Se´minaire SCEE : Identiﬁcation de Syst emes` OFDM … · Ce processus de migration est appele´ “Vertical Handover”. 3/58 Oularbi Rabie ... WiFi, WiMAX, LTE ... Espacement

Seminaire SCEE :

Identification de SystemesOFDM et Estimation de la

QoS : Applicationa la RadioOpportuniste

TELECOM Bretagne Dpt SC

Presente par :

OULARBI Rabiele Dec

Introduction

Contexte actuel

� Proliferation des normes de communications sans-fil : WiFi,WiMAX, LTE, UMTS, . . . ;⇒ Heterogeneite de l’environnement radio.

2/58 Oularbi Rabie (Dpt S&C) Seminaire SCEE —20/12/2012— Supelec Rennes

Introduction

Contexte actuel


� Tirer profit de cette heterogeneite afin de satisfaire le concept deAlways Best Connected(ABC) ;


Introduction

Contexte actuel


� Tirer profit de cette heterogeneite afin de satisfaire le concept deAlways Best Connected(ABC) ;

Qu’est ce que le ABC ?Une personne n’est pas seulement toujours connectee, mais aussiconnectee en tout tempsa un reseau disponible offrant la qualite deservice la plusadapteea ses besoins


Introduction

Comment realiser le concept ABC ?� Imaginer des terminaux multistandards capables de migrer

intelligemmentd’un reseau a un autre a la recherche de la QoS laplus adequate ;

� Ce processus de migration est appele“Vertical Handover”.


Introduction

Qu’est ce que le Vertical Handover ?

� Equivalent a un Horizontal Handover mais ou la communicationest prise en charge par unautre systeme;

� Etapes d’un Vertical Handover :1. Identificationdes systemes actifs dans l’environnent radio ;2. Analysede la QoS disponible sur chaque reseau detecte ;3. Decisionet choix du reseau le plus adequat ;4. Executiondu Vertical Handover.


Introduction

1. Identification des systemes actifs dans l’environnent radio� Triviale dans un contexte d’allocationstatiquedu spectre ;� Problematiquedans un contexte d’allocationdynamiquedu

spectre(Radio Opportuniste);

� Les standards n’emettent plus sur des bandesconnues.

⇒ Necessite d’identifier les reseaux secondaires actifs.


Introduction

2. Analyse de la QoS disponible sur chaque reseau identifie

� Contrairement au HHO, le RSB n’est pas une metriquesuffisante;

� Des informations et parametres additionnels (“metriques dehandover“) doivent etre estimes : debit effectif, etat de labatterie, . . .

� VHO transparent : estimationpassivedes metriques sans seconnecter, economie en temps et en energie.


Introduction

3. Decision et choix du reseau le plus adequat

� Une fois les metriquesestimees, une decision estpriseenfonction de la QoS requise par les couches hautes et lesinformations collectees.

4. Execution du Vertical Handover

� Une foisle reseau ciblechoisi, la connexion du terminal esttransfereevers celui-ci.


Notre axe de recherche

Quel est le but de nos travaux ?Concevoir des algorithmes deradio cognitivededies a :

� L’identification de systemes OFDM;� L’estimationpassive de metriques de handover.





Pourquoi OFDM ?Schema de modulation tres repandu de nos jours : WiFi, WiMAX,LTE, . . .





Pourquoi OFDM ?Schema de modulation tres repandu de nos jours : WiFi, WiMAX,LTE, . . .

Quels protocoles de multi-acces ?� OFDMA (LTE, WiMAX Mobile) ;� CSMA/CA (WiFi)


Plan de la presentation

1 Identification de systemes OFDM

2 Metriques de VHO pour des reseaux OFDMA

3 Metriques de VHO pour des reseaux CSMA/CA

4 Conclusion et perspectives


Plan de la presentationIdentification de systemes OFDM






Identification de systemes OFDMIdentification de systemes OFDM◮ Quelle signature ?

