TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
56 Robustesse de la formation de faisceaux bande étroite par rapport à la largeur de bande<br />
effectuée dans la section précédente peut donc s’appliquer, conduisant à une expression des puissances<br />
de signal et de bruit sur chaque sous-bande à partir desquelles le SINR peut être calculé. Tout d’abord,<br />
on étudie le cas d’une décomposition en sous-bandes par Transformée de Fourier Discrète (TFD). Puis,<br />
on s’intéresse au cas d’une décomposition en sous-bandes par utilisation d’un banc de filtre sélectif en<br />
fréquence.<br />
3.5.1 Décomposition par TFD<br />
Expression des matrices de covariance spatio-fréquentielles<br />
On note M le nombre de sous-bandes en lequel les données sont décomposées par TFD et T la<br />
période d’échantillonnage temporel. Ensuite, on appelle f max la fréquence maximale dans la bande et on<br />
suppose que l’échantillonnage spatial s’effectue avec une distance intercapteur minimale (donc égale à<br />
c<br />
2f max<br />
) afin d’éviter toute ambiguïté spatiale. Puis, on introduit Y = [y0 TyT 1 · · ·yT M−1 ]T les données spatiofréquentielles<br />
où (y m ) m=0..M−1 sont les données spatiales sur la fréquence m. La matrice de covariance<br />
spatio-fréquentielle des données est E{YY H } dont les blocs sont les matrices E{y m yl H }. Ensuite, notons<br />
e mk = e<br />
−j2π<br />
mk<br />
M les éléments de la transformation par TFD et :<br />
⎡<br />
e m = ⎢<br />
⎣<br />
1<br />
e j2π m M<br />
.<br />
m(M−1)<br />
j2π<br />
e M<br />
On introduit également la matrice T m = [ e m0 I N e m1 I N<br />
]<br />
... e mM−1 I N où IN est la matrice identité<br />
de taille (N × N). Avec ces notations, on a :<br />
⎤<br />
⎥<br />
⎦ .<br />
E{y m y H l } = T m (R S,M + R M )T H l<br />
où R S,M et R M sont les matrices de covariance spatio-temporelles respectives du signal utile et des<br />
interférences plus bruit. Elles sont de dimension NM × NM. En raison de la stationnarité des processus,<br />
ces matrices sont bloc-Toeplitz et peuvent s’écrire sous la forme :<br />
⎡<br />
⎤<br />
R 0 R H 1 · · · R H M−1<br />
. R .. . .. 1 R<br />
H M−2<br />
⎢<br />
⎣<br />
.<br />
. ..<br />
⎥<br />
(3.31)<br />
. ⎦<br />
R M−1 R M−2 ... R 0<br />
où<br />
et<br />
R m =<br />
∫ B<br />
2<br />
− B 2<br />
σ 2 S<br />
B φ(θ S,f 0 + f)φ(θ S ,f 0 + f) H e −i2πmfT df<br />
∫ B [<br />
2 σ<br />
2<br />
]<br />
R m = J<br />
− B B φ(θ J,f 0 +f)φ(θ J ,f 0 +f) H + σ2 n<br />
B I e −i2πmfT df<br />
2<br />
avec m = 0,...,M − 1, pour ¯R S,M et ¯R M respectivement. On en déduit que [39] :<br />
∫ B<br />
E{y m yl H 2<br />
}= [ σ2 S<br />
− B B φ S(f 0 +f)φ S (f 0 +f) H + σ2 J<br />
B φ J(f 0 +f)φ J (f 0 +f) H ]a(f,m − l)df +δ(m − l)MσnI 2 N<br />
2<br />
avec<br />
a(f,m) = ∣ ∣ e<br />
H<br />
m e(f) ∣ ∣ 2 , m = 0,...,M − 1 (3.32)