
1998. File.
[75] S.U.H. Qureshi, “Adaptive equalization”. Proceedings of the IEEE, pages 1349–1387,
Sep. 1985.
[76] Y. Kim et S. Shamsunder, “Multichannel algorithms for simultaneous equaliza-
tion and interference suppression”. Wireless Personal Communications, vol. 8,
pages 2864–2876, 1998.
[77] A. Duel-Hallen, “Equalizers for MIMO channels and PAM system with cyclosta-
tionary input sequences”. IEEE Journal on Selected Areas in Communications,
pages 630–639, Apr. 1992.
[78] J. Salz, “Digital transmission over cross-coupled linear channels”. tech. rep., ATT
Tech. Journal, Jul.-Aug. 1985.
[79] G.G. Raleigh et J.M. Cioffi, “Spatio-temporal coding for wireless communication”.
IEEE Transaction on Communications, pages 357–366, Mar. 1998. File.
[80] E.G. Larsson et J. Li, “Preamble design for multiple-antenna OFDM-based WLANs
with null subcarriers”. IEEE Signal Processing Letters, pages 285–288, Nov. 2001.
File.
[81] G.G. Raleigh et V.K. Jones, “Multivariate modulation and coding for wireless com-
munication”. IEEE Journal on Selected Areas in Communications, pages 851–866,
May 1999.
[82] B. Lu et X. Wang, “Space-time code design in OFDM design”. in Proceedings of
IEEE GLOBECOM, 2000. File.
[83] B. Lu, X. Wang et K.R. Narayanan, “LPDC-based space-time coded OFDM systems
over correlated fading channels : performance analysis and receiver design”. IEEE
Transaction on Communications, pages 74–88, Jan. 2002. File.
[84] A. Lozano et C. Papadias, “Layered space-time receivers for frequency-selective
wireless channels”. IEEE Transaction on Communications, pages 65–73, Jan. 2002.
File.
[85] S.D. Sandberg et M.A. Tzannes, “Overlapped discrete multitone modulation for
high-speed copper wire communications”. IEEE Journal on Selected Areas in Com-
munications, pages 1571–1585, Dec. 1995. File.
[86] P.P. Vaidyanathan, Multirate systems and filter banks. Prentice Hall, 1993. File.
[87] E.G. Larsson, P. Stoica, E. Lindskog et J. Li, “Space-time block coding for
frequency-selective channels”. in IEEE International Conference on Acoustics,
Speech and Signal Processing, 2002. File.
[88] S. Zhou et G.B. Giannakis, “Space-time coding with maximum diversity gains over
frequency-selective fading channels”. IEEE Signal Processing Letters, pages 269–
272, Oct. 2001. File.
[89] C. Cozzo et B. L. Hughes, “Joint channel estimation and data symbol detection
in space-time communications”. in Proc. IEEE Intl. Conf. Comm., pages 287–291,
2000.
[90] Z. Liu, X. Ma et G. B. Giannakis, “Space-time coding and Kalman filtering for
diversity transmissions through time-selective fading channels”. IEEE Transaction
on Communications, pages 183–186, Feb. 2002. File.
[91] B. Vucetic W. Firmanto et J. Yuan, “Space-Time TCM with improved performance
on fast fading channels”. IEEE Communication Letters, Apr. 2001. File.
[92] D.J. Van, I.J. Oppermann, E. Pretorius et P.G.W. Van Rooyen, “On the construc-
tion of layered space-time coded modulation codes employing MTCM code design
techniques”. in IEEE Vehicular Technology Conference, pages 2969–2973, Sep. 1999.
[93] M.J. Borran, M. Memarzadeh et B. Aazhang, “Design of coded modulation schemes
for orthogonal transmit diversity”. IEEE Transaction on Communications, May
2001. File.
[94] C. Schlegel et D.J. Costello, “Bandwidth efficient coding on fading channels : code
construction and performance analysis”. IEEE Journal on Selected Areas in Com-
munications, pages 1356–1368, Dec. 1989. File.
[95] T.H. Liew et L. Hanzo, “Space-time codes and concatenated channel codes for
wireless communications”. Proceedings of the IEEE, pages 187–219, Feb. 2002. File.
[96] A. Stefanov et T.M. Duman, “Turbo coded modulation for systems with transmit
and receive antenna diversity over block fading channels : system model, decoding,
approaches and practical considerations”. IEEE Journal on Selected Areas in Com-
munications, pages 958–968, May 2001.
[97] A. Stefanov et T.M. Duman, “Turbo coded modulation for wireless communications
with antenna diversity”. in IEEE Vehicular Technology Conference, pages 1565–
1569, Sep. 1999.
[98] G. Bauch, “Concatenation of space-time block codes and turbo-TCM”. in Proc.
IEEE Intl. Conf. Comm., pages 1202–1206, 1999. File.
[99] K. Narayanan, “Turbo decoding of concatened space-time codes”. in Allerton Conf.
on Comm., Cont. and Comput., Sep. 1999.
[100] X. Lin et R.S. Blum, “Improved space-time codes using serial concatenation”. IEEE
Communication Letters, pages 221–223, Jul. 2000. File.

Chapitre 5
Application des techniques MIMO

au standard HIPERLAN2
Sommaire
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5.2 Description de la couche physique HIPERLAN2 . . . . . . . . 170
5.3 Du bien-fondé d’un système MIMO-HIPERLAN2 . . . . . . 175
5.4 Extension MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.4.1 Analyse du problème . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.4.2 Modulation codée fréquence-espace . . . . . . . . . . . . . . . . . 183
5.4.2.1 Constructions . . . . . . . . . . . . . . . . . . . . . . . 183
5.4.2.2 Résultats issus de la littérature . . . . . . . . . . . . . . 184
5.4.3 Modulation codée temps-espace . . . . . . . . . . . . . . . . . . . 186
5.4.3.1 Constructions . . . . . . . . . . . . . . . . . . . . . . . 186
5.4.3.2 Résultats issus de la littérature . . . . . . . . . . . . . . 191
5.4.4 Contraintes de coût . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
5.1 Introduction
Ce cinquième et dernier chapitre vient clore le présent travail de thèse en tentant de

répondre à la question initiale, portant sur la pertinence d’une nouvelle couche physique
au standard HIPERLAN2 basée sur le concept MIMO. Après avoir présenté le canal de
propagation et la théorie de son utilisation, puis dressé un tableau des solutions actuel-
lement existantes, l’on dispose des outils suffisants pour proposer une architecture de
transmission.
Ce chapitre débute par un rappel succinct des caractéristiques principales de la couche

physique de la norme HIPERLAN2, accompagné de certaines informations indissociables
170 Application des techniques MIMO au standard HIPERLAN2
concernant la couche de contrôle. Des éléments qualitatifs sont ensuite apportés pour
justifier l’exploitation de la dimension spatiale en milieu domestique dans la bande des
5 GHz. La fin de ce chapitre est consacrée à l’élaboration d’une extension MIMO au
système HIPERLAN2, en suivant une démarche logique visant à aboutir à une famille
d’architectures raisonnablement complexes. Les résultats de simulation obtenus au cours
de cette thèse, jugés trop partiels, n’apparaissent pas dans ce document.
5.2 Description de la couche physique HIPERLAN2
La couche physique HIPERLAN2, décrite par la norme ETSI TS 101 475 [1], repose sur
la modulation OFDM et un mode de transmission par paquets. En Europe, deux bandes
de fréquences disjointes sont allouées, une bande basse 5.15 GHz – 5.45 GHz, dédiée à
une utilisation exclusive en intérieur, et une bande haute 5.47 GHz – 5.725 GHz pour
utilisation intérieure et extérieure. Chaque bande est scindée en canaux de 20 MHz de
large, soit un total de 8 canaux dans la bande basse et de 11 canaux dans la bande haute.
Une procédure de sélection dynamique de fréquence choisit un canal de transmission
libre, i.e. sans interférences et inoccupé par d’autres liaisons HIPERLAN2, et assure une
rotation régulière des canaux pour éviter le piégeage. La puissance d’émission est ajustée,
avec une puissance moyenne maximale de 200 mW PIRE (Puissance Isotrope Rayonnée
Effective) dans la bande basse et de 1 W PIRE dans la bande haute.
Le mécanisme d’accès au canal, défini dans la couche MAC, repose sur un mode
TDMA/TDD. L’utilisation du canal est découpé dans le temps par trame de durée 2 ms
divisée en différentes phases de diffusion, de communication et d’accès au réseau (fi-
gure (5.2)). Plusieurs formats d’encapsulation sont alors définis au niveau de la couche
PHY pour assurer le transport de ces paquets de données, à savoir paquet de diffusion,
paquet de canal descendant, paquets de canal montant à préambule court et à préambule
long et paquet de lien direct. Un paquet est invariablement constitué d’un en-tête et d’un
segment de données, tous deux dépendants du type de paquet. Le préambule pour le ca-
nal de diffusion permet la synchronisation temporelle et fréquentielle, le contrôle de gain
et l’estimation du canal. Le préambule en voie descendante est destiné à l’estimation de
canal uniquement et les préambules pour la voie montante et le canal d’accès aléatoire à
l’estimation du canal et à la synchronisation.
L’utilisation de la bande disponible est optimisée par un mécanisme d’adaptation de la

liaison qui modifie le débit transmis en jouant sur les modulations des sous-porteuses et le
rendement du code. Les modulations BPSK, QPSK, 16QAM sont requises, la modulation
64QAM restant optionnelle. Le contrôle d’erreur est effectué par le code convolutif 133 171
de rendement 1/2 et de longueur de contrainte 7, les rendements 3/4 et 9/16 étant obtenus
par poinçonnage. Le tableau (5.1) liste les modes prévus par le standard. Les valeurs des
paramètres sont choisis pour garantir que le nombre de bits codés soit un multiple entier
du nombre de bits transmis par symbole OFDM.
La figure (5.3) présente la configuration de référence de l’émetteur. Les paquets de

données à transmettre, délivrés à la couche PHY, sont embrouillés, à l’aide d’une sé-

