Télécommunications

numériques

Khaly TALL

Télécommunications numériques
 Structure d’une chaîne de transmission
• Objectifs :
• Connaître l'organisation et les principales fonctions associées aux systèmes de production, diffusion
et réception des signaux numériques
• Connaître les différents types de modulations numériques en radio, téléphonie et télévision et leurs
caractéristiques
• Connaître un ou plusieurs systèmes numériques complexes

• Contenu :
• Modulations numériques
• Codages de source et de voie des signaux numériques
• Systèmes numériques complexes
• Evaluation :
• Contrôle continu 1/3, DS 2/3 pour la moyenne théorique et pour la moyenne TP : compte rendus de
TP et éventuellement contrôle individuel

Télécommunications numériques [Link]@[Link] Page 2

 Structure d’une chaîne de transmission
• Signal analogique : le paramètre caractéristique de l’information à transmettre peut
évoluer de façon continue entre certaines limites : ce paramètre ou le signal m(t) suit de façon
continue la grandeur informationnelle à transmettre

• Signal numérique : le paramètre caractéristique de l’information à transmettre ne peut

prendre qu’un nombre fini de valeurs
• Différence fondamentale entre analogique et numérique
• Les signaux analogiques ont une origine physique
• Les signaux numériques ont une origine plus abstraite

 Divergence de critère de qualité de transmission côté utilisateurs :

• Pour les messages analogiques, on recherchera une grande fidélité : ressemblance maximum
entre m(t) et
• Pour les messages numériques, on recherchera une grande sûreté dans l’acheminement : le
problème pour le récepteur est de décider, pas à pas, auquel des messages possibles
ressemble le plus le message bruité qu’il reçoit.

Télécommunications numériques [Link]@[Link] Page 3

 Structure d’une chaîne de transmission
• Généralités sur les messages numériques
• Messages discrets – Alphabet – Symboles
• Codage binaire des messages discrets
• Nécessaire en télécommunications
• Cette opération
• s’appelle le transcodage
• respecte un code qui transforme les symboles en une suite de bits
• permet avec n bits de former 2n mots. En d’autres termes, le nombre minimum d’éléments
binaires n nécessaire pour coder un alphabet de S symboles (mots) vérifie n −1
2 S2 n

1
Débit binaire d’une source D=
Tb

D : nb d’e.b. délivrés par la source en 1 s

Tb : durée correspondant à 1 e.b.

Télécommunications numériques [Link]@[Link] Page 4

 Structure d’une chaîne de transmission
Qualité d’une transmission numérique
Perturbations pénalisantes dès lors qu’elles dégraderont suffisamment le signal pour qu’à la
réception un « 0 » soit pris pour un « 1 » et vice-versa
Taux moyen d’erreur ou probabilité d’erreur Pe
nombre d ' e.b. erronés
Pe =
nombre total d ' e.b. transmis
Nature et caractéristiques des principales sources de messages numériques
Sources discrètes par nature
Terminaux télégraphiques
Alphabétique
Permet de transmettre à distance, caractère par caractère un texte écrit
Alphabet fermé de 5 e.b. + inversion « chiffre » ou « lettres » : 64 symboles différents
Performances
Théoriques : Tb = 20 ms, soit D = 50 bit/s, soit 10 caractères /s
Pratiques : 6,7 caractères / s en raison existence d’éléments de séparation et synchronisation

Télécommunications numériques [Link]@[Link] Page 5

 Structure d’une chaîne de transmission
• Caractéristiques de la transmission de données
✓ Débit élevé
✓ Faible taux d’erreur admissible
✓ En TD, un critère simple consiste à considérer que le taux d’erreur doit être du même
ordre de grandeur que le calculateur (10-8 par exemple)
✓ Or, les liaisons typiques permettent d’obtenir un taux d’erreur de 10-4 à 10-5
 équipements de détection / correction d’erreurs
 Taux d’erreur résiduel
• Sources analogiques suivies d’un codeur A/N
• Parole (téléphonie commerciale)
Visiophonie (vidéo commerciale)
• D = 64 kbit/s
Compression de débit
• Pe = 10-4 Compression d’images
Télévision
• Télémesures Sans compression : débit théorique de 96 Mbits/s
Standard français : 45 Mb/s

