Thèse soutenue

Estimation du taux d'erreurs binaires pour n'importe quel système de communication numérique
FR
Accès à la thèse
Auteur / Autrice : Jia Dong
Direction : Samir Saoudi
Type : Thèse de doctorat
Discipline(s) : Sciences et technologies de l'information et de la communication
Date : Soutenance en 2013
Etablissement(s) : Télécom Bretagne
Ecole(s) doctorale(s) : École doctorale Santé, information-communication et mathématiques, matière (Brest, Finistère)
Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)
Jury : Rapporteurs / Rapporteuses : Ghaïs El Zein

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Dans cette thèse, nous proposons d'étudier les estimations du taux d'erreurs binaire (BER) pour n'importe quel système de communications numériques. Dans la majorité des cas, le BER est un paramètre clé de la conception du système. Les simulations de type Monte-Carlo (MC) sont alors classiquement utilisées pour estimer les taux d'erreurs ; mais elles se révèlent très coûteuse en temps de simulation lorsque les taux d'erreurs sont très faibles. De plus, elles ne sont pas applicables au cas le taux d'erreurs doit être estimé en aveugle au niveau du récepteur. Par conséquent, nous proposons de mettre en oeuvre des techniques d'estimation de densités de probabilités (PDF) des observations souples en sortie du récepteur afin de réduire le nombre d'échantillons nécessaires pour estimer les taux d'erreurs binaires du système de communications numériques étudié. Dans un premier temps, nous avons étudié l'estimation non-paramétrique appelée "méthode du noyau" (Kernel) pour estimer la PDF. Le BER est calculé par intégration (analytique) de la PDF estimée. Les résultats des simulations pour différents systèmes de communications numériques ont été analysés. Par rapport à la méthode MC, la méthode du noyau permet d'obtenir une estimation plus précise. Ensuite, nous avons utilisé le modèle de mélanges de gaussiennes (GMM), qui est une méthode semi-paramétrique souvent employées en reconnaissance de forme, pour estimer le BER. Par rapport à la méthode du noyau, la méthode GMM permet de réaliser les meilleures performances dans le sens de la minimisation de la variance de l'estimateur. Enfin, nous avons étudié l'estimation du BER de façon aveugle, c'est à dire sans utiliser la connaissance des informations binaires transmises. Cette estimation est basée sur l'algorithme SEM (Stochastic Expectation-Maximization), en combinaison avec les méthodes du noyau et de la GMM vues précédemment. A partir des résultats des simulations, nous constatons que le BER estimé de façon aveugle peut être très proche de la valeur réelle tout en utilisant peu d'échantillons. Cette méthode pourrait s'avérer très avantageuse pour l'estimation en ligne et en temps réel du BER au niveau du récepteur. .