5.2 Description de la couche physique HIPERLAN2 171
Allocation fréquentielle
USA 5.15 - 5.45 GHz 5.725 - 5.825 GHz
Intérieur Extérieur Extérieur

200 mW PIRE 1W PIRE 4 W PIRE
5.15 - 5.45 GHz 5.47 - 5.725 GHz

Europe
Intérieur Intérieur + Extérieur f (GHz)
200 mW PIRE 1W PIRE
5 5.2 5.4 5.6 5.8 6
PIRE : Puissance Isotrope

Rayonnée Effective
Multiplexage fréquentiel
5.18 GHz 5.32 GHz
Masque d’émission
Puissance (dBc)
0 dBc
−20 dBc
−28 dBc
−40 dBc
f (MHz)
−30 −20 −11 −9 0 9 11 20 30
porteuse
Fig. 5.1: Plan de fréquence du standard HIPERLAN2

Type : type de paquet

CRC : Code de Redondance Cyclique
IC : Intervalle de garde Cyclique
Canaux logiques
Trame MAC Trame MAC Trame MAC
2 ms
Couche DLC
Liaison Liaison Liaison Accès
Couche MAC Diffusion
descendante directe montante aléatoire
Type Nb Données CRC
Canaux de transport
Couche PHY IC IC IC IC
Fig. 5.2: Structures des trames HIPERLAN2
Tab. 5.1: Modes physiques HIPERLAN2
Mode Modulation Rendement de codage Débit nominal Bits codés par Bits codés par Bits utiles par
(Mbit/s) sous-porteuse symbole OFDM symbole OFDM
1 BPSK 1/2 6 1 48 24
2 BPSK 3/4 9 1 48 36
3 QPSK 1/2 12 2 96 48
4 QPSK 3/4 18 2 96 72
5 16QAM 9/16 27 4 192 108
6 16QAM 3/4 36 4 192 144
7 64QAM 3/4 54 8 288 216
quence pseudo-aléatoire, dans le but de casser d’éventuelles séquences binaires constantes

dans les données fournies au reste du processus de modulation. Les données embrouillées
alimentent un bloc de codage de canal constitué d’un code convolutif principal 133 171,
de rendement constant 1/2, suivi de deux étages de poinçonnage chargés d’adapter le
débit aux conditions de propagation. Un mécanisme de poinçonnage additionnel assure
également que les paquets de la DLC de 54 octets sont transcrits sur un nombre entier
de symboles OFDM. Les données codées sont entrelacées afin d’empêcher l’apparition de
paquets d’erreur en entrée du décodeur associé en réception. Le motif d’entrelacement est
constitué de deux niveaux, le premier plaçant les bits codés successifs sur des porteuses
les plus éloignées possible et le second garantissant que les bits codés sont alternative-
ment affectés à des bits plus ou moins protégés de la constellation. Une fois converties en
symboles de modulation, par codage de Gray, les données sont multiplexées en fréquence
par le modulateur OFDM. Finalement, le flot de symboles OFDM est réparti en paquets,
caractérisés par des propriétés différentes selon la nature de l’information transportée.
Le récepteur effectue globalement les opérations inverses, auxquelles viennent s’ajouter

le contrôle de puissance, la synchronisation temporelle et fréquentielle ainsi que l’estima-
tion du canal. Des séquences spécifiques sont placées en préambule de chaque paquet pour
supporter ces différentes tâches.

Entrelacement fréquentiel sur un symbole OFDM Constellations BPSK, QPSK, 16QAM et 64QAM
(porteuses non adjacentes, points des constellations) (codage de Gray)
Codage convolutif avec fermeture du treillis - Construction des symboles OFDM :

poinçonnage porteuses éteintes, porteuses pilotes
Codage de Codage binaire Emetteur

Trames de la DLC Embrouillage Entrelacement OFDM Trames physiques
canal à symbole Radio
Bits de Code Préfixe

Poinçonnage IFFT cyclique Filtrage
fermeture convolutif
Fig. 5.3: Chaı̂ne d’émission HIPERLAN2

5.2 Description de la couche physique HIPERLAN2

173
Le tableau (5.2) regroupe les paramètres essentiels de la modulation. Entre autres, la

durée de l’intervalle de garde est cruciale. En milieu domestique, l’étalement moyen de la
réponse impulsionnelle est de l’ordre de 50 ns, pour des réponses atteignant au maximum
des longueurs de 200 ns, et un préfixe de 400 ns se montre suffisant pour une absorption
complète des échos. Par ailleurs, le nombre de sous-porteuses utiles se monte à 48, parmi
les 64 porteuses réellement disponibles. Cette différence s’explique par l’insertion régulière
de porteuses pilotes, exploitées pour l’acquisition de la réponse du canal, ainsi que par la
présence de porteuses éteintes aux extrémités et au centre du multiplex, justifiées par des
considérations liées au filtrage du signal et aux fuites des oscillateurs locaux. Le rôle des
porteuses pilotes n’est pas tant de suivre les variations temporelles du canal, négligeables
dans la pratique, que de suivre les perturbations engendrées par le bruit de phase des
oscillateurs.
Tab. 5.2: Paramètres des symboles OFDM HIPERLAN2
Paramètres Symboles Valeurs

Cadence d’échantillonnage fs = 1/T 20 MHz
Durée utile d’un symbole Tu 64T = 3.2 µs
Durée du préfixe cyclique Tcp 16T = 0.8 µs 8T = 0.4 µs optionnel
Durée d’un symbole Ts 80T = 4 µs 72T = 3.6 µs
Taille de la FFT - 64
Nombre de sous-porteuses utiles NDS 48
Nombre de sous-porteuses pilotes NSP 4
Nombre total de sous-porteuses NST 52
Espacement inter-porteuse ∆f 315 kHz
Espacement entre les porteuses extrêmes - 16.25 MHz
La représentation fréquentielle d’une trame physique apparaı̂t sur la figure (5.4). La

présence d’un préambule d’estimation et l’agencement des pilotes sont caractéristiques
des transmissions OFDM par paquet. Pour information, les systèmes de diffusion, e.g.
la télévision numérique terrestre, n’emploient pas de symboles de préambule mais entre-
lacent les pilotes sur la grille temps-fréquence.
Porteuse éteinte Porteuses pilotes Porteuses éteintes

(fuite d’oscillateur) (estimation du canal) (filtrage)
Fréquence
Temps
Données
Préambule
Canal de 20 MHz
Fig. 5.4: Structure d’un paquet HIPERLAN2

5.3 Du bien-fondé d’un système MIMO-HIPERLAN2 175
5.3 Du bien-fondé d’un système MIMO-HIPERLAN2
Les systèmes HIPERLAN2 seront déployés dans une grande variété d’environnements
tels que des bureaux, des locaux industriels, des halls de présentation ou encore des milieux
résidentiels. Cinq modèles de canaux, résumés dans le tableau (5.3), ont été produits pour
représenter ces différents scénarios [2].
L’accroissement attendu du débit par l’utilisation conjointe de réseaux d’antennes à

l’émission et à la réception repose sur l’aptitude à multiplexer spatialement l’information.
Les différents milieux envisagés ne sont pas égaux devant cette opportunité, certains étant
plus favorables à l’exploitation de la dimension spatiale. Le but est ici d’estimer dans
quelle mesure le milieu domestique, associé principalement au modèle B, est propice à
une extension MIMO.
Tab. 5.3: Modèles de canaux HIPERLAN2

Réf. Etalement RMS Statistique Types d’environnement
Pièce encombrée dans un environnement
A 50 ns Rayleigh intérieur ouvert, absence de visibilité di-
recte
Pièce encombrée dans un environnement
B 100 ns Rayleigh intérieur fermé, absence de visibilité di-
recte
Identique à B avec positions différentes,
C 150 ns Rayleigh
absence de visibilité directe
D 140 ns Rice Identique à C avec visibilité
Milieu ouvert de grandes dimensions,
E 250 ns Rayleigh
absence de visibilité directe
Le milieu de propagation considéré entre un émetteur et un récepteur, placés dans une

même pièce d’habitation, se caractérise généralement par une densité d’obstacles élevée et
par l’obstruction de la ligne de vue. L’interaction de l’onde avec le milieu est alors raison-
nablement modélisée par des processus gaussiens centrés et, par conséquent, l’étude des
dépendances statistiques entre les signaux échangés se réduit à une mesure des fonctions
de corrélation. En outre, la distribution spatiale des réflecteurs, relativement uniforme,
autorise le découplage des phénomènes de corrélation à l’émission et à la réception. Ce
ne serait pas le cas, par exemple, pour une communication entre pièces reliées par un
couloir, favorisant l’effet de guidage néfaste pour la capacité.
Sous les hypothèses précitées, le débit est directement lié au minimum du rang des
matrices de corrélation d’émission et de réception, impliquant que les réseaux d’émission
et de réception doivent garantir un espacement entre éléments supérieur à la distance de
corrélation locale.
Se pose alors le problème de compacité des réseaux qui, de toute évidence, doit rester
acceptable. La distance de corrélation est fonction de deux paramètres :