Télécommunications numériques [Link]@[Link] Page 6

 Structure d’une chaîne de transmission

• Représentation électrique des messages binaires

• Codage binaire à signal
• « 0 » représenté par s0(t) de durée Tb
• « 1 » représenté par s1(t) de durée Tb
• Les plus utilisés :
• NRZ
• RZ
• Bi-
• Les variantes :
• Codage direct : « 0 », « 1 » : états intrinsèques des e.b.
• Codage par transition : « 0 », « 1 » : états relatifs des e.b. les uns par
rapports aux autres

Télécommunications numériques [Link]@[Link] Page 7

 Structure d’une chaîne de transmission

• Calcul des densités spectrales des messages binaires

• Notation
• s0(t) pour « 0 » si t  [0, Tb]
• s1(t) pour « 1 » si t  [0, Tb]

• s0(t)= s1(t) = 0 si t  [0, Tb]

• p0, p1 : probabilités a priori des e.b. « 0 » et « 1 » dans le message à

transmettre

Télécommunications numériques [Link]@[Link] Page 8

 Structure d’une chaîne de transmission

• Formules générales
On démontre que la DSP du message binaire comporte :
• Une partie continue (spectre continu)

c
Sm ( f ) =
1
Tb
 2

2 1
p0 sˆ0 ( f ) + p1 sˆ1 ( f ) − p0 sˆ0 ( f ) + p1sˆ1 ( f )
Tb
2

• Une partie discrète (spectre de raies)

2

1 k k k
Sm ( f ) = 2  p0 sˆ0 ( ) + p1sˆ1 ( )  ( f − )
d

Tb k =− Tb Tb Tb

Télécommunications numériques [Link]@[Link] Page 9

 Structure d’une chaîne de transmission

Exemple
• Si p0 = p1 = 1/2 (cas fréquent)
• spectre continu
c
Sm ( f ) =
1
2Tb
 2 2
sˆ0 ( f ) + sˆ1 ( f ) − 1
4Tb
sˆ0 ( f ) + sˆ1 ( f )
2

• spectre de raies
2

1 k k k
d
Sm ( f ) = 2 
4Tb k =−
ˆ
s0 (
Tb
) + ˆ
s1(
Tb
) (f − )
Tb
Si p0 = p1 = 1/2 et si s0(t) = - s1(t)

le spectre est entièrement continu

c 1 2 1 2
Sm ( f ) = Sm ( f ) = sˆ0 ( f ) = sˆ1 ( f )
Tb Tb
Télécommunications numériques [Link]@[Link] Page 10
 Structure d’une chaîne de transmission
• Schéma classique :
codage de source accès multiple
multiplexage modulation

Source chiffrement codage de canal étalement de spectre translation de fréquence

ampli antenne

Canal de transmission
décodage de source démultiplexage démodulation accès multiple

translation de fréquence
déchiffrement décodage de canal déétalement de spectre
ampli antenne

Télécommunications numériques [Link]@[Link] Page 11

 Théorie de l’information : Codage Source
● Soit une source d’émission de symboles alphabet-code

● Ex Alphabet source 𝑆 = 𝑆1 , 𝑆2 , 𝑆3 , … , 𝑆𝑛
● Suite de symboles – source S (s1s2s3, s1s2s3, s2s3s1, …)
● Les symboles ont une probabilité d’émission 𝑝1 , 𝑝, 𝑝, … , 𝑝𝑚
Définition de l’information mutuelle Ij pour mesurer l’incertitude
d’apparition du symbole Sj.
L’information Ij envoyée par une source numérique S lorsque le jème message
est transmis est :
𝐼𝑗 = − log 2 𝑝𝑗