Introduction� Necessite :La frequence porteuse n’est plus discriminante ;� Il faut trouver une autre signature ;� Exemple : Espacement entre sous-porteuses, cyclo-stationnarite,

motif de pilotes, . . .� Approche retenue :motif de pilotes.



Introduction� Necessite :La frequence porteuse n’est plus discriminante ;� Il faut trouver une autre signature ;� Exemple : Espacement entre sous-porteuses, cyclo-stationnarite,

motif de pilotes, . . .� Approche retenue :motif de pilotes.

freq

time

LTE

Data tones

Pilot tones

IEEE 802.22

WiMAX DL-PUSC



Pilot Induced Cyclostationnarity (PIC)

� Les auteurs montrent que si une correlation est introduiteentrepaire de pilotes ;

� Alors le signal recu presente une cylostationnarite.

freq

time Data tonesPilot tones

F.-X. Socheleauet al, “Cognitive OFDM System Detection Using Pilot Tones Secondand Third-Order Cyclostationarity,”Elsevier Signal Processing, 2011


Identification de systemes OFDMIdentification de systemes OFDM◮ Modele du signal

Modele du signalSupposant qu’un signal OFDM est observe sur une bande donn´ee,apres FFT et extraction du prefixe cyclique :

Yn,k∆= Hkcn,k+Wn,k,

ou

cn,k =

{pn,k if (n,k) ∈ P ,

dn,k, if (n,k) ∈D.

⇒ Construire un test d’hypothese

Oularbi et al≪ OFDM system identification using pilot tone signature≫, WOSSPA 2011.

Oularbi et al, ≪ Identification de systemes OFDM a partir de la signature des pilotes≫, Gretsi 2011.

Oularbi et al, ≪ GLR Test for OFDM System Identification Usning Pilot Tones Pattern≫, article de revue soumis.


Identification de systemes OFDMIdentification de systemes OFDM◮ Approche GLRT

Les hypotheses

{H0 : Le motif de piloteP est absent;H1 : Systeme utilisant le motifP est actif.

H0 :

{H ′

0 : Seul du bruit est observe;H ′′

0 : Le systeme actif n’utilise pas le motifP .

⇒ Necessite d’effectuer une pre-detection


Identification de systemes OFDMIdentification de systemes OFDM◮ Structure de pre-detection

Structure de pre-detection{

H ′0 : Seul du bruit est observe;

H ′′0 : Le systeme actif n’utilise pas le motifP .

f (Y;H ′0,σ

2) = 1|πσ2|MsNsc

exp(− ‖Y‖2

σ2

),

f (Y;H ′′0 ,σ2

k) = ∏Nsc−1k=0

1(πσ2

k)Ms

exp(− 1

σ2k‖Y(k)‖2

).






f (Y;H ′0,σ

2) = 1|πσ2|MsNsc

exp(− ‖Y‖2

σ2

),

f (Y;H ′′0 ,σ2

k) = ∏Nsc−1k=0

1(πσ2

k)Ms

exp(− 1

σ2k‖Y(k)‖2

).

Les inconnuesσ2 et σ2k sont estimees au sens du M.V

σ2 = 1MsNsc

tr(YYH) et σ2k =

1Ms

‖Y(k)‖2






f (Y;H ′0,σ

2) = 1|πσ2|MsNsc

exp(− ‖Y‖2

σ2

),

f (Y;H ′′0 ,σ2

k) = ∏Nsc−1k=0

1(πσ2

k)Ms

exp(− 1

σ2k‖Y(k)‖2

).