– la distribution angulaire utile, i.e. la signature angulaire présentée par l’environne-

ment filtrée par les antennes,
– la distance inter-éléments, normalisée en longueur d’onde λ.
La distance de corrélation sera faible lorsque le réseau est plongé dans un milieu riche en
diffuseurs, avec des valeurs dans le voisinage de λ/2 lorsque la répartition angulaire filtrée
des trajets efficaces est quasi uniforme. Pour un environnement donné, le minimum sera
atteint par des diagrammes d’antennes isotropes et décroı̂tra avec la fréquence de travail.
A la fréquence de 5 GHz, la demi longueur d’onde est de l’ordre de 3 cm, ouvrant la voie
à des réseaux d’antennes de petites dimensions. Une application sans fil en milieu domes-
tique confiné, dans cette bande des 5 GHz, semble donc tout à fait propice au déploiement
d’un système MIMO. En particulier, l’augmentation des structures d’émission-réception
HIPERLAN2 par des réseaux d’antennes isotropes apparaı̂t extrêmement prometteuse.
La justification qualitative de l’opportunité d’une évolution vers les techniques MIMO,

développée dans cette section, est purement indicative et n’a pas pour ambition de se
substituer à des résultats issus de campagnes de mesure ou de travaux de simulation.
La principale inconnue, sujet de questions récurrentes, a trait à l’estimation d’un éta-
lement angulaire moyen, représentatif d’une majorité d’environnement domestique. En
guise d’élément de réponse, les figures (5.5), (5.6) et (5.7) montrent que le niveau de
corrélation baisse rapidement avec la distance, dès lors que l’étalement angulaire dépasse
quelques dizaines de degrés. A cela s’ajoute le fait que la décorrélation n’a pas besoin
d’être complète pour permettre l’exploitation de la diversité spatiale [3].
Corrélation spatiale θ=0
1 ∆
0.8
0.6
0.4
0.2 d/λ
0
0 0
1
50
2
100 3
Dispersion angulaire ∆ Distance relative d/λ
150 4
Fig. 5.5: Evolution de la corrélation spatiale en fonction de la distance et de l’étalement angulaire,

pour une incidence normale

5.3 Du bien-fondé d’un système MIMO-HIPERLAN2 177
Corrélation spatiale
θ = π/4
1
0.8
∆
0.6
0.4
0.2 d/λ
0
0 0
1
50
2
100 3
150 4

pour une incidence oblique de 45 degrés
Corrélation spatiale
0.8
0.6
∆
0.4 θ = π/2
0.2 d/λ
0
0 0
1
50
2
100 3
150 4

pour une incidence rasante

5.4 Extension MIMO
Après avoir établi le gain potentiel promis par l’utilisation de réseaux d’antennes à
l’émission et à la réception, il reste à concevoir un système conforme aux spécifications
du standard HIPERLAN2. Pour limiter les problèmes inhérents au surcoût, le nombre
d’antennes par réseau permettant le multiplexage d’espace est choisi minimal, soit NT = 2
et NR = 2.
5.4.1 Analyse du problème
Retour sur l’application : Une validation intermédiaire des spécifications de l’appli-

cation visée, détaillées dans la section 1.1, est essentielle avant de poursuivre.
Les objectifs initiaux ne sont pas remis en cause :

– débit : le doublement du débit recherché est théoriquement atteint, malgré la limi-
tation sur le nombre d’antennes, avec une valeur maximale de 2 × 54 Mbit/s ;
– robustesse : la probabilité d’erreur dépendra du nouveau schéma de transmission
et des protocoles de correction logés dans la couche de contrôle HIPERLAN2, que
l’on a conservée ;
– qualité de service : le support de service isochrone est assuré par la couche de
contrôle HIPERLAN2.
Il en est de même pour les trois contraintes identifiées :
– environnement : la section précédente a montré la parfaite adéquation des systèmes
MIMO avec le milieu domestique ;
– régulations : les contraintes en terme de spectre et de puissance d’émission sont
automatiquement vérifiées en conservant la modulation OFDM, avec les paramètres
originaux ;
– complexité : la maı̂trise de la complexité matérielle et logicielle demeure le point le
plus délicat.
Architecture MIMO-HIPERLAN2 : La recherche d’un système optimal nécessite

de répartir le traitement temps-espace conjoint sur l’intégralité des chaı̂nes d’émission
et de réception, conduisant à des architectures radicalement différentes du schéma de
transmission HIPERLAN2 classique. Une telle solution sera évitée ici du fait non seule-
ment de la complexité impliquée mais également de son caractère peu propice à un dé-
veloppement rapide, facilité par une réutilisation maximale des chaı̂nes préexistantes.
On s’oriente donc ici vers un système MIMO-HIPERLAN2 sous-optimal dérivé du sys-
tème SISO-HIPERLAN2 avec un niveau de modifications acceptable. En observant que
la partie aval d’émission/réception radio est inévitablement modifiée pour intégrer les
réseaux d’antennes contrairement à la partie amont de jonction avec la DLC, demeurant
impérativement identique pour respecter le standard, on voit que le degré de changement
et la complexité du futur système sont proportionnels à la profondeur de remontée du
traitement spatial dans les chaı̂nes.

5.4 Extension MIMO 179
Résumée à ces fonctions essentielles, la chaı̂ne simplifiée HIPERLAN2 comprend une

fonction de codage de canal, incluant l’entrelacement, et une fonction de modulation
OFDM. Il semble sage de conserver la modulation OFDM pour au moins trois raisons :
– respect des normes de transmission : conserver la modulation OFDM avec les para-
mètres initiaux est la stratégie la plus simple pour vérifier les signatures temporelle
et fréquentielle imposées ;
– immunité aux trajets multiples : la modulation OFDM reste l’une des techniques
d’égalisation fréquentielle les plus simples à mettre en œuvre, principalement sur
des canaux difficiles à fort étalement temporel ;
– multiplexage fréquentiel : le mariage de la modulation OFDM avec un système
à double réseau d’antennes est très intéressant puisque le canal de transmission
sélectif en fréquence est décomposé en une somme de canaux strictement plats.
Chaque branche d’émission contiendra donc un bloc de modulation OFDM.
Le code convolutif 133 171 semble superflu de prime abord, ne serait-ce que pour la
raison qu’il est conçu pour un canal SISO. Trois points jouent pourtant en sa faveur :
– complémentarité avec les modulations codées temps-espace : le code convolutif et les
modulations codées travaillent sur deux plans distincts, respectivement sur le corps
de Galois des symboles d’information, muni de la métrique de Hamming, et le corps
des nombres complexes des symboles modulés, muni de la métrique euclidienne. Ils
s’associent donc aisément de part et d’autre de l’opérateur de codage binaire à
symbole ;
– concaténation de codes : la concaténation de fonctions de codage est une solution
efficace pour améliorer la robustesse en autorisant des actions indépendantes sur
les différents leviers gouvernant la probabilité d’erreur. L’insertion d’un entrelaceur
ouvre de surcroı̂t la voie vers les techniques de type turbo ;
– statistique du signal : construit pour la correction d’erreurs sur canal gaussien, le
code 133 171 altère peu la statistique de la source et reste peu sensible au traitement
effectué en aval.
Il apparaı̂t donc favorable de garder le bloc de codage prévu par le standard HIPERLAN2.
On rappelle que l’on considère ici une modulation codée temps-espace.
Au final, pour un système de coût raisonnable, le point idéal d’implantation des tech-
niques MIMO se situe entre le codeur de canal HIPERLAN2 et le modulateur OFDM. La
nouvelle architecture est présentée sur la figure (5.8), que l’on pourra comparer au schéma
original de la figure (5.3). Clairement, l’apport des techniques MIMO s’apparente à une
surcouche ajoutée au-dessus du système HIPERLAN2, soulignant la relative simplicité
de réalisation et le caractère sous-optimal de cette solution.

Source de symboles indépendants Paquets de symboles
et identiquement distribués OFDM

Trames physiques Emetteur
OFDM
Radio
Codage SISO Codage binaire Modulation codée

Trames de la DLC Embrouillage Entrelacement MIMO
133; 171 à symbole
Trames physiques Emetteur

OFDM
Radio
Métrique de Hamming Métrique euclidienne

sur le corps de Galois binaire sur le corps des complexes
Démodulation Récepteur
OFDM Détramage
Radio
Décodage SISO Décodage symbole Démodulation

Embrouillage Désentrelacement souple MIMO
133 171
Démodulation
Détramage Récepteur
OFDM Radio
Désentrelacement
Fig. 5.8: Chaı̂ne d’émission-réception MIMO HIPERLAN2

Elaboration du modulateur MIMO : Le rôle du modulateur MIMO, décisif pour

les performances du futur système, est de répartir les symboles d’information, provenant
de la DLC en amont, sur l’espace signal ouvert en aval par le format de transmission
HIPERLAN2.
Les traitements d’embrouillage, de codage et d’entrelacement ne modifiant pas la

statistique du flot d’information, les symboles en entrée du modulateur seront suppo-
sés indépendants et identiquement distribués. Le modulateur distribue chaque paquet de
données issu de la DLC sur un nombre entier KNT de symboles OFDM, de NDS por-
teuses utiles, transmis à des instants différents et par des antennes distinctes. Au sens
mathématique, l’espace des signaux en sortie du modulateur forme un espace vectoriel,
défini sur K intervalles temporels, NDS porteuses et NT antennes. La constellation MIMO
temps-espace-fréquence, bâtie sur cet espace de dimension K × NDS × NT , sera définie
par l’ensemble :