Télécommunications numériques [Link]@[Link] Page 12

 Théorie de l’information L’entropie de l’ensemble I des documents est 𝐻 𝐼 = 2 ∗ 0,25 +

• Exemple d’application
Soit un dossier I comprenant 800 documents ayant 200 petits. Parmi ces 200 documents, 50 sont
rouges et 20 sont petits et rouges. Calculer les quantités d’information
I1 : des petits documents
I2 : des documents rouges et
I3 : des petits documents rouges
200 1
Probabilité de tirer un petit document est 𝑝1 = = = 2−2
800 4
Donc 𝐼1 = − log 2 𝑝1 = − log 2 2−2 = 2 bits/symbole
50 1 −4
Probabilité de tirer un document rouge est 𝑝2 = = =2
800 16
𝐼 = − log 𝑝 = − log 2 −4 = 4 bits/symbole
2 2 2 2
20 1 −1 −2
Probabilité de tirer un petit document rouge est 𝑝3 = = = 10 ∗2
800 40
𝐼3 = − log 2 𝑝3 = − log 2 −1
10 2 −2 = 3,32+2=5,32 bits /symbole

Télécommunications numériques [Link]@[Link] Page 13

 Théorie de l’information : Codage Source
● Définition : Un code source est une application qui, à tout symbole ou à une
suite de symboles source, fait correspondre une suite de symboles alphabet-
code
● Ex Alphabet source 𝑆 = 𝑆1 , 𝑆2 , 𝑆3 , … , 𝑆𝑛
● Suite de symboles – source S (s1s2s3, s1s2s3, s2s3s1, …
Alphabet code 𝑋 = 𝑋1 , 𝑋2 , 𝑋3 , … , 𝑋𝑚

Définition : Un code-bloc est un code qui, à tout symbole-source, fait

correspondre une suite de symboles-code

Propriété des codes : un code doit être à décodage unique

Télécommunications numériques [Link]@[Link] Page 14
 Codage Source
● Soit une source et son code
Source code On reçoit 010100 quel est le mot reçu ?
S1 0 On peut avoir 0-10-10-0 soit s1s2s2s1
S2 10
Ou 01-01-00 soit s4s4s3
S3 00
Donc deux décodages possibles
s4 01
Ce code n’est pas à décodage unique
● Code instantané ou préfixé : un code est instantané si aucun mot-code n’est
le préfixe d’un autre mot-code
Dans l’exemple précédent s1 est le préfixe de s3 et s4

Télécommunications numériques [Link]@[Link] Page 15

 Codage Source
● Soit une source et son code
Sour Code code Le code A n’est pas à décodage unique alors que le code
ce A B
B l’est
S1 0 0
Soit la suite de symboles reçue
S2 01 10
S3 011 110
011011101011001110010110
s4 0111 1110 Donner la suite de symboles codes correspondant
● 0-110-1110-10-110-0-1110-0-10-110 soit s1s3s4s2s3s1s4s1s2s3 avec le code B

Télécommunications numériques [Link]@[Link] Page 16

 Théorie de l’information
• Définition de l’entropie ou information mutuelle
moyenne :
• Source S = {s0, s1, s2, … sn} les symboles sont
indépendants de probabilités {p0, p1, p2, … , pn}
𝑀 𝑀

L’entropie 𝐻(𝑆) = − ෍ 𝑝𝑗 ⋅ 𝐼𝐽 = − ෍ 𝑝𝑗 ⋅ log 2 𝑝𝑗

𝑗=1 𝑗=1

H(S) s’exprime en bits (binary units)

L’entropie est la quantité d’information moyenne contenue dans
un symbole d’une source
L’entropie H(S) est maximum lorsque les probabilités sont égales