Les inconnuesσ2 et σ2k sont estimees au sens du M.V

σ2 = 1MsNsc

tr(YYH) et σ2k =

1Ms

‖Y(k)‖2

L(Y) =MsNsclog(‖Y‖2)−Ms∑

k

log(||Y(k)||2

) H ′′0

≷H ′

0

ηpre


Identification de systemes OFDMIdentification de systemes OFDM◮ Structure d’identification

Structure d’identification

{H ′′

0 : Un systeme quelconque est actif;H1 : Un systeme utilisant le motifP est actif.

f (Y;H ′′0 ,σ2

k) = ∏Nsc−1k=0

1(πσ2

k)Ms

exp

(− 1

σ2k‖Y(k)‖2

),

f (Y;H1,σ2,C,H,σ2k) = ∏k

(∏

ν∈Pk

1πσ2 e

− 1σ2 |Yν−Hkcν|2∏ν∈Pk

1πσ2

ke− 1

σ2k|Yν|2

).




{H ′′

0 : Un systeme quelconque est actif;H1 : Un systeme utilisant le motifP est actif.

f (Y;H ′′0 ,σ2

k) = ∏Nsc−1k=0

1(πσ2

k)Ms

exp

(− 1

σ2k‖Y(k)‖2

),

f (Y;H1,σ2,C,H,σ2k) = ∏k

(∏

ν∈Pk

1πσ2 e

− 1σ2 |Yν−Hkcν|2∏ν∈Pk

1πσ2

ke− 1

σ2k|Yν|2

).

Le recepteur cognitif ne connait queP




Estimation au sens du M.V :

H ′′0 : σ2

k =1Ms

‖Y(k)‖2

H1 :

σ2k = 1

|Dk| ∑ν∈Dk|Yν|2

σ2 = 1|P | ∑k ∑ν∈Pk

|Yν −Hkcν|2.cν ⇒ Estimes grace a Gazor et al.Hk = 1

|Pk|∑ν∈Pkcν

HYν.

S.Gazor et al, ’Computationally Efficient Maximum Likelihood Sequence Estimation and Activity Detection for M -PSKSignals in Unknown Flat Fading Channels’, IEEE Signal processing letters, oct 2010.




Finalement, apres remplacement, le test statistique peutetre exprimepar l’equation suivante :

T ′(Y,P ) = Ms∑k

log(||Y(k)||2

)−|P | log

∑

k

∑

ν∈Pk

|Yν|2−1

|Pk|

∣∣∣∣∣ ∑ν∈Pk

cνHYν

∣∣∣∣∣

2

− ∑k,Pk 6= /0

|Pk| log

∑

ν∈Pk

|Yν|2 H1

≷H ′′

0

η,



Calcul du LLR depre-detectionL(Y)

L(Y)?> ηpre

Pfa,pre

Observer laprochaine

sous-bande

Calcul du test statistiqued’identificationT ′(Y,P ) P

T ′(Y,P )?>

ηPfa

ObserverY

Un systeme utilisant le motifde pilotesP est present

oui

non

non

oui

FIGURE : Diagramme de l’identificateur propose.


Identification de systemes OFDMIdentification de systemes OFDM◮ Synchronisation

Synchronisation� Le signal recu souffre d’un residu de porteuseε et d’un retard de

propagationτ ;� Rechercheexhaustive: (ε, τ) = argmax

(ε,τ){T (Y(ε,τ),P )}

−0.5−0.4

−0.3−0.2

−0.10

0.10.2

0.30.4

0.5

−0.5−0.4

−0.3−0.2

−0.10

0.10.2

0.30.4

0.5800

1000

1200

1400

1600

1800

2000

τǫ

Val

eurs

du

test

stat

istiqu

e

FIGURE : Valeur du test statistique en fonction des offsets en frequence et en tempsε ∈ [−0.5,0.5], etτ ∈ [−0.5(N+D),0.5(N+D)]


Identification de systemes OFDMIdentification de systemes OFDM◮ Resultats de simulations

Comparaison avec la technique PIC

−13 −12 −11 −10 −9 −8 −7 −610

−3

10−2

10−1

100

RSB (dB)

pro

bab

ilite

de

non

det

ection

GLRT RSB connuDetecteur PICGLRT RSB estime

FIGURE : Probabilite de non-detection en fonction du RSB, SignauxWiMAXMobile DL-PUSC,Nsc= 512, Ms = 24,Pfa = 0.02


