13.07.2015 Views

Mécanismes de fiabilisation pro-actifs - ISAE

Mécanismes de fiabilisation pro-actifs - ISAE

Mécanismes de fiabilisation pro-actifs - ISAE

SHOW MORE
SHOW LESS
  • No tags were found...

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Chapitre 7Conclusion et perspectives7.1 Résumé <strong>de</strong>s contributions et perspectives futuresDans ce chapitre, nous résumons les principales contributions <strong>de</strong> ce manuscrit etles pistes d'étu<strong>de</strong> envisagées.Tout d'abord, nous avons présenté un modèle mathématique pour les mécanismes<strong>de</strong> compression d'en-têtes <strong>pro</strong>tocolaires. Nous sommes parvenus à modéliser le comportement<strong>de</strong> mécanismes unidirectionnels et également à voie <strong>de</strong> retour. Nous avonségalement pu appliquer ce modèle au <strong>pro</strong>tocole ROHC qui est à ce jour un mécanismesophistiqué et largement déployé, mais pénalisé par sa relative complexité. Au prix <strong>de</strong>quelques restrictions, nous sommes parvenus à comparer les mo<strong>de</strong>s avec et sans voie<strong>de</strong> retour <strong>de</strong> ROHC et ce, dans diérents scénarios d'exploitation. A ce jour, le modèleprésenté reste le seul outil mathématique permettant une comparaison complète <strong>de</strong>smécanismes <strong>de</strong> compression unidirectionnels avec et sans voie <strong>de</strong> retour.Les perspectives concernant ce modèle consistent principalement à adapter <strong>de</strong> manièreplus précise les mécanismes spéciques aux <strong>pro</strong>tocoles visés. Une autre ap<strong>pro</strong>checomplémentaire serait aussi <strong>de</strong> permettre une modélisation ecace <strong>de</strong>s nouvelles implémentations<strong>de</strong> ROHC (ROHCv2). Le but serait alors <strong>de</strong> permettre une utilisationplus adaptée <strong>de</strong> ces <strong>pro</strong>tocoles en fonction <strong>de</strong>s cas d'exploitations souhaités.Par la suite, nous avons présenté trois contributions sur les co<strong>de</strong>s à eacements. Lapremière est un co<strong>de</strong> à eacements original basé sur un décodage hybri<strong>de</strong> <strong>de</strong> la matricegénératrice et <strong>de</strong> la matrice <strong>de</strong> parité. En contraignant la partie non-systématique duco<strong>de</strong> dans une ban<strong>de</strong>, nous sommes parvenus à augmenter signicativement la vitesse<strong>de</strong> décodage <strong>de</strong> ces co<strong>de</strong>s LDPC particuliers, dans les cas diciles, sans pour autantimpacter gran<strong>de</strong>ment la capacité <strong>de</strong> correction du co<strong>de</strong>. Ce co<strong>de</strong> LDPC particulier seprésente donc comme une alternative intéressante aux co<strong>de</strong>s LDPC classiques.Néanmoins, nous n'avons pas utilisé le fait que la structure <strong>de</strong> la matrice <strong>de</strong> parité<strong>de</strong> ces co<strong>de</strong>s était <strong>pro</strong>che <strong>de</strong> celle d'une matrice ban<strong>de</strong> également. Plus précisément,elle peut être ramenée à la concaténation <strong>de</strong> <strong>de</strong>ux matrices ban<strong>de</strong>s. Ceci ouvre donc<strong>de</strong>s perspectives intéressantes pour ces co<strong>de</strong>s, notamment pour une éventuelle adaptationdu décodage ML directement sur la matrice ban<strong>de</strong>, ce qui permettra <strong>de</strong> diminuerlargement les contraintes associées à ces co<strong>de</strong>s. Il est également envisageable, suite àces adaptations, <strong>de</strong> pouvoir travailler plus aisément sur <strong>de</strong>s métho<strong>de</strong>s d'optimisationbasées sur <strong>de</strong>s évolutions <strong>de</strong> <strong>de</strong>nsité.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!