Télécommunications numériques [Link]@[Link] Page 17

 Théorie de l’information : Inégalité de Kraft
• L’inégalité de Kraft permet de tester si un code est
instantané ou à décodage unique
• Soit une source S = {s0, s1, s2, … sn}
• de probabilités {p0, p1, p2, … , pn}
• Soit le code alphabet {x0, x1, x2, … , xD} D nombre de
symboles du code alphabet
• Soit les mots codes C = {c0, c1, c2, … cm}
• de longueur L = {l0, l1, l2, … , lm}
• Une condition nécessaire pour avoir un code instantané
• 𝑚 −𝑙
σ𝑖=0 𝐷 𝑖 ≤ 1

Télécommunications numériques [Link]@[Link] Page 18

 Théorie de l’information
• Comment s'assurer de l'efficacité de la représentation
des données émises par une source ?
• Longueur moyenne d’un code :
𝑀

𝐿 = ෍ 𝑝𝑗 ⋅ 𝑙𝑗
𝑗=1
• Le premier théorème de Shannon :
La longueur moyenne d'un code quel que soit le procédé
d'encodage de source possède la limite suivante :
𝐿 ≥ 𝐻(𝑋)
𝐻(𝑋)
• On peut alors définir le critère d'efficacité suivant : 𝜂=
𝐿
• On définit la redondance R d’un code par : 𝑅 =1−𝜂
Télécommunications numériques [Link]@[Link] Page 19
 Théorie de l’information
● Le 2ème théorème de Shannon : codage de canal :
● Soit une source X d’entropie H(X) qui émet des symboles chaque Ts secondes sur un canal de
transmission de capacité C utilisé chaque Tc secondes.
● Si : 𝐻(𝑋) 𝐶
≤
𝑇𝑠 𝑇𝑐
● Le paramètre C/Tc est appelé le débit critique.

● 3ème théorème de Shannon : capacité d’un canal BBAG de bande passante

limitée B :
𝑆
𝐶 = 𝐵 ⋅ log 2 1+
𝑁

Télécommunications numériques [Link]@[Link] Page 20

 Théorie de l’information

21/72

Télécommunications numériques [Link]@[Link] Page 21

 Théorie de l’information
● Exercice : Une image de télévision noir et blanc est constituée de 3.105 pixels,
chacun de ces pixels peuvent prendre un niveau de luminosité parmi 10 avec la
même probabilité. On suppose que le rythme de transmission est de 30 images
par secondes et que SNR = 30dB. Déterminer la BP requise pour la transmission
de ce signal.

● H(X) = log2(10) = 3,32bits

● RB = H(X).30.3.105 = 29,9Mbits/s
● B = RB/log2(1001)  3MHz

Télécommunications numériques [Link]@[Link] Page 22

 Théorie de l’information
● Exercice : Soit un code avec des symboles constitués de bits de probabilité
d’émission p = ½
● Vérifier si les codes suivants sont instantanés ?

Symb Code A Code B

S1 0 0
S2 100 100
S3 110 110
s4 111 11

Télécommunications numériques [Link]@[Link] Page 23

 Théorie de l’information : codage de Huffman
● C’est un procédé de codage qui associe des codes courts aux symboles
plus probables et des codes longs aux symboles peu probables

● Arbre de Huffman ou arbre de construction d’un code.

● On part d’un nœud et on se déplace sur une branche vers la droite en lui
affectant 1 et une branche vers la gauche en lui affectant 0
● Chaque nœud a un père (vers le haut) et un ou deux fils (vers le bas) 0 1
● Un lien est une branche
● Un nœud qui n’a pas de fils est une feuille 0 10 1
00 01 10 11

Télécommunications numériques [Link]@[Link] Page 24

 Théorie de l’information : codage de Huffman
● Construire les arbres de Huffman des codes des symboles suivants. Calculer la longueur
moyenne des codes et leur entropie.
Caractère Prob Code X1 Code X2 Code X3
I ½ 1 0 0
B ¼ 00 10 01
F 1/8 01 110 011
O 1/8 10 111 111
Construire l’arbre de Huffman du code des symboles suivants
Caractère Prob Code X1
A 1/3 10
B 1/2 0
C 1/12 110
D 1/12 111