Plan de la presentationMetriques de VHO pour des reseaux OFDMA






Metriques de VHO pour des reseaux OFDMAMetriques de VHO pour des reseaux OFDMA◮ Introduction

Introduction

� Variante multi-utilisateurs du schema OFDM;� WiMAX Mobile, LTE (DownLink), IEEE 802.22;� On s’interesse a deux metriques :

• Nombre d’antennes de la station de base;• Taux d’allocation des slots temps-frequence;

� Estimation passive effectuee a partir d’observations sur la couchephysique.


Estimation du nombre d’antennes d’une B.SMetriques de VHO pour des reseaux OFDMA◮ Estimation du nombre d’antennes d’une B.S

1. Estimation du nombre d’antennes d’une B.S

� But : Mieux interpreter le RSB;� Utilisation de l’orthogonalite entre motifs de pilotes :

k

n

Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1 Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2

Tons pilotesTons nulsTons de donnees



1. Estimation du nombre d’antennes d’une B.S

� But : Mieux interpreter le RSB;� Utilisation de l’orthogonalite entre motifs de pilotes :

k

n

Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1Antenne 1 Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2Antenne 2

Tons pilotesTons nulsTons de donnees

� Utiliser le GLRT ou le PIC pour verifier la presence de chaquemotif et deduire le nombre d’antennes;

� Avantage :Une seule antenne est suffisante.



Resume de la technique proposee :

Initialiser le Nom-bre d’antennesi = 1

P (i) Present ? i = i + 1i −1 antennes

presentesouinon

FIGURE : Diagramme de l’algorithme propose.



Extension GLRT

−10 −8 −6 −4 −2 0 20

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

RSB (dB)

Pro

bab

ilite

de

det

ection

1 antenne2 antennes4 antennes

FIGURE : Probabilite de detection du nombre d’antennes en fonction du RSB, enutilisant l’extension du GLRT, signaux LTE,Ms = 48 symboles observes,Pfa = 0.02.

Oularbi et al, ≪ GLR Test for BS number of antennas estimation≫, IEEE com letters, accepted 2012..



Extension PIC

−10 −8 −6 −4 −2 0 20

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

RSB (dB)

Pro

bab

ilite

de

dete

ctio

n

1 antenne

2 antennes

4 antennes

FIGURE : Probabilite de detection du nombre d’antennes en fonction du RSB, enutilisant l’extension du PIC, signaux LTE,Ms = 48 symboles observes,Pfa = 0.02.

Oularbi et al, ≪ PIC detector for BS number of antennas estimation≫, PIMRC 2012, Sydney.


Estimation du taux d’allocation temps-frequenceMetriques de VHO pour des reseaux OFDMA◮ Estimation du taux d’allocation temps-frequence

2. Estimation du taux d’allocation temps-frequence

� Plus le nombre de sous porteuses actives est faible, plus lenombre d’utilisateurs et le trafic sur cette station de base le sontaussi.

sous−porteuses

temps

Slots inactifsεk,n = 0

Slots actifsεk,n = 1

� Il est preferable pour un terminal multi-standards de se connectera une BS oule taux d’activite temps-frequence est faible.

⇒ Necessite d’estimer ce taux.



2. Estimation du taux d’allocation temps-frequence

� Ce taux est diffuse sur certains systemes : Necessited’intercepter les preambules des trames;

� Autre approche :estimation passive(Nombre de slots actifsdivise par le nombre total des slots observes) ;

� Revient a un probleme de detection ;

Oularbi et al.,≪ Blind estimation of the time-frequency activity rate of OFDMA signals≫, ICUMT 2010.

Oularbi et al.,≪ Estimation du taux d’activite temps-frequence d’un signal OFDMA pour des applications en radio-cognitive≫, Gretsi 2011.



Modele du signal

Yn,k∆= εn,kHn,kcn,k+Wn,k.

ou εn,k sont des v.a i.i.d∈ {0,1}.

