180 lines
7.2 KiB
TeX
180 lines
7.2 KiB
TeX
\documentclass[a4paper,french,12pt]{article}
|
|
|
|
\title{Communications Numériques --- TD2\\Probabilités d'erreur dûes au bruit}
|
|
\author{}
|
|
\date{Dernière compilation~: \today{} à \currenttime}
|
|
|
|
\usepackage{styles}
|
|
|
|
\begin{document}
|
|
|
|
\maketitle
|
|
|
|
On considère une suite $\{a_{k'}\}$ binaire ($a_{k'} = 0$ ou 1) de débit 56 kbits/s.
|
|
Ces symboles sont émis indépendamment avec les probabilités $P(a_{k'}=0)=\frac{1}{3}$ et $P(a_{k'}=1)=\frac{2}{3}$.
|
|
|
|
On effectue un codage de la manière suivante~:
|
|
|
|
\begin{tabular}{ccc}
|
|
$\{a_{k'}\}$ & & $\{b_{k}\}$ \\
|
|
00 & $\rightarrow$ & +2 \\
|
|
11 & $\rightarrow$ & -2 \\
|
|
10 & $\rightarrow$ & +1 \\
|
|
01 & $\rightarrow$ & -1 \\
|
|
\end{tabular}
|
|
|
|
On émet un signal $x(t) = \sum b_k \, g(t-kT)$ avec $g(t) = +1$ (volt) pour $0 \leq t \leq T$ et 0 partout ailleurs sur un canal bruyant pour lequel on peut faire l'hypothèse de bruit blanc additif gaussien (\texttt{AWGN}).
|
|
|
|
La décision se fait à la réception en comparant le signal reçu $r(t)$ à des seuils de valeurs $S_1$, $S_2$ et $S_3$.
|
|
|
|
\begin{center}
|
|
\begin{tikzpicture}[scale=1, transform shape]
|
|
\draw [-latex] (-3,0) -- (4,0);
|
|
\node at (4,0.5) {\small Seuils};
|
|
\node at (4,-0.5) {\small $x(t)$};
|
|
\node at (-2,0) {$\times$};
|
|
\node at (-2,-0.5) {-2};
|
|
\node at (-1,0) {$\times$};
|
|
\node at (-1,-0.5) {-1};
|
|
\node at (1,0) {$\times$};
|
|
\node at (1,-0.5) {1};
|
|
\node at (2,0) {$\times$};
|
|
\node at (2,-0.5) {2};
|
|
\node at (-1.5,0.5) {$S_1$};
|
|
\node at (-1.5,0) {|};
|
|
\node at (0,0.5) {$S_2$};
|
|
\node at (0,0) {|};
|
|
\node at (1.5,0.5) {$S_3$};
|
|
\node at (1.5,0) {|};
|
|
\end{tikzpicture}
|
|
\end{center}
|
|
|
|
On rappelle que la densité de probabilité d'un bruit blanc $n(t)$ gaussien peut s'écrire~:
|
|
\begin{equation*}
|
|
p(n) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{n^2}{2\sigma^2}}
|
|
\end{equation*}
|
|
|
|
et que~:
|
|
\begin{equation*}
|
|
\int_{+a}^{+\infty} p(n) \dif n = \frac{1}{2} \mathrm{erfc}\left(\frac{a}{\sigma\sqrt{2}}\right)
|
|
\end{equation*}
|
|
|
|
\paragraph{1}
|
|
Donner la valeur de la rapidité de modulation de $x(t)$
|
|
|
|
\begin{align*}
|
|
R = \frac{1}{T} \text{ or } T = 2Tb \\
|
|
\text{d'où } R = \frac{1}{2Tb} = \frac{Db}{2} = 28 \text{ kbauds}
|
|
\end{align*}
|
|
|
|
\paragraph{2}
|
|
Donner les probabilités des $b_k$
|
|
|
|
\begin{align*}
|
|
p(a_{k'} = 1)
|
|
\left\{
|
|
\begin{array}{l}
|
|
\text{pour 1~: } p(a_k = 1 \text{ et } a_{k+1} = 1) = \frac{2}{3} \times \frac{2}{3} = \frac{4}{9} = p(b_k = -2) \\ \\
|
|
\text{pour 0~: } p(a_k = 1 \text{ et } a_{k+1} = 0) = \frac{2}{3} \times \frac{1}{3} = \frac{2}{9} = p(b_k = +1) \\
|
|
\end{array}
|
|
\right.