Télécommunications numériques [Link]@[Link] Page 25

 Théorie de l’information : codage de Huffman
● Algorithme de Huffman
● On démarre en rangeant par ordre décroissant les probabilités.
● A chaque étape, les nœuds sont rangés dans un tableau de valeurs des probabilités par
ordre décroissant
● Les deux nœuds du bas du tableau (les deux probabilités les plus faibles) sont associés
(proba additionnées) pour donner un nœud père.
● Le nouvel ensemble de nœuds (moins a nœud par rapport au précédent) est rangé comme
dans l’étape précédente
● On procède de la même manière jusqu’à obtenir 1 qui est un nœud unique
● L’ensemble initial des nœuds est constitué de feuilles donc des symboles de la source

Télécommunications numériques [Link]@[Link] Page 26

 Théorie de l’information : codage de Huffman
Caractère Prob
A 1/3
B 1/2
C 1/12
D 1/12

Exercice 1 soit le codage suivant à partir du tableau ci-dessus. (A ; 0); B; 1); (C;00) et (D;01).
Est-ce un code fonctionnel ?
Calculer sa longueur moyenne et son entropie
Exercice 2 : Soit une source S de 5 symboles. S={(A; 0,1); (B; 0,3), (C; 0,2); (D; 0,3), (E; 0,1)}
Construire son arbre de Huffman et déterminer les mots-codes.

Télécommunications numériques [Link]@[Link] Page 27

 Codage Canal : Codes Correcteurs d’Erreur
● Gain de codage :

28/72

Télécommunications numériques [Link]@[Link] Page 28

 Codage Canal : Codes Correcteurs d’Erreur
● Historique des CCE
1950 1960 1970

Shannon’s Paper
1948
Hamming Berlekamp and Massey
defines basic rediscover Euclid’s
binary codes Gallager’s Thesis polynomial technique
On LDPCs and enable practical
BCH codes Viterbi’s Paper algebraic decoding
Proposed On Decoding
Convolutional Codes

Reed and Solomon Forney suggests

define ECC Technique concatenated codes
Télécommunications numériques [Link]@[Link] Page 29
 Codage Canal : Codes Correcteurs d’Erreur
● Historique des CCE (suite)
1980 1990 2000

LDPC beats
RS codes appear
Turbo Codes
in CD players
For DVB-S2
Berrou’s Turbo Code
Standard - 2003
Paper - 1993
Renewed interest
Turbo Codes in LDPCs due to TC
Adopted into Research
Standards
TCM Heavily (DVB-RCS, 3GPP, etc.)
Adopted into Standards
Télécommunications numériques [Link]@[Link] Page 30
 Codage Canal : Codes Correcteurs d’Erreur

● On peut classer les CCE en fonction de leur structure. On a deux grandes familles :
● Les codes en blocs linéaires :
● Définition (Code en blocs) : Un code en blocs de taille M et de longueur n, défini sur un alphabet de q symboles,
est un ensemble de M séquences q-aires de longueur n appelées mots de code. Si q=2, les symboles sont des
bits. Généralement, M=qk, k étant un entier. Le code sera désigné par la paire (n,k). Chaque séquence de k
symboles d'information est codée en un mot de code constitué de n symboles. k est appelé dimension du code.
Un code en blocs associe donc aux k symboles d'information un mot de code de n symboles.

● Définition : (Rendement) : Le rendement R d’un code en blocs (n,k) est :

𝑘
𝑅 = ൗ𝑛
● La théorie de l'information indique que les très longs codes en blocs sont les plus puissants. De tels codes
sont difficiles à chercher théoriquement et nécessitent des circuits compliqués pour réaliser les opérations de
codage et de décodage.
● Les codes en blocs sont caractérisés par trois paramètres : leur longueur n, leur dimension k et leur distance
minimale dmin La distance minimale mesure la différence entre les deux mots de code les plus similaires.

