211 articles  [english version]
Fiche détaillée Thèses
Institut National Polytechnique de Grenoble - INPG (25/11/2008), Genevieve JOURDAIN et Laurent ROS (Dir.)
Liste des fichiers attachés à ce document : 
PDF
rapport.pdf(1.7 MB)
ANNEX
Presentation_these_.pdf(2.5 MB)
Estimation de canal radio-mobile à évolution rapide dans les systèmes à modulation OFMD
Hussein Hijazi1

Cette thèse s'inscrit dans le cadre des systèmes radiocommunications numériques pour des récepteurs mobiles basés sur la modulation multi-porteuse OFDM. L'objectif est de proposer des algorithmes d'estimation de canal et de suppression d'IEP pour les
récepteurs OFDM à grande mobilité en liaison descendante. Notre démarche est d'estimer les paramètres de propagation du canal physique tels que les retards et les variations temporelles des gains complexes du canal à trajet multiples, au lieu du canal discret équivalent. Nous avons développé une approximation à base de polynôme pour l'évolution des gains complexes d'un canal multi-trajet de type Rayleigh avec un spectre de Jakes. En se basant sur cette modélisation polynomiale, nous avons présenté une étude théorique sur les Bornes de Cramér-Rao Bayésiennes (BCRBs) pour l'estimation des gains complexes du canal, en supposant les délais des trajets connus. Enfin, nous avons développé et analysé trois algorithmes itératifs d'estimation des variations temporelles des gains complexes (à l'intérieur d'un symbole OFDM) et de suppression d'IEP pour des récepteurs à grande mobilité. Les deux premiers sont basés sur l'interpolation (passe-bas ou polynomiale) des valeurs moyennes estimées et sur un égaliseur SSI. Ils ont montré de bonnes performances pour des récepteurs à vitesses modérées (i.e., fd.T <= 0.1). Le troisième algorithme est basé sur une modélisation AR et un filtre de Kalman pour estimer les coefficients polynomiaux des gains complexes, et sur un égaliseur QR. Il a fait preuve de bonnes performances pour des récepteurs à vitesses très élevées (i.e. , fd.T> 0.1).
1 :  GIPSA-lab - Grenoble Images Parole Signal Automatique
canal radio-mobile – modulation OFDM – estimation de canal – canal variant avec le temps – interférence entre porteuses (IEP) – supression successive des interférences (SSI) – décomposition QR – filtre de Kalman – modèle autorégressif (AR) – régression polynomiale – Borne Cramér-Rao Bayesienne (BCRB).

High speed radio-mobile channel estimation in OFMD Systems
This thesis deals with the case of a high speed mobile receiver operating in an orthogonal-frequency-division-multiplexing (OFDM) downlink communication system. We aim to propose algorithms for channel estimation and ICI suppression in fast fading environments. We sought to directly estimate the physical channel, instead of the equivalent discrete-time channel taps. This means estimating the physical propagation parameters such as multi-path delays and multi-path complex gains. We have first developped a polynomial approximation for the time-variation of a Rayeligh complex gain with Jakes spectrum. Using this polynomial modelisation, we have investigated the Bayesian Cramer Rao Bound (BCRB) related to the estimation of time-varying and time-invariant complex gains within on OFDM symbol, assuming knowledge of delay-related information. Finally, we have proposed and analysed three iterative algorithms for estimating the time-variation complex gains (within on OFDM symbol) with ICI mitigation. The first two algorithms use a low pass interpolation or a polynomial approximation based on the estimated time-averaged gain values, and uses a SIS equalizer. They have shown a significant performance improvement for moderate Doppler spread (i.e., fd.T <= 0.1). The last algorithm uses an auto-regressive (AR) model and a Kalman filter to estimate the polynomial coefficients of the complex gains, and uses QR equalizer. It demonstrates a good performance for very high Doppler spread (i.e., fd.T> 0.1).
radio-mobile channel – OFDM modulation – channel estimation – time-varying channel – inter-carrier interference (ICI) – successive interference suppression (SIS) – QR decomposition – Kalman filter – auto-regressive model – polynomial regression – Bayesian Cramer-Rao Bound (BCRB).