� Si σ2 est connue alors le taux est donne par :

α =∑n,k I(|Yn,k|> s(σ2))

MsNsc.

� Approche dependante d’un seuilarbitraire;� On propose une technique basee surles moments d’ordre un et

deuxdu signal observe.



Algorithme propose

� Le moment d’ordredeuxs’ecrit :

E[|Yn,k|2] = σ2+αEs, ∀εn,k.

� Le moment d’ordreuns’ecrit :

E[|Yn,k|] = αϕ(Es)+ (1−α)√

π2

σ.

ou ϕ(Es) est une fonction qui depend de la puissance du signal etde ladistributiondes symboles emis.



Algorithme propose

� On utilise le principe demaximum d’entropie: equi-repartitionde BPSK, QPSK, 16-QAM et 64-QAM.

ϕ(Es) =

√π

8

[52

√Es+σ2+

14

√Es

5+σ2+

14

√95

Es+σ2

+116

√Es

21+σ2+

18

√521

Es+σ2+116

√37

Es+σ2

+18

√1321

Es+σ2+18

√1721

Es+σ2+316

√2521

Es+σ2

+18

√2921

Es+σ2+138

√3721

Es+σ2+1316

√73

Es+σ2

]



Algorithme propose

� L’estimee du taux d’activite temps-frequence est la racine del’equation suivante :

α ϕ(µ2−σ2

α)+ (1− α)

√π

2σ− µ1 = 0.

� µ1 et µ2 sont les moments d’ordre un et deux empiriques;� Resolution par dichotomie.



Resultats de simulations

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1−35

−30

−25

−20

−15

−10

−5

0

α

EQ

MN

sur

α(d

B)

TFAC Pfa = 0.1

TFAC Pfa = 0.01

TFAC Pfa = 0.001

Sochelau et al.Methode proposee

FIGURE : EQMN de la methode proposee comparee a la methode TFAC,Nsc= 512,Ms = 24, fd=100 Hz,σ2 supposee connue, RSB=10 dB.



Resultats de simulations

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1−38

−36

−34

−32

−30

−28

−26

−24

−22

α

EQ

MN

sur

α(d

B)

SNR=5 dB - configuration citee



SNR=5 dB - repartition equiprobable



FIGURE : Cas d’une distribution uniforme des constellations V.S casd’unedistribution P(cn,k ∈ BPSK) = 1

10, P(cn,k ∈ QPSK) = 110, P(cn,k ∈ 16-QAM) = 4

10,P(cn,k ∈ 64-QAM) = 4

10.


Plan de la presentationMetriques de VHO pour des reseaux CSMA/CA






Metrique de VHO pour des reseaux CSMA/CAMetriques de VHO pour des reseaux CSMA/CA◮ Introduction

Introduction

� Le protocole CSMA/CA (Carrier Sense Multiple Access withCollision Avoidance) est dedie aux reseaux sans-fil ;

� Mecanisme d’evitement de collisions, car liaison half duplex ;� Reseau le plus connu : WiFi ;� Nous nous interessons a deux metriques de handover :

• Taux d’occupation du canal ;• Taux de collisions.

Oularbi et al, ≪ Physical layer IEEE 802.11 channel occupancy rate estimation≫, ISIVC 2010.

Oularbi et al, ≪ Two vertical handcover metrics toward an IEEE 802.11N network≫, COGIS 2009.

Oularbi et al, ≪ Vertical Handover Metrics Estimation for OFDM Based Systems≫, Eurasip JWCN.


Estimation du taux d’occupation du canalMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux d’occupation du canal

Qu’est ce que le taux de charge du canal ?Rapport entre le temps durant lequel le canal est declare occupe et lataille de la fenetre d’observation.



Qu’est ce que le taux de charge du canal ?Rapport entre le temps durant lequel le canal est declare occupe et lataille de la fenetre d’observation.

Pourquoi cette metrique?