|
|
\\ \\
|
|
p(a_{k'} = 0)
|
|
\left\{
|
|
\begin{array}{l}
|
|
\text{pour 1~: } p(a_k = 0 \text{ et } a_{k+1} = 1) = \frac{1}{3} \times \frac{2}{3} = \frac{2}{9} = p(b_k = -1) \\ \\
|
|
\text{pour 0~: } p(a_k = 0 \text{ et } a_{k+1} = 0) = \frac{1}{3} \times \frac{1}{3} = \frac{1}{9} = p(b_k = +2) \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
\paragraph{3}
|
|
On considère le seuil de décision $S$ entre deux valeurs successives $V_1$ et $V_2$ que peuvent prendre les symboles $b_k$ de $x(t)$.
|
|
On note $P(V_1)$ la probabilité d'avoir $x(t) = V_1$ et $P(V_2)$ la probabilité d'avoir $x(t) = V_2$.
|
|
Démontrer que le seuil $S$ qu'il faut pour avoir la probabilité d'erreur la plus faible est~:
|
|
\begin{equation*}
|
|
S = S_0 + \Delta S
|
|
\end{equation*}
|
|
où
|
|
\begin{equation*}
|
|
S_0 = \frac{V_1 + V_2}{2} \quad\quad \Delta S = \frac{\sigma^2}{\Delta V} \ln(\frac{P(V_1)}{P(V_2)}) \quad\quad \Delta V = V_2 - V_1
|
|
\end{equation*}
|
|
|
|
\begin{equation*}
|
|
r(t) = b(t) + n(t) \text{ avec } n(t) \text{ le bruit blanc additif gaussien (AWGN)}
|
|
\end{equation*}
|
|
\begin{align*}
|
|
P_E &= p(V_2) \cdot p(r(t) < S) + p(V_1) \cdot p(r(t) > S) \\
|
|
&= p(V_2) \cdot p(n < S - V_2) + p(V_1) \cdot p(n > S - V_1) \\\\
|
|
\text{On note } p(n<\alpha) &= \int_{-\infty}^{+\alpha} p(n) \dif n = F(\alpha) \\
|
|
p(n>\alpha) &= \int_{+\alpha}^{+\infty} p(n) \dif n = 1 - F(\alpha)
|
|
\end{align*}
|
|
|
|
\begin{equation*}
|
|
\frac{\delta F(\alpha)}{\delta\alpha} = \frac{\delta(\int_{-\infty}^{+\alpha} p(n) \dif n)}{\delta\alpha} = p(\alpha)
|
|
\end{equation*}
|
|
|
|
\begin{align*}
|
|
\implies \text{Min} P_E &\implies \frac{\delta P_E(S)}{\delta S} = 0 \\
|
|
P_E &= p(V_2) \cdot F(S-V_2) + p(V_1) \cdot (1-F(S-V_1)) \\
|
|
\frac{\delta P_E}{\delta S} &= p(V_2) \cdot p(S-V_2) + p(V_1) \cdot (-p(S-V_1)) = 0 \\
|
|
&\implies \frac{p(S-V_2)}{p(S-V_1)} = \frac{p(V_1)}{p(V_2)} \\
|
|
\frac{p(V_1)}{p(V_2)} &= \frac{e^{\frac{-(S-V_2)^2}{2\sigma^2}}}{e^{\frac{-(S-V_1)^2}{2\sigma^2}}} = e^{-\frac{(S-V_2)^2}{2\sigma^2} + \frac{(S-V_1)^2}{2\sigma^2}} \\
|
|
2\sigma^2\ln{\frac{p(V_1)}{p(V_2)}} &= -(S-V_2)^2 + (S-V_1)^2 \\
|
|