X = xp (k, l) ∈ CNT , 1 ≤ l ≤ NDS , 1 ≤ k ≤ K p
où xp (k, l) est la composante spatiale du point p transmise à la porteuse l et au symbole

k.
Grâce à la modulation par multiplexage de porteuses orthogonales, l’effet du canal sur

la constellation X se résume aux évanouissements plats des KNDS composantes spatiales
de chaque point. La relation d’entrée-sortie, pour la porteuse k et le symbole OFDM l,
s’écrit alors :
y(k, l) = H(k, l)x(k, l) + n(k, l)
avec y(k, l) ∈ CNR le signal reçu, n(k, l) ∈ CNR le bruit additif et H(k, l) ∈ CNR ×NT la
réponse du canal. On emploiera la dénomination de constellation à KNDS plans de codage
pour rappeler le fait que tout se passe comme si les composantes spatiales transitaient par
des canaux parallèles. Par comparaison avec le standard SISO-HIPERLAN2, le nombre
de sous-canaux disponibles ne varie pas. Par contre, la dimension de chaque plan de
modulation est multipliée d’un facteur NT .
Trois classes de schémas de codage, illustrées sur la figure (5.9), se distinguent selon
la nature des liens tissés en temps et en fréquence entre les composantes spatiales de la
constellation :
1. modulation codée fréquence-espace : codage sur NT multiplex OFDM, de NDS
sous-porteuses chacun, transmis simultanément, avec indépendance temporelle des
flux ,
2. modulation codée temps-espace : codage sur K symboles OFDM consécutifs, avec
indépendance fréquentielle des flux ;
3. modulation codée temps-fréquence-espace : codage sur un paquet complet de KNT
multiplex OFDM de NDS sous-porteuses.
Il apparaı̂t que le modulateur MIMO peut être appliqué à un sous-espace quelconque
de l’espace temps-fréquence-espace accessible, ce qui explique que la notion de “codage
temps-espace”, souvent utilisée pour ne pas alourdir la lecture du document, n’est pas
correcte. En fait, il serait préférable de parler de codage scalaire, codage vectoriel et codage
matriciel suivant le nombre de dimensions physiques exploitées par le modulateur.
Nous procédons maintenant à l’analyse des deux premières configurations, la dernière

n’ayant pu être abordée pour des contraintes de temps.
Espace
NT antennes
Fréquence
NDS sous-porteuses
Plan temps-fréquence-espace
(MIMO - HIPERLAN2)
Plan temps-fréquence
(SISO - HIPERLAN2)
Temps
K symboles
Multiplex de canaux MIMO NT × NR

parallèles en retard et en fréquence
Canal statique sur une trame :

KTs Tcoh
Canal sélectif en fréquence :

NDS ∆f & Bcoh
Transmission de K symboles sur

un canal MIMO NT × NR plat
Transmission de NDS symboles sur à évanouissements par bloc
un canal MIMO NT × NR plat
à évanouissements rapides
Codage fréquence-espace Codage temps-espace
Codage temps-fréquence-espace
Fig. 5.9: Domaine de codage pour un système MIMO OFDM — Interprétation géométrique

5.4.2 Modulation codée fréquence-espace
5.4.2.1 Constructions
Le codage fréquence-espace introduit une dépendance spatiale et fréquentielle entre

les symboles OFDM transmis simultanément, sans créer de liaisons entre des signaux
émis à différentes périodes temporelles.
En l’absence de dépendance temporelle, la constellation XEF est définie par les sym-
boles transmis par les NT antennes d’émission sur les NDS porteuses fréquentielles. Les
NDS composantes spatiales de chaque point sont affectées par le canal selon :
y(k0 , l) = H(k0 , l)x(k0 , l) + n(k0 , l) l = 1, . . . , NDS
à une période temporelle quelconque 1 ≤ k0 ≤ K.
Idéalement, l’espacement entre porteuses du multiplex est choisi supérieur à la bande

de cohérence du canal afin d’éviter les situations de coupure. Cette hypothèse de dé-
corrélation entre porteuses, approximative du fait que les bandes de cohérence mesurées
autour des fréquences de 5 GHz dans les milieux domestiques avoisinent la largeur d’un
canal HIPERLAN2, sera conservée dans un souci de simplicité. Le modulateur MIMO
voit donc un canal de Rayleigh à évanouissements rapides.
En reprenant le formalisme de la section 4.4, un point de la constellation XEF s’ex-

prime sous forme matricielle par le vecteur x(k0 ) ∈ CNT NDS :
 
x(k0 , 1)
 .. 
x(k0 ) =  . 
x(k0 , NDS )
et la réponse du canal, à l’instant k0 , par la matrice H(k0 ) ∈ CNR NDS ×NT NDS :
 
H(k0 , 1) . . . 0
 .. .. .. 
H(k0 ) =  . . . 
0 . . . H(k0 , NDS )
La forme vectorielle de la relation d’entrée-sortie :
Y (k0 ) = H(k0 )X(k0 ) + N (k0 )
pour un symbole OFDM quelconque, 1 ≤ k0 ≤ K. Les composantes spatiales de la

constellation étant affectées par des évanouissements différents, la constellation XEF est
NDS -planaire.
En régime de forts SNR, la probabilité d’erreur entre points de la constellation, adap-

tée de la relation (4.43), s’exprime comme :
−NR δH
PT
Px2 |x1 (x2 , x1 ) ≤ δp−2NR 4P n

avec la distance de Hamming et la distance produit entre points :

δH = card(L)
Y
δp = kx2 (k0 , l) − x1 (k0 , l)k2
l∈L
où l’on a défini l’ensemble L = {l | x2 (k0 , l) 6= x1 (k0 , l)}. A la différence de l’équa-

tion (4.43), le signal d’émission est ici normalisé pour faire apparaı̂tre la puissance de
transmission PT .
Les critères de construction de la modulation codée sont identiques à ceux élaborés

pour le canal de Rayleigh à évanouissements rapides : maximisation de la distance de
Hamming minimale entre toutes les paires de points de la constellation et maximisation
de la distance produit.
La figure (5.10) illustre la structure du système MIMO-OFDM à codage fréquence-

espace. Placé en aval du codeur binaire-à-symbole, le modulateur temps-espace projette
l’information en un point de la constellation XT E . En sortie, les NDS composantes vecto-
rielles générées sont aiguillées vers les blocs de modulation OFDM pour être réparties sur
l’axe fréquentiel. Le récepteur effectue les opérations inverses en extrayant du multiplex
OFDM les composantes de chaque point puis en les délivrant au décodeur MIMO.
5.4.2.2 Résultats issus de la littérature
Toute la batterie de techniques évoquées dans la section 4.4 peut être employée, à
savoir :
– modulations temps-espace,
– techniques différentielles,
– concaténation de codes.
L’étude des performances comparées de ces différents schémas de codage n’ayant mal-
heureusement pu être menée à bien lors de ce travail de thèse, il a été choisi de présenter
quelques ordres de grandeurs relatifs aux modulations codées en treillis, souvent prises
comme référence en tant que premières techniques de codage MIMO recensées, remontant
à l’article fondateur de Tarokh.
La figure (5.11) illustre l’architecture d’un codeur STTCM, directement inspirée des
structures rencontrées avec les modulations codées en treillis. Les Nb bits des symboles
d’entrée M-aire, M = log2 Nb , sont encodés séparément par des codeurs convolutifs. Les
sorties des codeurs convolutifs sont ensuite sommées, au modulo M , et le résultat converti
en un point de la constellation M-aire d’entrée.
P q
En notant aq (D) = P k
k a (k)D , le polynôme représentant la séquence binaire associée
e q q k
au q bit, et Gp (D) = k gp (k)D , le polynôme générateur du codeur associé pour
l’antenne p, la séquence de sortie transmise par l’antenne p est donnée par :
NX
b −1
xp (D) = aq (D)Gqp (D) mod (4)

q=0

Canal de Rayleigh plat à évanouissements rapides
NT convertisseurs NT modulateurs
série-parallèle f OFDM
1
S/P Modulation
OFDM
antenne 1
fNDS
Codeur Binaire Codeur

à Symbole MIMO
f1
S/P Modulation
OFDM
antenne NT
fNDS
Critères de construction sur canal MIMO

à évanouissements rapides : Constellation espace-fréquence
à NDS composantes spatiales Milieu de propagation
- distance de Hamming (gain de diversité)
- distance produit (gain de codage)
f1
P/S Démodulation
OFDM
antenne 1
fNDS
Décodage souple Décodeur

des symboles MIMO
f1
P/S Démodulation
OFDM
antenne NR
fNDS
parallèle-série OFDM
Fig. 5.10: Codage espace-fréquence
1
g0,1
1
g1,1
gν11 ,1 Somme Modulation M-aire

(modulo M) à symbole
1
g0,2
1
g1,2
D D D
Codage gν11 ,2
symboles M-aire Symbole
à Bit
gν21 ,2
D D D
2
g1,2
2
g0,2
Somme Modulation M-aire

gν21 ,1 (modulo M) à symbole
2
g1,1
2
g0,1
D registre à décalage
Fig. 5.11: Schéma du codeur temps-espace convolutif

La représentation matricielle correspondante s’écrit :
x(D) = a(D)G(D) mod (4)
avec le vecteur de polynômes du signal et la matrice des polynômes générateurs du codeur

STTCM définis par :
 1 
G1 (D) . . . G1NT (D)
 .. .. .. 
a(D) = a1 (D) . . . aNb (D) , G(D) =  . . . 
GN b Nb
1 (D) . . . GNT (D)
En se basant sur ces notations, le tableau (5.4) regroupe quelques exemples repré-
sentatifs de treillis construits pour une modulation QPSK et un réseau d’émission à
2 antennes. Ces treillis sont issus de trois sources distinctes, référencées par les initiales
de leurs auteurs, à savoir TSC pour Tarokh-Seshadri-Calderbank [4], BBH pour Baro-
Bauch-Hansmann [5], GFK pour Grimm-Fitz- Krogmeier [6] et FVY pour Firmanto-
Vucetic-Yuan [7]. Apparaissent pour chaque code, la mémoire ν mesurant, en nombre
de symboles M-aire, la profondeur du treillis, la distance de Hamming minimale et la
distance produit minimale sur la constellation.
Les performances du système proposé reposant sur le développement de STTCM le

long de l’axe fréquentiel peuvent être appréhendées, au prix d’une approximation gros-
sière, en observant l’évolution de la borne supérieure de la probabilité d’erreur par paire
en fonction du rapport signal-à-bruit. En régime de fort SNR, celle-ci s’exprime :
−NR δH,min
−2NR PT
max Pxj |xi (xj , xi ) ≤ δp,min 4Pn
xi ,xj ∈XF E
où δp,min et δH,min , référencées dans le tableau (5.4), sont respectivement les distances
produit et de Hamming minimales sur la constellation.
Les figures (5.12), (5.13) et (5.14) montrent les courbes ainsi obtenues, pour différentes
longueurs de contrainte. Le gain par rapport à un système dépourvu de gains de diversité
et de codage apparaı̂t clairement.
Parmi les autres techniques disponibles, le codage différentiel entre porteuses adja-
centes est envisageable mais requiert que la réponse fréquentielle du canal soit constante
sur cet intervalle. Plus prometteuse, la concaténation du modulateur MIMO et du codeur
scalaire original ouvre la voie au traitement itératif, auquel cas l’entrelaceur séparant les
deux fonctions devra être revu.
5.4.3 Modulation codée temps-espace
5.4.3.1 Constructions
Le codage temps-espace opère sur l’axe transverse du codage temps-fréquence en

