Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Laboratoire d’Electronique et de Traitement du Signal MASTER RECHERCHE EN TELEC

Laboratoire d’Electronique et de Traitement du Signal MASTER RECHERCHE EN TELECOMMUNICATIONS PROMOTION 2013 CONTENU ANTENNES INTELLIGENTES : OPTIMISATION DE L’ESTIMATION DES DIRECTIONS D’ANGLES D’ARRIVEES Présenté par ABPETSA PASSOU Jean Pergaud Supervisé par Pr TONYE Emmanuel ANNEE ACADEMIQUE 2012 – 2013 UNIVERSITE DE YAOUNDE I --------------------- ECOLE NATIONALE SUPERIEURE POLYTECHNIQUE ---------------------- Département de la Coordination et de la Valorisation de la Recherche THE UNIVERSITY OF YAOUNDE I ------------------- NATIONAL ADVANCED SCHOOL OF ENGINEERING ------------------- Department of Coordination and Valorisation of Research INTRODUCTION…………………………………………………………………………………………………. I. CONTEXTE………………………………………………………………………………………….. I.1. Antennes intelligentes……….…………………………………………………………. II.2. Quelques exemples des systèmes à antennes intelligentes…………. II. PROBLEMATIQUE……………………………………………………………………………….. II.1. Formulation du problème………………………………………………………………. II.2. Modèle du signal reçu………………………………………………........................ II.3. Facteurs à prendre en compte ………………………………………………………. III- METHODOLOGIE…........................................................................................ III.1. Optimisation à Optimum local………………………………………………………… III.2. Optimisation à Optimum globaux…………………………………………………… IV. RESULTATS ET COMMENTAIRES………………………………………………………….. IV.1. Intégration des modifications réalisées à la plateforme…………………. CONCLUSION La croissance sans cesse de la demande et l’apparition de nouveaux services de communications, imposent aux réseaux de télécommunications sans fil de nouvelles exigences des utilisateurs en termes de mobilité, de débits de transmission, de sécurité, d’autonomie des batteries, … etc. Les possibilités offertes par les dimensions temporelle et fréquentielle pour les systèmes actuels de communications sans fil, semblent avoir atteint leurs limites. Pour faire face à ces nouvelles exigences d’efficacité de couverture, de capacité et de qualité de service, des techniques d’optimisation des ressources radio basées sur l’estimation des directions d’arrivées ont été développées. En théorie, il suffit de détecter la direction d'arrivée du signal émis par le mobile, puis de focaliser le rayonnement électromagnétique de l'émetteur en direction du mobile. On peut ainsi diminuer de manière sensible les phénomènes d'interférences, réutiliser la même fréquence pour des directions différentes, et donc accroître le nombre d'utilisateurs de la station de base. Cette méthode de traitement de l’information basée sur une approche spatiale ou angulaire, fait référence aux systèmes d’antennes intelligentes. Ces systèmes reposent sur des antennes réseau, des dispositifs de calcul des angles d'arrivées et des outils de synthèse qui contrôlent les pondérations des éléments de l’antenne réseau afin d’optimiser son diagramme de rayonnement selon des techniques prédéfinies pour la formation des voies et l'annulation d'interférents. INTRODUCTION I.1. Antennes intelligentes Une antenne réseau est un système constitué d’une série linéaire, carrée, circulaire ou volumique d’antennes simples telles que les antennes omnidirectionnelles classiques (appelées éléments) dont on combine les différents signaux induits pour former un signal unique en sortie. (a) (b) (c) Figure 1 : Géométries d’antenne réseau ; (a) linéaire, (b) planaire, (c) circulaire. Le terme « antenne intelligente » lui est attribué lorsque les différents signaux induits sont pondérés de manière variable avant d’être combinés pour ajuster dynamiquement le gain afin de contrôler la réception, l’émission ou les deux. C’est la technique de « beamforming ». Une telle antenne est donc capable de modifier son diagramme de rayonnement grâce à un logiciel de synthèse apte à répondre aux spécifications désirées. Une antenne intelligente peut donc être définie comme un réseau d’antennes capable d’assurer les deux fonctions principales que sont :  La détection des directions d’arrivées (DoA) : il s’agit de pouvoir localiser en temps réel les sources dont on reçoit les signaux ;  Le beamforming : il est question ici, connaissant les DoA, d’adapter le diagramme de rayonnement du système à la configuration (disposition) des cibles. (voir figure 2). I. CONTEXTE Principes Illustrations Antennes Intelligentes Switched Beam Antenna :SBA Systèmes d’antennes à commutation de faisceaux basés sur les techniques fixes de formation de faisceaux Divisent l’espace angulaire en micro secteurs correspondant chacun à un faisceau de rayonnement prédéterminé qui peut être activé ou non suivant la position des utilisateurs Adaptative Array Antenna : AAA Systèmes d’antennes adaptatives basés sur la formation de voies -Reçoit les signaux des sources émettant dans l’environnement électromagnétique et en extrait les DoAs par les algorithmes d’estimation. -Identifie et sépare les sources utiles des sources parasites. -Calcule les pondérations qui correspondent à un diagramme de rayonnement dont les pics sont dirigés vers les sources utiles et les zéros dans les directions interférentes. Figure 2 : Systèmes d’antennes intelligentes II.2. Quelques exemples des systèmes à antennes intelligentes  La figure 3 ci-dessous est la photo d’une station de base GSM basée sur