&= -S^2 + 2SV_2 - V_2^2 + S^2 - 2SV_1 + V_1^2 \\
|
|
&= (V_2 - V_1)(2S - (V_1 + V_2)) \\
|
|
&= 2\Delta V(S-S_0) \\ \\
|
|
\implies S &= \frac{\sigma^2}{\Delta V}\ln{\frac{p(V_1)}{p(V_2)}} + S_0 = S_0 + \Delta S
|
|
\end{align*}
|
|
|
|
\paragraph{4}
|
|
En utilisant la formule de la question 3, donner les valeurs des seuils $S_1$, $S_2$ et $S_3$ qui permettent d'obtenir la probabilité d'erreur la plus basse (A.N. $\sigma^2 = \frac{1}{8} \text{ Volt}^2$)
|
|
|
|
% TODO: à faire
|
|
\begin{align*}
|
|
S_1 &= -1.41V \\
|
|
S_2 &= 0V \\
|
|
S_3 &= 1.59V \\
|
|
\end{align*}
|
|
|
|
\paragraph{5}
|
|
Avec les valeurs de seuils obtenus à la question 4, calculer la probabilité d'erreur
|
|
|
|
On donne le tableau suivant~:
|
|
|
|
\begin{center}
|
|
\begin{tabularx}{0.7\linewidth}{|Y|Y|Y|Y|Y|Y|Y|}
|
|
\hline
|
|
$x$ & 0.1 & 0.2 & 0.3 & 0.4 & 0.5 & 0.6 \\
|
|
\hline
|
|
$\mathrm{erfc}(x)$ & 0.8875 & 0.7773 & 0.6714 & 0.5716 & 0.4795 & 0.3961 \\
|
|
\hline
|
|
0.7 & 0.8 & 0.9 & 1.0 & 1.1 & 1.2 & 1.3 \\
|
|
\hline
|
|
0.3222 & 0.2579 & 0.2031 & 0.1573 & 0.1198 & 0.0897 & 0.0660 \\
|
|
\hline
|
|
1.4 & 1.5 & 1.6 & 1.7 & 1.8 & 1.9 & 2.0 \\
|
|
\hline
|
|
0.0477 & 0.0339 & 0.0237 & 0.0162 & 0.0109 & 0.0072 & 0.0047 \\
|
|
\hline
|
|
\end{tabularx}
|
|
\end{center}
|
|
|
|
\begin{align*}
|
|
P_E &= p(-2) \cdot p(n>0.59V) \\
|
|
&+ p(-1) \cdot p(n>1V) + p(-1) \cdot p(n<-0.41V) \\
|
|
&+ p(+1) \cdot p(n>0.59V) + p(+1) \cdot p(n<-1V) \\
|
|
&+ p(+2) \cdot p(n<-0.59V) \\
|
|
&= p(n>0.59) [p(-2)+p(+1)] + p(n>1) [p(-1)+p(+1)] + p(n>0.41) [p(-1)+p(+2)] \\
|
|
\end{align*}
|
|
Or $p(n<-x) = p(n>+x) = \frac{1}{2} \mathrm{erfc}\left(\frac{x}{\sigma\sqrt{2}}\right)$, et $\sigma^2=\frac{1}{8}$, donc~:
|
|
\begin{align*}
|
|
p(n>x) &= \frac{1}{2} \mathrm{erfc}\left(\frac{x\sqrt{8}}{\sqrt{2}}\right) \\
|
|
&= \frac{1}{2} \mathrm{erfc}(2x)
|
|
\end{align*}
|
|
\begin{align*}
|
|
P_E &= \frac{1}{2}\mathrm{erfc}(2\times 0.59) \left[\frac{4}{9}+\frac{2}{9}\right] + \frac{1}{2}\mathrm{erfc}(2\times 1)\left[\frac{2}{9}=\frac{2}{9}\right]+\frac{1}{2}\mathrm{erfc}(2\times 0.41)\left[\frac{2}{9}+\frac{1}{9}\right] \\
|
|
&= 7.4\%
|
|
\end{align*}
|
|
|
|
\end{document}
|