La synchronisation temporelle des systèmes MIMO a été abondamment étudiée dans les quinze dernières années, mais la plupart des techniques existantes supposent que le bruit est blanc temporellement et spatialement, ce qui ne permet pas de modéliser la présence d'interférence. Nous considérons donc le cas de bruits blancs temporellement mais pas spatialement, dont la matrice de covariance spatiale est inconnue. En formulant le problème de l'estimation de l'instant de synchronisation comme un test d'hypothèses, nous aboutissons au test du rapport de vraisemblance généralisé (GLRT) qui donne lieu à la comparaison avec un seuil d'une statistique de test eta_GLRT. Cependant, pour des raisons de complexité, l'utilisation de cette statistique n'est pas toujours considérée comme réaliste. La première partie de ce travail a donc été consacrée à mettre en évidence des tests alternatifs moins complexes à mettre en œuvre, tout en ayant des performances similaires. Une analyse comparative exhaustive, prenant en considération le bruit et l'interférence, le type de canal, le nombre d'antennes en émission et en réception, et l'orthogonalité de la séquence de synchronisation est réalisée. Enfin, nous étudions le problème de l'optimisation du nombre d'antennes en émission K pour la synchronisation temporelle, montrant que pour un RSB élevé, les performances augmentent avec K dès que le produit de K avec le nombre d'antennes de réception M n'est pas supérieur à 8.Le deuxième aspect de ce travail est une analyse statistique de eta_GLRT dans le cas où la taille de la séquence d'apprentissage N est du même ordre de grandeur que M, ce qui conduit naturellement à étudier le comportement de eta_GLRT dans le régime asymptotique des grands systèmes M tend vers l'infini, N tend l'infini de telle sorte que M/N tende vers une constante non nulle. Nous considérons le cadre applicatif d'un système muni d'une unique antenne d'émission et d'un canal à trajets multiples, qui est formellement identique à celui d'un système MIMO dont le nombre d'antennes d'émissions correspondrait au nombre de trajets. Lorsque le nombre de trajets L est beaucoup plus faible que N et M, nous établissons que eta_GLRT a un comportement gaussien avec l'espérance asymptotique L log (1 / (1-M/N)) et la variance (L/N)*(M/N)/(1-M/N). Ceci est en contraste avec le régime asymptotique standard quand N tend vers l'infini et M et L fixe où eta_GLRT a un comportement chi2. Sous l'hypothèse H_1, eta_GLRT a aussi un comportement gaussien. Nous considérons également le cas où le nombre de trajets L tend vers l'infini à la même vitesse que M et N. Nous utilisons des résultats connus concernant le comportement des statistiques linéaires des valeurs propres des grandes F matrices, et déduisons que dans le régime où L,M,N tendent vers l'infini à la même vitesse, eta_GLRT a encore un comportement gaussien sous H_0, mais avec une espérance et variance différentes. L'analyse de eta_GLRT sous H_1 lorsque L,M,L convergent vers l'infini nécessite l'établissement d'un théorème central limite pour les statistiques linéaires des valeurs propres de matrices F de moyennes non-nulles, une tâche difficile. Motivé par les résultats obtenus dans le cas où L reste fini, nous proposons d'approximer la distribution asymptotique par une distribution gaussienne dont l'espérance et la variance sont la somme de l'espérance et la variance asymptotique sous H_0quand L tend vers l'infini avec l'espérance et la variance asymptotique sous H_1 dans le régime classique N tend vers l'infini et M fixé. Des simulations numériques permettent de comparer les courbes ROC des différents approximant avec des courbes ROC empiriques. Les résultats montrent que nos approximant de grandes dimensions fournissent de meilleurs résultats quand M/N augmente, tout en permettant de capturer la performance réelle pour les petites valeurs de M/N / Time synchronization of MIMO systems have been strongly studied in the last fifteen years, but most of the existing techniques assume a spatially and temporally white noise, which does not allow modeling the presence of interference. We consider thus a temporally white but spatially colored noise, with an unknown covariance matrix. Formulating the estimation problem as a hypothesis testing problem, we obtain a Generalized likelihood ratio test (GLRT), which gives us a synchronization statistics eta_GLRT. However, for complexity reasons, it is not always considered realistic for practical situations. A part of this work has thus been devoted to showing that there exist non-GLRT statistics that are less complex to implement than theet a_GLRT, while having similar performance. Furthermore, we perform a comparative parameter analysis, taking into consideration the noise type, channel type, the number of transmit and receive antennas, and the orthogonality of the synchronization sequence. Lastly, the problem of optimization of the number of transmit antennas K for time synchronization has been investigated. showing, for high SNR, increasing performance with K as long as the product KM is not larger than 8, where M is the number of receive antennas. The second aspect of MIMO synchronization studied in thesis is asymptotic analysis of the same GLRT, but for large M. In this context, the synchronization sequence length N is the same order of magnitude as M, and this leads us naturally to the study of the the behavior of eta_GLRT in the asymptotic regime where M,N go towards infinity such that M/N go towards a non-zero constant. We consider the case of a single transmit antenna in a multi-path channel, which formally is equivalent to the MIMO system where the transmit antennas correspond to the number of paths. We address the case When the number of paths L does not scale with M and N, we establish that eta_GLRT has a Gaussian behavior with asymptotic mean L log (1/ (1 - M/N))and variance (L/N)*(M/N)/(1-M/N).This is in contrast with the standard asymptotic regime N goes to infinity and M fixed where eta_GLRT has a chi^2 behaviour. Under hypothesis H_1, eta_GLRT still has a Gaussian behaviour. The corresponding asymptotic mean and variance are obtained as the sum of the asymptotic mean and variance in the standard regime N goes to infinity and M fixed, and L log(1/(1-/M/N))L log (1 / (1-M/N)) and (L/N)*(M/N)/(1-M/N)respectively, i.e. the asymptotic mean and variance under H_0.We also consider the case where the number of paths L converges towards infinity at the same rate as M and N. Using known results of concerning the behaviour of linear statistics of the eigenvalues of large F-matrices, we deduce that in the regime where L,M,N converge to infinity at the same rate, eta_GLRT still has a Gaussian behaviour under H_0, but with a different mean and variance. The analysis of eta_GLRT under H_1 whenL,M,N converge to infinity needs to establish a central limit theorem for linear statistics of the eigenvalues of large non zero-mean F-matrices, a difficult ask. Motivated by the results obtained in the case where L remains finite, we propose to approximate the asymptotic distribution of eta_GLRT by a Gaussian distribution whose mean and variance are the sum of the asymptotic mean and variance under H_0when L goes to infinity with the asymptotic mean and variance under H_1 in the standard regime N goes to infinity and M fixed. Numerical simulations allow to compare the ROC curves obtained with the different approximations with the empirical ROC curves. The results show that the large-system approximations provide better results when M/N increases, while also allowing to capture the actual performance for small values of M/N
Identifer | oai:union.ndltd.org:theses.fr/2015PESC1206 |
Date | 17 December 2015 |
Creators | Hiltunen, Sonja |
Contributors | Paris Est, Loubaton, Philippe |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0033 seconds