établissant, pour chaque porteuse du multiplex, des dépendances entre les signaux émis
Tab. 5.4: QPSK-STTCM pour canal plat à évanouissements rapides, construites sur le critère
du rang & déterminant – NT = 2
Typea Polynômes générateurs νb δH δp2

2D 2
TSC 2 2 4
D 1
2+D 2
BBH 2 2 8
3D 2+D
3 + 2D 1 + D
FVY 2 2 24
2 2 + 2D

2D 2
TSC 2 2 3 2 16
D + D 1 + 2D
2 + 2D 2
BBH 2 1 + 2D 2 3 2 32
D + 2D
D + 2D2 2 + 3D
FVY 3 2 48
2+D 2 + 2D

2D 2 + 2D2
TSC 2 4 3 16
D+D 1 + 2D
2 2 + 2D2
BBH 2 4 3 32
2 + D2 + 2D 1 + 2D
2D 2 + D + 1D2
FVY 4 3 64
2+D 2D + 2D2

2D + 3D2 + D3 1 + 2D3
TSC 5 3 128
1 + D + 2D2 2 + D + 2D2
BBH - - - -
2D 2 2 + 2D + D2
FVY 5 3 144
2 + D + 2D2 + 2D3 2 + 2D + 3D2 + 2D3
a
TSC : Tarokh-Seshadri-Calderbank, BBH : Baro-Bauch-Hansmann, FVY : Firmanto-Vucetic-Yuan
b
ν : profondeur mémoire – 2ν : nombre d’états

Pe
1
10−1 Absence de gains

10−2
NR = 1
NR = 2
10−4
NR = 1
10−6
NR = 2
10−8
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30
Fig. 5.12: QPSK-STTCM de mémoire ν = 2 — Bornes supérieures des performances en taux

d’erreur sur canal de Rayleigh à évanouissements rapides
Pe
1
10−1
Absence de gains
10−2 NR = 1
NR = 2
10−4
NR = 1
10−6
NR = 2
10−8
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30


Pe
1

10−2
NR = 1
NR = 2
10−4
NR = 1
10−6
NR = 2
−8
10
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30
30

à différentes périodes temporelles. La constellation temps-espace XT E , que l’on souhaite

construire, est définie sur K périodes temporelles et NT antennes.
Les composantes spatiales de chaque point sont affectées par :

y(k, l0 ) = H(k, l0 )x(k, l0 ) + n(k, l0 ) k = 1, . . . , K
pour une porteuse quelconque 1 ≤ l0 ≤ NDS .
Pour des applications en milieu domestique, le temps de cohérence du canal, de l’ordre

de la milliseconde, dépasse largement la durée d’un paquet, impliquant que le canal vu
depuis le modulateur MIMO se comporte comme un canal de Rayleigh quasi-statique. On
rejoint ainsi le chemin tracé dans la section 4.2, dont on importe ici notations et résultats.
Les points de la constellation, transmis à la porteuse l0 , seront décrits par une matrice
X(l0 ) ∈ CNT ×K , définie comme :

X(l0 ) = x(1, l0 ) . . . x(K, l0 )
La relation d’entrée-sortie s’exprime :

Y (l0 ) = H(l0 )X(l0 ) + N (l0 )
pour une porteuse quelconque 1 ≤ l0 ≤ NDS . Les K composantes spatiales de la constel-
lation traversant le même canal, la constellation XET est mono-planaire.
En faisant abstration de l’indice fréquentiel, la probabilité d’erreur entre paire de

points se déduit de l’équation (4.10) :
−NR δr
PX2 |X1 (X 2 , X 1 ) ≤ δd−NR 4P
PT
n

avec le rang et le déterminant de la matrice d’erreur :
δr = rang[(X 2 − X 1 )(X 2 − X 1 )H ]
δd = det+ [(X 2 − X 1 )(X 2 − X 1 )H ]
Les codes sont construits sur le critère du rang et du déterminant : maximisation du

rang minimal de la matrice d’erreur entre toutes les paires de mots de codes distincts
et maximisation du minimum du déterminant de cette même matrice sur l’ensemble des
paires de mots de code de rang minimal.
La figure (5.15) présente l’intégration du codeur temps-espace dans la chaı̂ne HIPER-

LAN2. La différence majeure par comparaison avec l’architecture du codeur fréquence-
espace est la présence d’un bloc de permutation brassant les symboles en sortie de mo-
dulateur pour les appliquer le long de l’axe temporel. La mémoire requise pour cette
opération est certainement le principal écueil à cette solution.
Canal de Rayleigh plat statique
série-parallèle f OFDM
1
S/P Permutation Modulation

OFDM
antenne 1
fNDS
Codeur Binaire Codeur

à Symbole MIMO
f1
S/P Permutation Modulation

OFDM
antenne NT
fNDS
Critères de construction sur canal MIMO Constellation espace-retard

quasi-statiques : à K composantes spatiales Milieu de propagation
- rang (gain de diversité)
- déterminant (gain de codage)
f1
P/S Permutation Démodulation

OFDM
antenne 1
fNDS
Décodage souple Décodeur

des symboles MIMO
f1
P/S Permutation Démodulation

OFDM
antenne NR
fNDS
parallèle-série OFDM
Fig. 5.15: Codage espace-retard

5.4.3.2 Résultats issus de la littérature
L’ensemble des modulations présentées dans la section 4.2 s’applique à ce cas de

figure :
– multiplexage,
– modulations codées,
– modulations codées orthogonales,
– modulations codées à diversité maximale,
– modulations codées à dispersion linéaire,
– mModulations codées algébriques.
Les tableaux (5.5) et (5.6) listent les treillis obtenus par le critère du rang & déter-
minant, pour les alphabets QPSK et 8PSK respectivement. Les performances associées à
la modulation QPSK sont tracées sur les figures (5.16), (5.17) et (5.18).
Tab. 5.5: QPSK-STTCM pour canal plat à évanouissements lents, construites sur le critère du
rang & déterminant – NT = 2
Type Polynômes générateurs ν δr δd

2D 2
TSC 2 2 4
D 1
2+D 2
BBH 2 2 8
3D 2+ D
D 2
FVY 2 2 8
2 2+D

2D 2
TSC 2 2 3 2 12
D + D 1 + 2D
2 + 2D 2
BBH 2 1 + 2D 2 3 2 12
D + 2D
2D 2
FVY 3 2 16
2 + D 1 + 2D + 2D2

2D 2 + 2D2
TSC 2 4 2 12
D+D 1 + 2D
2 2 + 2D2
BBH 2 4 2 20
2 + D + 2D 1 + 2D
D + 2D 2 2
1 FVY 4 2 32
2+D D + 2D2

2D + 3D2 2 + 2D + 3D2
TSC 5 2 12
D + D2 + D3 1 + D + 2D3
BBH - - - -
2 + 2D 3D + 2D2
FVY 5 2 36
2 + D + D2 + 2D3 2 + 2D2 + 2D3
Des treillis FVY construits sur la distance euclidienne1 sont présentés dans les ta-
bleaux (5.7) et (5.8), pour les modulations QPSK et 8PSK respectivement. Bien que
1
La recherche de codes basés sur la minimisation de la distance euclidienne semble porter ses fruits
dès lors que le produit rang et nombre d’antennes de réception [8]. Les codes obtenus par cette méthode

Pe
1
10−1
Absence de gains
10−2 NR = 1
NR = 2
10−4
NR = 1
10−6
NR = 2
10−8
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30
Fig. 5.16: QPSK-STTCM de mémoire ν = 2 - Bornes supérieures des performances en taux

d’erreur sur canal de Rayleigh à évanouissements quasi-statiques
Pe
1

10−2
NR = 1
NR = 2
10−4
NR = 1
10−6
NR = 2
10−8
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30


Pe
1
10−1
Absence de gains
10−2 NR = 1
NR = 2
10−4
10−6
NR = 1
10−8 NR = 2
TSC
BBH
FVY
10−10
PT
10−12 γ= NT Pn
10 12 14 16 18 20 22 24 26 28 30

Tab. 5.6: QPSK-STTCM pour canal plat à évanouissements lents, construites sur le critère du
rang & déterminant – NT = 2
Type Polynômes générateurs ν δr δd
 
