Ecole Supérieure des Communications de Tunis (SUP’COM)
TP 1
Outils pour la simulation de chaı̂nes de communications numériques
1 Objectif
Le but de ce TP est de se familiariser avec quelques notions essentielles de communications
numériques par le biais de la simulation sous Matlab.
2 Introduction
Nous souhaitons transmettre sur un canal de type BBAG (Bruit Blanc Additif Gaussien) une
suite de symboles {ak } d’information à la cadence 1/Tb comme le montre la Figure 1.
F IGURE 1 – Chaı̂ne de transmission numérique utilisant une modulation MDA
Avant d’être émise sur le canal physique, cette suite est mise en forme par le biais d’un filtre
linéaire analogique de mise en forme g(t). Ainsi, le signal analogique émis e(t) est le suivant :
X
e(t) = ak g (t − kTb ) . (1)
k
Le signal reçu, r(t), après le passage du signal émis e(t) dans le canal est donné par :
r(t) = e(t) + B(t), (2)
où B(t) est le BBAG.
Ce TP a pour objectif d’étudier chaque bloc constituant la chaı̂ne de transmission numérique
représentée dans la Figure 1.
3 Travail demandé
Partie I
1. Générer à l’aide de la fonction Matlab “randint” N échantillons d’une source binaire où
N est le nombre de bits à émettre. Les N échantillons seront stockés dans un vecteur
ligne.
2. Effectuer le codage de Gray de la source binaire en symboles ak dans l’alphabet M-
aire {±A, ±3A, · · · , ± (M − 1) A} où A est un réel strictement positif permettant de
contrôler l’énergie moyenne transmise par bit. Dans la suite, nous nous limitons au cas
binaire : M = 2.
On doit convertir le signal en temps discret composé des symboles ak en un signal
analogique :
X
a(t) = ak δ (t − kTb ) (3)
k
où δ(t) est l’impulsion de Dirac et Tb correspond à la durée d’un bit.
Ensuite, nous proposons d’échantillonner ce signal à la fréquence d’échantillonnage
égale à F/Tb où F est le facteur de sur-échantillonnage que l’on fixera à 8. Echan-
tillonner le signal a(t) à fe = F/Tb revient à insérer F − 1 zéros entre deux symboles
consécutifs.
3. Représenter le signal discret ainsi obtenu (utiliser la fonction “scatter” de Matlab).
Partie II
On désire simuler un filtre dit filtre de mise en forme en racine de cosinus surélevé, couram-
ment utilisé dans les chaı̂nes de communications numériques. Sa réponse implusionnelle a pour
expression :
πt πt
1 sin Tb (1 − α) + cos Tb (1 + α)
g(t) = √ × " 2 # (4)
Tb
πt 4αt
Tb
1−
Tb
où α est dit coefficient de retombé (roll-off) compris entre 0 et 1. On fixera Tb = 1. Il est à noter
que g(t) est de durée infinie et présente trois formes indéterminées en t = 0 et t = ±Tb /4α.
1. Calculer les limites correspondantes par développement limité ou en utilisant la fonction
“limit” de Matlab. Etudier cette fonction pour l’utiliser ultérieurement.
2. Pour les valeurs de α = 0, 1, 0, 25 et 0, 9, stocker dans un vecteur ligne les échantillons
de la troncature de g(t) sur [−KTb , KTb ] où K = 8.
3. Tracer sur la même figure l’évolution des échantillons du filtre g(t) en fonction du temps
pour les différentes valeur de α (fonction “subplot” de Matlab).
4. Vérifier que l’énergie du filtre échantillonné g(t) vaut F .
5. Générer une version échantillonnée du signal émis, e(t), en effectuant la convolution
discrète des versions échantillonnées de a(t) et g(t). On utilisera la commande Matlab
“conv”.
Partie III
1. Etudier la fonction “randn” de Matlab. Déduire comment on peut générer un bruit Gaus-
sien de moyenne nulle et de variance σ 2 quelconque.
2. Utiliser cette fonction pour générer des échantillons d’un bruit Bk discret, Gaussien et
de variance N0 /2. La valeur de N0 sera déduite de la valeur en décibel de Eb /N0 qu’on
désire simuler.
Partie IV
On fixera Ts = Tb = 1.
1. Déterminer le filtre adapté.
2. Tracer le diagramme de l’œil pour α = 0, 1, 0, 25 et 0, 9. On rappelle que le diagramme
de l’œil s’obtient en superposant toutes les traces de la sortie du filtre adapté en absence
de bruit. Interpréter l’ouverture horizontale du diagramme de l’œil en fonction de la
valeur du coefficient de retombée.
3. Etudier l’effet de l’interférence entre symboles à travers la fermeture verticale du dia-
gramme de l’œil pour une troncature très sévère du filtre de mise en forme g(t). On
rappelle qu’en pratique le critère de Nyquist n’est vérifié qu’approximativement pour
des grandes valeurs de K. Prendre par exemple K = 2 et K = 4 pour α = 0, 25.
4. Générer le signal filtré décimé d’un facteur F servant à la prise de décision. La phase
d’échantillonnage t0 doit correspondre à l’ouverture maximale du diagramme de l’œil.
Le filtre g(t) étant non causal, on a dû le retarder lors de l’implémentation sous Matlab.
Ce qui fait que la sortie du filtre de mise en forme est retardée de la moitié de la taille
du filtre g(t). De même pour le filtre adapté. Ainsi la phase d’échantillonnage t0 vaut
la taille du filtre g(t) en nombre d’échantillons. Autrement dit, la variable de décision
permettant d’estimer le premier symbole émis se trouve à l’indice taille du filtre g(t)
en nombre d’échantillons. Pour récupérer le symbole suivant, il suffit d’avancer d’une
période symbole, c’est-à-dire de F échantillons.
5. Vérifier qu’en absence de bruit, la variable de décision correspondante au symbole an
vaut :
X
z (t0 + nTs ) = an g (kTe )2 = an F (5)
k
6. Générer des échantillons du signal reçu bruité : z(t) = e ∗ gr (t) + b(t).