Ref : Q. Zhanget al, Efficient Mobility Management for vertical Handoff between WWAN and WLAN, IEEE communications

magazine.38/58 Oularbi Rabie (Dpt S&C) Seminaire SCEE —20/12/2012— Supelec Rennes


Particularit e d’une communication CSMA/CA

� Espaces inter-trame qui regularisent lesprioritesdestransmissions;

Couche Physique

Couche MAC Trame 1 Trame 2

Signal + BruitSignal + Bruit Bruit seulement

Libre ...

Bruit ...

Espace Inter−trame

⇒ Taux de charge=Nbre d’ech signal+bruit

Nbre total d’ech.


Estimation du taux d’occupation du canalMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux d’occupation du canal◮ Technique proposee

Technique proposee

� Recepteur cognitif est dote deN antennes;� La variance du bruit est supposee connue ou estimee ;

Definition d’un critere de vraisemblanceJ (u)

J (u) =−(Ns−u) log(πσ2)− 1Nσ2

N

∑i=1

Ns

∑m=u

|yi(m)|2.



Comment se comporte ce critere ?

0 200 400 600 800 1000 12000

0.02

0.04

0.06

0.08

Sample index

|yi(u

)|

0 200 400 600 800 1000 1200−1000

−500

0

500

1000

1500

Sample index

J(u

)

m1

m2



Cas de plusieurs trames

0 500 1000 1500 20000

0.02

0.04

0.06

(a)

|y(u

)|

0 500 1000 1500 2000

−2

−1.5

−1

−0.5

0

x 104

(b)

J(u

)



Probleme des fluctuations� SIFS (Short Interframe Spacing) : zone de bruit la plus courte

possible ;� Lisser en consequence;

0 200 400 600 800 1000 1200

−2000

−1000

0

1000

(a)

J(u

)

0 200 400 600 800 1000 12000

0.5

1

(b)

Φ(u

)

0 200 400 600 800 1000 12000

0.5

1

(c)

Φs(u

)


Estimation du taux d’occupation du canalMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux d’occupation du canal◮ Resultats de simulation

Resultats de simulation� Simulation sur des signaux 802.11,N = 2,� Canal de Rayleighfd = 10Hz.

0 5 10 15 20 25 30 35 40−100

−90

−80

−70

−60

−50

−40

−30

−20

−10

0

RSB (dB)

EQ

MN

sur

Cor

(dB

)

TFAC Pfa = 0.1

TFAC Pfa = 0.01

TFAC Pfa = 0.001

TFAC Pfa = 0.0001

Methode proposee

FIGURE : EQMN sur l’estimation du taux de charge en fonction du RSB.


Estimation du taux d’occupation du canalMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux d’occupation du canal◮ Resultats experimentaux

Resultats experimentaux

FIGURE : Configuration : Un point d’acces WiFi, Nombre d’utilisateurs variable, debit variable. Couche PHY observeegrace a l’USRP (Universal Software Radio Peripheral).

∗ Experimentations realisees en collaboration avec S. Hadin (ingenieur de recherche, Dpt S&C).



Influence du nombre d’utilisateurs

0 1 2 3 4 5 6 7 8 9 100

5

10

15

20

25

30

Longeur de la fenetre d’observation (ms)

Cor

en%

etva

rian

ces

1 Client/Serveur

3 Clients/Serveurs

FIGURE : Taux de charge mesure en fonction de la taille de la fenetred’observation,debit fixe a 1Mbps.



Influence du debit

0 1 2 3 4 5 6 7 8 9 10−10

0

10

20

30

40

50

60

70

80

90

Longueur de la fenetre d’observation

Cor

en%

etva

rian

ces

(ms)

100kbps

1Mbps

10Mbps

FIGURE : Taux de charge mesure en fonction de la taille de la fenetred’observation,Nombre de couples C/S fixe a 3.



Necessite d’une metrique complementaire !