la technologie des antennes intelligentes à commutation de faisceaux (switching beam antennas). Elle est commercialisée par Ericsson sous l’appellation : GSM Capacity Booster/RBS2205 Figure 3 : GSM Capacity Booster/RBS2205 : antenne à commutation avec 8 faisceaux  Les tableaux ci-dessous donnent un aperçu de quelques systèmes d’antennes intelligentes existants et commercialisés. Fabricants Interface Air Configuration d’antenne Type d’intelligence Remarques Ericsson, Mannesmann, Mobilfunk GSM / DCS 1800 8 éléments DoA sur la liaison montante Plusieurs stations de base équipées Ericsson Research (SW/US) IS-136 (D- AMPS) Facteur de distance = 15, avec diversité de polarisation MRC et IRC sur la liaison montante ; Faisceaux sur la descendante AT&T Labs- Research (US) IS-136 4 éléments Tracking par DMI sur la liaison montante commutation de faisceau sur la descendante Liaisons montante et descendante indépendantes NTT DoCoMo (Japan) UMTS 4 éléments 3 sites debit > 2Mbps TSUNAMI (SunBeam), Consortium (EU) DECT / DCS1800 SDMA Linéaire MUSIC pour la DoA, Filtrage de KALMAN pour la poursuite SDMA sur DECT CNET & CSF- Thompson (F) GSM / DCS 1800 SDMA circulaire à 10 éléments Capon, MUSIC pour l’estimation de la DoA en liaison montante Uppsala University (SW) DCS 1800 SDMA circulaire à 10 éléments Uniquement en liaison montante Traffic de type DSC1800 Tableau 1 : Quelques systèmes expérimentaux à antennes intelligentes Fabricants Interface Air Configuration d’antenne Type d’intelligence Remarques Metawave (US), Spotlight2000 AMPS CDMA 12 éléments 12 faisceaux commutables sur les deux liaisons Raytheon (US) IS-136 (D- AMPS) 8 éléments DoA sur la liaison montante Peut être connecté sur l’entrée RF d’une station de base ArrayComm “IntelliCell” (US) WLL, PHS, GSM 4 éléments ESPRIT avec rejection d’interférent sur la liaison montante Premier produit commercial de masse Wireless Online “ClearBeam”(US) GSM 7 faisceaux fixes à bande étroite et 2 à large bande sur les deux liaisons Double la capacité Triple la couverture Améliore le C/I de 18 dB Tableau 2 : Quelques systèmes à antennes intelligentes commercialisés II.1. Position du problème On considère un réseau linéaire d'antennes constitué de K éléments rayonnant et placé dans un milieu homogène. Les éléments sont supposés régulièrement espacés de « d » et tous placés en zone de champs lointains par rapport à L sources sinusoïdales de fréquences f0, donc les signaux atteignent le réseau sous les incidences {Ɵi} i=1,2,…..L. (voir figure 6) Figure 6 : Modélisation d’un réseau linéaire d’antennes L'objectif des algorithmes d'estimation de la direction d'arrivée est de déterminer les valeurs présumées des angles d'incidence {Ɵi} i=1,2,…..L à partir de l’analyse du signal y(t) reçu. II.2. Modèle du signal reçu Les signaux induits sur les éléments du réseau sont pondérés par des coefficients complexes {Wk} k=1,2,…..N. (selon la figure 7 ci-après). Figure 7 : Modélisation du signal reçu II.PROBLEMATIQUE Ce réseau complet peut être vu comme une antenne à part entière, avec une nouvelle sortie y(t) telle que : Cette relation est la formule qui permet d'estimer le signal reçu par le réseau d’antennes. Pour le faire, plusieurs facteurs doivent être pris en compte. II.3. Facteurs à prendre en compte Signal à estimer à la sortie Matrice de direction Vecteur de pondération Matrice de corrélation Contraintes -Matrice de taille KxK -Contient des informations sur les signaux incidents ainsi que sur le bruit. -Nombre de sources strictement inférieur au nombre d’éléments de l’antenne (L < K ) -un réseau de K éléments résout les DoA d’au plus K - 1 sources. Tableau 3 Modélisation du signal à estimer Il existe diverses méthodes d’estimations (algorithmes) de DOA. On les regroupe généralement en deux grandes catégories résumées dans le tableau 3 suivant : Techniques à optimum local (piégés par le premier optimum qu’ils rencontrent ou sont handicapés par la taille de l’espace de recherche) Techniques à optimum globaux (trouvent une solution proche de l’optimum global) Méthodes spectrales Techniques des sous- espaces Méthodes du maximum de vraisemblance. réseaux de neurones, algorithmes, génétiques, recuit simulé, colonies de fourmis, recherche Tabou … etc. BARLETT, CAPON, PRONY (Prédiction linéaire)… etc. PISARENKO, MUSIC, Norme minimale, ESPRIT … etc. - asymptotiquement efficaces et sans distorsion. - souvent préférées à d’autres méthodes lorsqu’elles possèdent des solutions analytiques simples - La fonction à optimiser présente souvent une résolution analytique lourde et difficile à implémenter. Tableau 3 : Méthodes d’estimation des DOAs III.1. Optimisation à Optimum local III.1.1. Méthodes d’estimation spectrale Le tableau suivant présente un récapitulatif de ces méthodes : III. METHODOLOGIE Méthodes d’estimation spectrale Méthodes Objectifs Principe Pseudo Spectre BARLETT, Séparer deux ondes planes d'incidences ϑ1 et ϑ2 si Réaliser la transformée de Fourier dans l'espace des signaux reçus CAPON, Maximiser le rapport signal à intéférence tout en évitant toute distorsion d’amplitude ou de phase du signal d’intérêt Estimer, par le critère de maximun de vraisemblance, la puissance reçue dans une direction donnée en considérant les autres sources comme des interférents. PRONY Minimiser l'erreur de prédiction sur la réponse d’un élément quelconque k du uploads/Management/ optimisation-des-antennes-intelligentes.pdf