4D 4
TSC 2D 2 3 2 2
5D 1
 
2D 2
FVY  4D 4  3 2 4
4 + D 5 + 4D
 
4 + 4D 4D
TSC  2D 2 + 2D  4 2 3.515
5D + D 1 + D + 5D2
2
 
2D 2
FVY  4D 4  4 2 4
4 + D 5 + 4D
 
4D 4 + 4D
TSC 2D + 2D2 2 + 2D + 2D2  5 2 3.515
5D + 3D2 1 + D + 7D2
 
4D 4 + 4D
FVY 2D + 2D2 2 + 2D 5 2 7.029
3 + 4D2 5

moins performants en gains de diversité et de codage, des simulations menées par les
auteurs de [7] montrent qu’ils surpassent effectivement les codes TSC et BBH.
Tab. 5.7: QPSK-STTCM pour canal plat à évanouissements lents, construites sur le critère de
la trace – NT = 2
Typea Polynômes générateurs ν δr δd dE
2D 2
TSC 2 2 4 4
2 + DD 1 2
BBH 2 2 8 6
3D 2+D

D 2 + 2D2
FVY 2 2 4 10
2 + 2D 3
h i
2D 2
TSC D + D2 1 + 2D 2 3 2 12 8
h i
2 + 2D 2
BBH D + 2D 2 1 + 2D 2 3 2 12 8

2 + 2D 2+D
FVY 3 2 8 12
2 + D 2D + 2D2
h 2
i
2D 2 + 2D
TSC D + D2 1 + 2D
4 2 12 8
h 2
i
2 2 + 2D
BBH 2 + D + 2D 2 1 + 2D
4 2 20 12

1 + D + 3D2 2 + 3D + 2D 2
FVY 4 2 8 16
2 + 2D + 2D2 2D
h 2 2
i
2D + 3D 2 + 2D + 3D
TSC D + D2 + D3 1 + D + 2D 3
5 2 12 12
BBH - - - - -
2D + D2 2 + 3D + 2D2
FVY 5 2 20 16
2 + D + 2D2 + 2D3 2 + 2D + 3D2
a
Seuls les codes FVY sont bâtis sur le critère de la trace, les codes TSC et BBH ayant été reportés du
tableau (5.5) pour établir une comparaison en terme de distance euclidienne, ainsi que gains de diversité
et de codage.
Parmi les autres schémas de modulations, le multiplexage spatial et les modulations

codées algébriques semblent attractifs lorsque la recherche du débit prime sur la robus-
tesse, le gain en rapidité de modulation étant linéaire avec le nombre d’antennes d’émis-
sion. Néanmoins, ces techniques sont fragiles et les performances en conditions d’opération
réelles risquent d’être relativement mauvaises, auquel cas l’alphabet de modulation des
symboles devra être de petite taille. Le choix de schémas de modulation à diversité maxi-
male est une approche alternative. En jouant sur la robustesse, ils permettent l’utilisation
des constellations plus grandes pour atteindre éventuellement des débits utiles identiques.
En particulier, on citera les modulations OSTBC, en l’occurrence le schéma d’Alamouti
puisque nous supposons NT = 2, qui présentent l’avantage d’être extrêmement simples à
implémenter et de s’étendre sur peu d’intervalles temporels, K = 2.
(critère de la trace) sont plus performants que les codes obtenus classiquement mais il n’est pas certain
que cette amélioration ne soit due à la construction plus facile en distance euclidienne.

Tab. 5.8: 8PSK-STTCM pour canal plat à évanouissements lents, construites sur le critère de la
trace – NT = 2
Typea Polynômes générateurs ν δr δd dE
h4D 4i
TSC 2D 2 3 2 2 4
5D 1
 
2 + 3D 1 + 4D
FVY 4 + 2D 6  3 2 4 7.172
4 4D
h 4D 4 + 4D
i
TSC 2D 2 + 2D 4 2 3.515 6
5D + D 2 1 + D + 5D 2
 
2 + 3D 4 + 7D
FVY  4 + 6D 6D  4 2 0.686 8
2
7 + 4D 2 + 7D + 4D 2

4D 4 + 4D
TSC 2D + 2D 2 2 + 2D + 2D 2 5 2 3.515 8
5D + 3D 2 1 + D + 7D 2
 
4D 4 + 4D
FVY  2D + 2D2 2 + 3D + 2D2  5 2 2.686 8.586
3 + 2D + 3D2 2D + 7D2
a
Remarque identique au tableau (5.7)
5.4.4 Contraintes de coût
Le principal frein au développement des systèmes MIMO provient de l’accroissement,

avec le nombre de voies, de la complexité des chaı̂nes d’émission et de réception. Ce
problème est ici d’autant plus exacerbé que l’application envisagée est destinée au marché
grand public.
L’évolution des technologies laisse entrevoir des solutions grâce à des simplifications
notables intervenant à différents niveaux de la chaı̂ne de communication :
– augmentation des capacités de traitement des processeurs numériques,
– augmentation de la bande passante des convertisseurs numériques-analogiques et
analogiques-numériques ainsi que de la finesse de quantification,
– réduction de la circuitrie radiofréquence,
– intégration des réseaux d’antennes.
La partie radio-fréquence forme aujourd’hui la composante plus coûteuse de la chaı̂ne
de communication. Elle devrait se réduire au profit d’un traitement numérique pur (tech-
nique radio logicielle, technique ultra large bande).
Pour revenir à la solution MIMO-OFDM retenue dans cette étude, le surcoût sera
surtout lié aux étages amplificateurs de puissance.

5.5 Conclusion
Dans ce chapitre, nous avons étudié l’application des techniques MIMO au système
HIPERLAN2. Les points suivants ont été abordés :
• la description de la couche physique du standard HIPERLAN2, reposant sur une
transmission en mode paquet et une modulation de type OFDM, de laquelle sont
extraits les paramètres nécessaires à notre étude ;
• la pertinence des techniques MIMO, pour une application en milieu domestique
dans la bande des 5 GHz, justifiée par la possibilité de multiplexer spatialement
l’information avec des réseaux de tailles admissibles ;
• la conception d’architectures MIMO-HIPERLAN2, de complexité limitée, reposant
sur le réarrangement en temps, espace et fréquence des schémas de modulation et
de codage existants dans la littérature.
L’interface MIMO, esquissée dans ce chapitre, semble répondre au problème initial. En
particulier, elle reste relativement simple à développer puisque construite en réutilisant
la couche physique HIPERLAN2, ainsi que les techniques de codage et de modulation
MIMO exposées dans la littérature.
Un travail de validation conséquent reste à fournir, par l’intermédiaire de simulations

et de réalisations pratiques. D’autre part, la recherche de techniques optimales, exploitant
simultanément temps, espace et fréquence, apparaı̂t comme une priorité.

Bibliographie
[1] “TS 101 475, Broadband Radio Access Networks (BRAN) : HIPERLAN Type 2 ;
Physical (PHY) layer”. 2000.
[2] J. Medbo, H. Andersson, P. Schramm, H. Asplund et J.-E.Berg, “Channel models for
HIPERLAN2 in different indoor scenarios”. Tech. Rep. TD(98)70, COST 259, Apr.
1995.
[3] W.C. Jakes, Microwave mobile communications. IEEE Press, 1974.
[4] V. Tarokh, N. Seshadri et A.R. Calderbank, “Space-time codes for high data rate wire-
less communication : performance criterion and code construction”. IEEE Transaction
on Information Theory, pages 744–765, . 1998.
[5] S. Baro, G. Bauch et A. Hansmann, “Improved codes for space-time trellis-coded
modulation”. IEEE Communication Letters, pages 20–22, Jan. 2000.
[6] J. Grimm, M.P. Fitz et J.V. Krogmeier, “Further results in space-time coding for
Rayleigh fading”. in Allerton Conf. on Comm., Cont. and Comput., 1998.
[7] W. Firmanto, B. Vucetic et J. Yuan, “Space-Time TCM with Improved Performance
on fast fading channels”. IEEE Communication Letters, Apr. 2001.
[8] J. Yuan, B. Vucetic et W. Firmanto, “Performance analysis and design of space-time
coding on fading channels”. in Australian Communications Theory Workshop, 2001.
File.
Chapitre 6
Conclusion et perspectives
Conclusion
Ces dernières années ont été marquées par la recherche de solutions pour des commu-
nications sans fil supportant des débits de plus en plus élevés, avec une qualité de service
croissante. Ce travail de thèse a été initié dans ce contexte et a porté sur l’étude des
techniques de transmission utilisant des réseaux d’antennes à l’émission et à la réception
(MIMO). L’application envisagée concerne les réseaux locaux sans fil (WLAN) en milieu
domestique et professionnel.
Nous débutons avec un aperçu général sur les différentes normes de réseaux locaux
existantes, en s’attardant sur la norme HIPERLAN2 retenue dans cette étude. Les tech-
niques de transmission haut débit ont été décrites succinctement, parmi lesquelles les
solutions MIMO apparaissent comme l’une des voies de recherche les plus prometteuses.
L’objectif identifié est alors d’évaluer la faisabilité et l’intérêt de modifier l’interface radio
du standard HIPERLAN2 pour intégrer une architecture MIMO.
Dans cet objectif, une bonne connaissance du canal de propagation apparaı̂t primor-
diale et constitue la première étape dans la conception de tout système de communication.
Après avoir rappelé les différents phénomènes physiques de la propagation radioélectrique,
nous proposons une description mathématique du canal. Le formalisme ainsi développé
aboutit à un ensemble d’outils permettant de représenter de manière rigoureuse le com-
portement du canal, séparément dans l’espace et dans le temps. Cette analyse a mis en
évidence l’existence de modes propres de propagation, qui vont jouer un rôle capital dans
l’établissement de communications MIMO à très hautes efficacités spectrales. Elle aboutit
également à la définition de paramètres statistiques de corrélation et de dispersion, utiles
dans le dimensionnement du système.
La jonction entre les aspects propagation et les aspects système est ensuite réalisée,
en analysant l’impact du canal, en espace et en temps, sur une communication numé-
rique. En s’appuyant sur des considérations issues de la théorie de l’information, les effets
200 Conclusion et perspectives
de sélectivité et de dispersion générés par le canal offrent aux systèmes MIMO l’op-
portunité d’exploiter la diversité et le multiplexage dans le domaine spatial. Ces deux
mécanismes conduisent, respectivement, à l’amélioration de la robustesse et de l’efficacité
des transmissions. Quelques règles d’ingénierie sont finalement proposées en vue d’aider
au dimensionnement de système MIMO.
Avant de figer les choix système pour notre application, un état de l’art des techniques
MIMO a été effectué. L’approche suivie privilégie la dimension spatiale du problème, les
phénomènes de sélectivités fréquentielle et temporelle étant rajoutés par la suite. La
richesse des travaux publiés sur le sujet prouve l’intérêt porté à ces techniques. Cette
étude a permis de mieux cerner les domaines de validité respectifs d’un grand nombre de
solutions, oscillant entre optimisation du débit ou de la robustesse.
L’ensemble des connaissances acquises précédemment permet d’apporter des éléments

