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.
4.4 Application à la formation de faisceaux spatio-temporelle 71<br />
Comme cela a été démontré dans [47, 48], et ajouté au fait que, pour tout m, les valeurs propres de<br />
B −1<br />
m,n A m,n sont dans I ω , Théorème 2 conduit au corollaire suivant :<br />
Corollaire 1 Pour tout entier l, les l plus petites et plus grandes valeurs propres généralisées de (A m,n ,B m,n )<br />
sont convergentes en m et<br />
lim λ nm−l+1(A m,n ,B m,n ) = minλ n (A(ω),B(ω))<br />
m→∞ ω<br />
et<br />
lim λ l(A m,n ,B m,n ) = max λ 1(A(ω),B(ω)).<br />
m→∞ ω<br />
Remarque : les résultats de ce paragraphe s’appliquent naturellement dans le cas particulier de matrices<br />
Toeplitz Hermitiennes (n = 1) générées par les spectres scalaires a(ω) = ∑ k a ke −ikω et b(ω) = ∑ k b ke −ikω .<br />
En particulier, les deux limites du corollaire précédent se réduisent à respectivement min ω b −1 (ω)a(ω) et<br />
max ω b −1 (ω)a(ω).<br />
4.4 Application à la formation de faisceaux spatio-temporelle<br />
La formation de faisceaux est utilisée dans de nombreuses applications. Elle consiste à filtrer spatialement<br />
des signaux, grâce à un réseau de capteurs, et permet de former des trous dans la direction des<br />
interférences tout en maintenant un gain donné dans la direction souhaitée. Habituellement, les signaux<br />
sont bande étroite [33] et peuvent être efficacement traités par utilisation d’un filtrage spatial seul (cf. par<br />
exemple [2]). Cependant, lorsque les signaux sont large bande, les performances de la formation de faisceaux<br />
se dégradent (voir le chapitre précédent). Une sorte de compensation fréquentielle est requise pour<br />
garder de bonnes performances en rejection des interférences. Cela peut se faire par des implémentations<br />
dans le domaine temporel ou fréquentiel, dont les performances dépendent de l’environnement du signal<br />
et des interférences [35,39,52,59]. Dans ce chapitre, on s’intéresse à une implémentation dans le domaine<br />
temporel, par utilisation de lignes à retard (cf. par exemple [50]). Cette implémentation a été étudiée par<br />
de nombreux auteurs au travers de simulations numériques [49–51,54] pour différents critères d’optimisation<br />
des filtres. Cependant, à notre connaissance, peu de résultats analytiques existent dans le cas du<br />
filtrage maximisant le SINR. De plus, les études précédentes ont été effectuées pour des antennes linéaires<br />
ou circulaires ayant un nombre limité d’éléments (cf. par exemple [3,53,54]) parce que l’analyse avec un<br />
nombre quelconque d’éléments est fastidieuse. A la différence des approches précédentes, notre approche<br />
est asymptotique par rapport au nombre de retards mais peut être appliquée à des antennes quelconques<br />
possédant un nombre fixé mais arbitraire de capteurs.<br />
Comme dans [6], nous supposons que les signaux en sortie de chaque capteur ont été démodulés<br />
en quadrature et que l’espacement entre les retards est inférieur ou égal à la période de Shannon 1 T =<br />
B où B est la bande des signaux. Après le rappel de l’expression des matrices de covariance spatiotemporelles,<br />
on montre que le SINR spatio-temporel optimal peut être interprété comme la valeur propre<br />
généralisée maximale d’une paire de matrices bloc Toeplitz. Ensuite, en utilisant Corollaire 1, on étudie<br />
les performances asymptotiques, en terme de SINR après formation de faisceaux spatio-temporelle, au<br />
sens du nombre de retards. Finalement, on analyse l’influence des différents paramètres d’implémentation<br />
et on illustre les résultats au travers d’exemples numériques.<br />
4.4.1 Modélisation des données<br />
Considérons un réseau composé de N capteurs. On note B la bande des signaux autour de la fréquence<br />
porteuse f 0 . Ensuite, on considère un environnement composé d’un champ d’interférences, de bruit thermique<br />
et d’un signal utile. Les signaux d’interférence et le bruit thermique sont modélisés par des processus<br />
aléatoires stationnaires au second ordre, de largeur de bande non nulle, et de plus, le bruit thermique