Télécommunications numériques [Link]@[Link] Page 31

 Codage Canal : Codes Correcteurs d’Erreur

● Définition (Distance de Hamming) : Soient x et y deux séquences q-aires de longueur n. La distance

de Hamming entre x et y, notée dH(x,y), est le nombre de symboles différents entre les deux
séquences.

● Exemple : Considérons deux séquences binaires x=10101 et y=01100.

La distance de Hamming dH(x,y) est égale à 3.
● Définition (Distance minimale) : Soit C={ci,i=1,…,M} un code en bloc. La distance minimale dmin du
code C est la distance de Hamming entre les deux mots de code les plus proches :

𝑑 min 𝑑𝐻 𝑐𝑖 ; 𝑐𝑗 , ∀𝑖, 𝑗 = 1, ⋯ 𝑀, 𝑖 ≠ 𝑗
min
● Définition (Capacité de correction) : La capacité de correction d’un code en blocs est donnée par :
𝑑min − 1
𝜏=
2

Télécommunications numériques [Link]@[Link] Page 32

 Codage Canal : Codes Correcteurs d’Erreur

● Un code en blocs linéaire est facilement décrit par sa matrice génératrice

G. Ainsi la méthode de codage s’écrit-elle :
c=m.G où m est le message
● Tout code en blocs admet une matrice de test de parité H telle que :
G.H =0
T

● Définition (code systématique) : Un code systématique est un code dans

lequel un mot de n symboles contient les k symboles d'information non
modifiés. Les n-k symboles restant sont appelés symboles de parité. G
est équivalente à une matrice de la forme : 𝐺 = 𝑃 ⋮ 𝐼𝑘
● G est une matrice (k, n), P une matrice (k, n-k) et
● Ik la matrice identité (k, k)
Télécommunications numériques [Link]@[Link] Page 33
 Codage Canal : Codes Correcteurs d’Erreur

● La matrice de test de parité H est duale de G.

𝑇
H= 𝐼𝑛−𝑘 ⋮ 𝑃

● En décomposant les matrices on a :

𝑇 𝐼𝑛−𝑘
G 𝐻 = 𝑃 ⋮ 𝐼𝑘
𝑃
● Exemple : soit le code (5, 2) défini par : n=5, k=2, n-k=3
1 0 11 0 1 0 1 1 0 0 1 0
G= P=
0 1 10 1 0 1 1 H= 0 1 0 0 1
1 0 0 0 1 1 1
I=
0 1
Télécommunications numériques [Link]@[Link] Page 34
 Codage Canal : Codes Correcteurs d’Erreur

● Exemple : code de Hamming (7,4) :

1 1 0 1 0 0 0
0 1 1 0 1 0 0
𝐺=
1 1 1 0 0 1 0
1 0 1 0 0 0 1

➔Quels sont les mots du code ? Ce code est-il systématique ?

➔Donner dmin et en déduire la capacité de correction de ce code
➔Calculer H
➔Soit r =(1001001) un mot reçu. Montrer qu’il contient une erreur et que le
récepteur peut la localiser et la corriger.

Télécommunications numériques [Link]@[Link] Page 35

 Codage Canal : Codes Correcteurs d’Erreur

● Exemple : code de Hamming (7,4) :

1 1 0 1 0 0 0
0 1 1 0 1 0 0
𝐺=
1 1 1 0 0 1 0
1 0 1 0 0 0 1

➔Quels sont les mots du code ? Ce code est-il systématique ?

➔Donner dmin et en déduire la capacité de correction de ce code
➔Calculer H
➔Soit r =(1001001) un mot reçu. Montrer qu’il contient une erreur et que le
récepteur peut la localiser et la corriger.

Télécommunications numériques [Link]@[Link] Page 36