de réponses à la problématique posée dans cette étude, à savoir l’intérêt d’une interface
MIMO adaptée au standard HIPERLAN2. Après avoir rappelé les spécificités de la couche
physique de cette norme, des arguments qualitatifs sont fournis justifiant de la pertinence
d’une telle extension. Une famille de structures de transmission MIMO-OFDM, de com-
plexité raisonnable, est construite en se basant sur la norme actuelle et les techniques
MIMO existantes.
Perspectives
Le prolongement immédiat de ce travail de thèse est la validation de l’architecture

proposée par l’intermédiaire d’une série de simulations poussées. Un des points essentiels
à vérifier est le gain en débit effectivement obtenu grâce à l’adjonction de la dimension
spatiale.
A plus long terme, les objectifs sont de trois ordres. En premier lieu, le développement
de modèles de canaux de propagation MIMO réalistes, issus de la mesure, apparaı̂t comme
une priorité. Le lancement de campagnes de mesure intensives, nécessaires à cette tâche,
reste actuellement timide du fait de la complexité de réalisation de sondeurs MIMO, de
la puissance de calculs nécessaire et des difficultés mathématiques soulevées.
Le second volet a trait à la recherche de nouvelles architectures plus performantes.

Dans un avenir proche, un grand nombre d’innovations est attendu par la généralisation
ou, plus simplement, par l’exportation des techniques classiques adaptées au cas SISO.
Notamment, l’emploi des turbocodes, et autres schémas à traitement itératifs semble très
prometteur. Plus loin, l’élaboration des fonctions de codage et de modulation capables
de fusionner les dimensions temporelles et spatiale présentera des performances encore
supérieures.
Le dernier aspect identifié touche au matériel. La possibilité de fabriquer des sys-

tèmes de communication MIMO faible coût requiert encore un travail conséquant visant
à réduire la complexité de l’ensemble des fonctions de la chaı̂ne. La mise en œuvre de

201
plateformes de prototypage rapide permettra par exemple de tester les algorithmes en

situation réelle.

Liste des tableaux
1.1 Contraintes applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Réseaux locaux sans fil — Caractéristiques principales . . . . . . . . . . . 9
2.1 Définitions des transformées de Fourier dans le domaine spatial . . . . . . 39

2.2 Définitions des transformées de Fourier dans le domaine temporel . . . . . 42
2.3 Caractérisation au second ordre du comportement du canal — Domaine
spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.4 Caractérisation au second ordre du comportement du canal — Domaine
temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.1 Résumé des effets de sélectivité du canal sur une liaison numérique . . . . 115
5.1 Modes physiques HIPERLAN2 . . . . . . . . . . . . . . . . . . . . . . . . 172

5.2 Paramètres des symboles OFDM HIPERLAN2 . . . . . . . . . . . . . . . 174
5.3 Modèles de canaux HIPERLAN2 . . . . . . . . . . . . . . . . . . . . . . . 175
5.4 QPSK-STTCM pour canal plat à évanouissements rapides, construites sur
le critère du rang & déterminant – NT = 2 . . . . . . . . . . . . . . . . . . 187
5.5 QPSK-STTCM pour canal plat à évanouissements lents, construites sur le
critère du rang & déterminant – NT = 2 . . . . . . . . . . . . . . . . . . . 191
critère du rang & déterminant – NT = 2 . . . . . . . . . . . . . . . . . . . 193
critère de la trace – NT = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.8 8PSK-STTCM pour canal plat à évanouissements lents, construites sur le
critère de la trace – NT = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Table des figures
Plan du mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
1.1 Un exemple d’environnement domestique . . . . . . . . . . . . . . . . . . 3

1.2 Le modèle de communication OSI et la position des réseaux locaux . . . . 4
1.3 Les standards HIPERLAN . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Hiérarchie des réseaux locaux en terme de débit . . . . . . . . . . . . . . . 9
1.5 Sources de dégradation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Architecture générique d’une chaı̂ne de communication (Liaison point-à-
point) — Approche fonctionnelle . . . . . . . . . . . . . . . . . . . . . . . 13
1.7 Evolution des systèmes SISO vers les systèmes MIMO . . . . . . . . . . . 16
1.8 Modèle système et notations employées dans le mémoire . . . . . . . . . . 18
1.9 Architecture générique d’une chaı̂ne de communication (Liaison point à
point) — Approche mathématique . . . . . . . . . . . . . . . . . . . . . . 22
1.10 Structure du mémoire — Enchaı̂nement des chapitres . . . . . . . . . . . 23
2.1 Représentation spectrale, en fréquence et vecteur d’onde, d’un signal temps-

espace — Domaines d’existence pour différents types de signaux . . . . . 30
2.2 Fluctuations à petite et à grande échelles de la réponse du canal — Im-
pact sur l’évolution de la puissance reçue en fonction de l’éloignement de
l’émetteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Propagation radioélectrique — Types d’interactions de l’onde électroma-
gnétique avec le milieu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4 Influence de la localisation spatiale des diffuseurs sur la réponse du canal
de propagation — Distinction entre diffuseurs locaux et diffuseurs lointains 35
2.5 Réponses spatiales du canal du premier type . . . . . . . . . . . . . . . . 38
2.6 Réponses spatiales du canal du second type . . . . . . . . . . . . . . . . . 39
2.7 Réponses temporelles du canal du second type . . . . . . . . . . . . . . . 42
2.8 Réponses temporelles du canal du premier type . . . . . . . . . . . . . . . 43
2.9 Fonctions de corrélation spatiale du canal du premier type . . . . . . . . . 47
2.10 Fonctions de corrélation spatiale du canal du second type . . . . . . . . . 48
2.11 Expérience conduisant à la notion de distance de corrélation en émission . 50
2.12 Expérience conduisant à la notion de distance de corrélation en réception 52
2.13 Expérience conduisant à la notion de distance de cohérence . . . . . . . . 53
2.14 Expérience conduisant à la notion de bande de cohérence en pulsation
spatiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.15 Fonctions de corrélation temporelle d’un canal stationnaire au sens large
et à diffuseurs décorrélés . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
206 Table des figures
2.16 Modélisation de la réponse du canal en champ lointain . . . . . . . . . . . 63

2.17 Modélisation statistique du canal de propagation — Définition d’une ma-
trice de corrélation spatiale . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.18 Expression de la réponse impulsionnelle d’un canal de propagation, à éva-
nouissements gaussiens, en fonction de la structure de la corrélation spatiale 67
2.19 Modèles géométriques simples d’un canal de propagation MIMO . . . . . 68
3.1 Rôle des notions de distances de corrélation et de cohérence dans le dimen-

sionnement d’un système MIMO . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Modèle théorique d’un système de communication — Interprétation en
termes d’entropie et d’information mutuelle . . . . . . . . . . . . . . . . . 84
3.3 Existence de différents canaux de transmission dans une chaı̂ne de com-
munication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4 Hiérarchie des systèmes de communication selon le degré d’information
d’état du canal accessible — Architectures de la chaı̂ne de transmission et
expressions de la capacité associée . . . . . . . . . . . . . . . . . . . . . . 89
3.5 Structure optimale d’un système disposant de l’information d’état du canal
en émission et en réception . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.6 Structure optimale d’un système disposant de l’information d’état du canal
en réception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.7 Structure optimale d’un système aveugle sans information d’état du canal 95
3.8 Capacité d’un canal MIMO — Tentative de normalisation en espace . . . 96
3.9 Compromis entre diversité et multiplexage sur un canal MIMO à évanouis-
sements de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.10 Capacité ergodique d’un canal MIMO — NT = NR = 1 . . . . . . . . . . 101
3.10 Capacité ergodique d’un canal MIMO (suite) — NT = NR = 2 . . . . . . 102
3.10 Capacité ergodique d’un canal MIMO (fin) — NT = NR = 4 . . . . . . . . 102
3.11 Capacité de coupure d’un canal MIMO — NT = NR = 1 . . . . . . . . . 103
3.11 Capacité de coupure (suite) — NT = NR = 2 . . . . . . . . . . . . . . . . 103
3.11 Capacité de coupure (fin) — NT = NR = 4 . . . . . . . . . . . . . . . . . 104
3.12 Scénarios menant à la formation d’un goulot d’étranglement dans le canal
de propagation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.13 Schéma du système de référence pour les figures (3.14), (3.15) et (3.16) . 107
3.14 Information mutuelle entre les réseaux linéaires à 4 antennes identiques en
fonction de la longueur d’onde (λ) et de l’orientation relative des réseaux
(φ), pour différents couples d’étalements angulaires (∆φ,T , ∆φ,R ) . . . . . 108
3.15 Information mutuelle entre deux réseaux carrés à 4 antennes identiques en
fonction de la longueur d’onde (λ) et de l’orientation relative des réseaux
(φ), pour différents étalements angulaires (∆φ,T , ∆φ,R ) . . . . . . . . . . . 109
3.16 Information mutuelle entre un réseau linéaire de 4 éléments et un réseau
carré de 4 éléments en fonction de l’orientation relative des réseaux (φ)
et de l’étalement angulaire en réception (∆φ,R ), pour différentes longueurs
d’onde (λ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.17 Stratégies d’exploitation de la dimension spatiale — Multiplexage, diversité
et filtrage spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