0 1 2 3 4 5 6 7 8 9 1050

55

60

65

70

75

80

85

90

Longueur de la fenetre d’observation (ms)

Chan

nel

occ

upan

cyra

te(%

)

1 Client/Serveur

2 Clients/Serveurs

3 Clients/Serveurs

FIGURE : Taux de charge mesure pour un debit de 10Mbps.

⇒Le Taux de Collisions


Estimation du taux de collisionsMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux de collisions

Pourquoi cette metrique ?

FIGURE : Probabilte de collision en fonction du debit offert et du nombre de nœuds.

Ref : K. Park, Perdu University, “CS 536 : Data Communication and Computer Networks”.


Estimation du taux de collisionsMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux de collisions

Comment faire ?

� Les trames issues d’une collision sontle melange de deuxsources ou plus;

� Estimer le nombre de sources constituant toute trame detectee ;

Taux de col=Nbre de collisionsTotal des trames

� Approche intuitive :Criteres d’information theorique(AIC“Akaike information criterion” et MDL “Minimum DescriptionLength”) ;


Estimation du taux de collisionsMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux de collisions◮ Modele du signal

Solution proposee

� On considere un recepteur dote deN antennes;� En considerant une fenetre d’observation de tailled :

yd(m) =[

yT(m), . . . , yT(m−d+1)]T

,

� Le rangr de la matrice d’autocorrelation deyd(m) vaut :

r = Md+L

� On demontre que sid= D (PC), alorsM est le premier entiersuperieur ar

2d .


Estimation du taux de collisionsMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux de collisions◮ Resultats de simulation

Resultats de simulation MDL

−5 0 5 10 15 20 250

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

RSB (dB)

Pro

bab

ilite

de

det

ection

3 antennes4 antennes6 antennes8 antennes

FIGURE : Probabilite de detection en fonction du RSB, signaux WiFi, tailles destrames 800 echantillons, canal de Rayleighfd = 10Hz, taille du canal = 0.75D.


Estimation du taux de collisionsMetriques de VHO pour des reseaux CSMA/CA◮ Estimation du taux de collisions◮ Resultats de simulation

Resultats de simulation AIC

−10 −5 0 5 10 15 200

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

RSB (dB)

Pro

bab

ilite

de

det

ection

3 antennes4 antennes6 antennes8 antennes

FIGURE : Probabilite de detection en fonction du RSB, signaux WiFi, tailles destrames 800 echantillons, canal de Rayleighfd = 10Hz, taille du canal = 0.75D.


Plan de la presentationConclusion et perspectives






Conclusion et perspectivesConclusion et perspectives

Conclusion :

� Nous avons propose une nouvelle techniqued’identificationdesystemesOFDM basee sur un GLRT :

• Motifs de pilotes, estimation de certains parametres (canal,variance du bruit, . . .)

� Des techniques d’estimation demetriques de vertical handoverpour des systemesOFDMA :

• Nombre d’antennes de la station de base;• Taux d’allocation temps frequence.

� Des techniques d’estimation demetriques de vertical handoverpour des systemesCSMA/CA :

• Taux d’occupation du canal ;• Taux de collisions.


Conclusion et perspectivesConclusion et perspectives

Perspectives :

� GLRT : s’affranchir du RSB;� Taux allocation temps-frequence: trouver une metrique

complementaire ;� Decision : collaboration avec des specialistes afin developper

des algorithmes corss-layer.


Remerciements

� A. Aissa-El-Bey (S&C, TELECOM Bretagne) ;� S. Houcke (S&C, TELECOM Bretagne) ;� F-X. Socheleau (ENSTA Bretagne) ;� S. Gazor (Queen’s university, Kingston, Canada).


Fin !

Merci de votre attention !


Documents

Se´minaire SCEE : Identiﬁcation de Syst emes` OFDM … · Ce processus de migration est appele´ “Vertical Handover”. 3/58 Oularbi Rabie ... WiFi, WiMAX, LTE ... Espacement