Table des figures 207
4.1 Gains de diversité et de codage — Influence sur les performances en pro-

babilité d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.2 Classification des techniques de codage et de modulation temps-espace . . 125
4.3 Schémas de modulation BLAST . . . . . . . . . . . . . . . . . . . . . . . . 126
4.4 Schémas de démodulation BLAST . . . . . . . . . . . . . . . . . . . . . . 127
4.5 Modulations codées en treillis temps-espace . . . . . . . . . . . . . . . . . 128
4.6 Exemples de modulations temps-espace codées en treillis (Tarokh) pour un
système MIMO à 2 antennes d’émission . . . . . . . . . . . . . . . . . . . 130
4.7 Modulations codées en bloc orthogonales temps-espace . . . . . . . . . . . 131
4.8 Modulations codées temps-espace à constellation tournée . . . . . . . . . . 134
4.9 Principe de la concaténation de codes — Exemple de l’apport de gain de
codage au schéma d’Alamouti . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.10 Modulations unitaires temps-espace — Principes de modulation et de dé-
modulation temps-espace propres à un système de communication aveugle. 142
4.11 Exploitation de l’information d’état du canal en émission et en réception
— Préfiltrage, préégalisation et précodage . . . . . . . . . . . . . . . . . . 147
4.12 Système MIMO avec filtrage spatial en émission et en réception . . . . . . 148
4.13 Objectifs du codage sur canal gaussien - Gains de codage et de mise en
forme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.14 Système MIMO combiné à une modulation OFDM pour transmission sur
canal sélectif en fréquence . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
4.15 Turbocodage temps-espace - Exemples d’applications des turbocodes au
système MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.16 Organigramme des techniques MIMO abordées . . . . . . . . . . . . . . . 162
5.1 Plan de fréquence du standard HIPERLAN2 . . . . . . . . . . . . . . . . 171

5.2 Structures des trames HIPERLAN2 . . . . . . . . . . . . . . . . . . . . . 172
5.3 Chaı̂ne d’émission HIPERLAN2 . . . . . . . . . . . . . . . . . . . . . . . . 173
5.4 Structure d’un paquet HIPERLAN2 . . . . . . . . . . . . . . . . . . . . . 174
5.5 Evolution de la corrélation spatiale en fonction de la distance et de l’éta-
lement angulaire, pour une incidence normale . . . . . . . . . . . . . . . . 176
lement angulaire, pour une incidence oblique de 45 degrés . . . . . . . . . 177
lement angulaire, pour une incidence rasante . . . . . . . . . . . . . . . . 177
5.8 Chaı̂ne d’émission-réception MIMO HIPERLAN2 . . . . . . . . . . . . . . 180
5.9 Domaine de codage pour un système MIMO OFDM — Interprétation géo-
métrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
5.10 Codage espace-fréquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.11 Schéma du codeur temps-espace convolutif . . . . . . . . . . . . . . . . . . 185
5.12 QPSK-STTCM de mémoire ν = 2 — Bornes supérieures des performances
en taux d’erreur sur canal de Rayleigh à évanouissements rapides . . . . . 188
en taux d’erreur sur canal de Rayleigh à évanouissements rapides . . . . . 188
en taux d’erreur sur canal de Rayleigh à évanouissements rapides . . . . 189
5.15 Codage espace-retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
208 Table des figures
5.16 QPSK-STTCM de mémoire ν = 2 - Bornes supérieures des performances

en taux d’erreur sur canal de Rayleigh à évanouissements quasi-statiques . 192

Résumé
Hier encore confinés au monde professionnel, les réseaux locaux sans fil, propulsés par
les avancées de l’électronique et du traitement du signal, se démocratisent à grands pas.
Plus flexibles, moins chers que les solutions filaires, leurs perspectives de développement
restent cependant lourdement conditionnées par leur aptitude à supporter des débits
suffisants pour les applications multimédia. Dans cette course vers les hauts débits, des
chercheurs des laboratoires Bell ont donné une impulsion décisive lorsque, en 1996, ils ont
mis en évidence la possibilité d’accroı̂tre substantiellement les débits de transmission par
l’emploi simultané de réseaux d’antennes en émission et en réception. Le paradigme des
systèmes de communication à entrées multiples et à sorties multiples MIMO (Multiple
Input-Multiple Output) était né.
Rares sont les standards existants compatibles avec le transport de services multimé-
dia hauts débits. La norme HIPERLAN2, affichant des taux de transferts bruts jusqu’à
54 Mbit/s dans la gamme de fréquences de 5 GHz, en fait partie. Se pose alors naturelle-
ment la question d’évaluer dans quelle mesure une extension MIMO permettrait d’aug-
menter ces débits. L’objectif de cette thèse, menée dans le cadre d’une contrat CIFRE
entre THOMSON multimédia et le Laboratoire Composants et Systèmes pour Télécom-
munications (LCST) de l’INSA de Rennes, est d’apporter quelques éléments de réponse
à ce problème.
Mots clés : réseaux domestiques sans fil haut débit, systèmes MIMO, ré-
seaux d’antennes, multiplexage spatial, HIPERLAN2.
Abstract
Until recently restricted to office applications, wireless local area networks (WLAN),
propelled by advances in electronics and signal processing, is ermerging as the most
promising technology to bring connectivity in home environment. Obviously more flexible
and less expensive than their wired counterparts, the future of WLAN is hindered by
the capacity of keeing the pace with the exponential growth in data rate sustained by
multimedia communications. A major breakthrough came recently with the Multiple-
Input Multiple-Output (MIMO) communication architecture that uses multiple-antenna
arrays at both transmitter and receiver ends. This concept generalizes all previously
known transmission systems and allows a far more sophisticated processing of space to
yield unprecedented spectral efficiencies.
Few existing WLAN standards can cope with high data rate multimedia services.
The HIPERLAN2 specification, achieving data rates up to 54 Mbps in the 5 GHz spec-
trum, is among them and the question naturally arises as to determine the potential of
a MIMO-based physical interface. This thesis, led in the framework of a CIFRE grant
between THOMSON multimedia and the IETR (Rennes Institute for Electronics and
Telecommunications), provides some clue to this problem.
Index terms : wireless digital home networks, Multiple-Input Multiple-

Output systems, antenna array, spatial multiplexing, HIPERLAN2

MIMO

Transféré par

Droits d'auteur :

Formats disponibles

MIMO

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MIMO

Transféré par

Droits d'auteur :

Formats disponibles

No d’ordre : D03-02

Soutenue le 22 janvier 2003 devant la commission d’examen :

Président M. J. CITERNE Professeur à l’INSA de Rennes

Institut National des Sciences Appliquées, Rennes

Ce travail est le fruit d’une collaboration entre le Laboratoire Composants et Sys-

Version soumise — 3/4/2003

Chapitre 5 : Application au sys-

Structures Structures de Chapitre 4 : Techniques MIMO -

Emetteur Modèle de Récepteur Chapitre 3 : Aspects de la théorie

Milieu de Chapitre 2 : Le canal de propaga-

Version soumise — 3/4/2003

Version soumise — 3/4/2003

Acronymes & Abréviations xv

Notations mathématiques xvii

2 Le canal de propagation radioélectrique 27

2.3.3.3 Domaine temporel . . . . . . . . . . . . . . . . . . . . . . 56

3 Aspects de la théorie de l’information 75

4 Techniques MIMO - Etat de l’art 119

Version soumise — 3/4/2003

5 Application des techniques MIMO au standard HIPERLAN2 169

6 Conclusion et perspectives 199

Liste des tableaux 203

Table des figures 205

Version soumise — 3/4/2003

WLAN Wireless Local Area Network — RLAN : Radio LAN

SISO Single-Input Single-Output

CSI Channel State Information

Version soumise — 3/4/2003

DcorTx (~ro , ~ri ) distance de corrélation en émission

Version soumise — 3/4/2003

La technologie sans fil permettait toutefois de résoudre certains problèmes inhérents

1.1 Position du problème

Tab. 1.1: Contraintes applications

Ce travail de thèse porte sur la recherche de nouvelles technologies pour les

Version soumise — 3/4/2003

L’application test est la diffusion de vidéo numérique haute définition. Trois

Fig. 1.1: Un exemple d’environnement domestique

1.2 Le monde des réseaux locaux sans fil

Application Interface avec les mécanismes OSI

Echange de données indépendamment

Organisation du dialogue entre

Transport Qualité de service constante

Acheminement des données au travers

Liaison Echange de données sans erreur entre

Domaine d’étude de cette thèse

Fig. 1.2: Le modèle de communication OSI et la position des réseaux locaux

La couche physique (PHY) fournit le service de transmission radio. Le format de mo-

La poursuite des hauts débits passent par l’optimisation, séparée ou conjointe,

1.2.1 Organismes de standardisation

ETSI (European Telecommunications Standards Institute) : Initiés courant

Depuis 1997, la norme HIPERLAN, référencée à présent sous le nom de HIPERLAN1,

Version soumise — 3/4/2003

IEEE (Institute of Electrical and Electronics Engineers) : Intégrés au sein de la

Fig. 1.3: Les standards HIPERLAN

de facteurs liés à l’application visée et à l’environnement. Le standard infrarouge,

Version soumise — 3/4/2003

1.2.2 Technologies propriétaires

Conclusion : Le tableau (1.2) résume les caractéristiques principales des technologies

Les standards jumeaux HIPERLAN2 et IEEE 802.11a apparaissent concrètement

Version soumise — 3/4/2003