Optimisation du modèle autoregressif AR(2) pour l'estimation d'un canal radio-mobile de Rayleigh-Jakes à évanouissement plat - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Optimisation du modèle autoregressif AR(2) pour l'estimation d'un canal radio-mobile de Rayleigh-Jakes à évanouissement plat

Résumé

This paper deals with the estimation of the flat fading Rayleigh channel with Jakes' Doppler spectrum (model due to R.H. Clarke in 1968), frequency non-selective and slow fading variations. A common method of the literature consists in approximating the variations of the channel by an auto-regressive model of order p (AR (p)), whose parameters are adjusted according to the criterion "correlation matching" (CM) then estimated by Kalman filter (KF). Recent studies on first order showed that the performances are far from the Bayesian Cramer-Rao bound for slow to moderate channel variations, which is the case for many applications. Recent studies on order 1 have shown the importance of replacing the CM criterion with a MAV criterion (Minimization of Asymptotic Variance). Moreover, it has also been shown in the literature that increasing the order of the model by passing from an AR (1) to an AR (2) didn't improve performance when the criterion CM is considered. In order to obtain an improvement in performance, it is essential to consider the MAV criterion with order 2, as shown in this article. By imposing a linear relation between one of the parameters and the Doppler frequency, we derive analytic formulas for suboptimal adjustment of the parameters of AR(2) as a function of the noise level and the Doppler frequency of the channel, which are validated by simulations.
Nous traitons l'estimation d'un canal de communication radio-mobile aléatoire selon un modèle de Rayleigh à spectre Doppler de Jakes (modèle dû à R.H. Clarke en 1968), non-sélectif en fréquence et à variations lentes à l'échelle du temps symbole. Une méthode classique de la littérature consiste à approcher les variations du canal par un modèle Auto-Régressif d'ordre p (AR(p)) dont les paramètres sont ajustés selon le critère CM (CM pour "correlation matching"), puis à réaliser l'estimation par Filtrage de Kalman (KF) avec ce modèle. A l'ordre 1, la littérature a montré que les performances sont loin de la borne de Cramer-Rao Bayésienne pour des variations du canal lentes à modérées, ce qui est le cas de nombreuses applications. De récentes études portant sur l'ordre 1 ont montré l'intérêt de remplacer le critère CM par un critère MAV (Minimisation of Asymptotic Variance). Par ailleurs, il a également été montré dans la littérature qu'augmenter l'ordre du modèle en passant d'un AR(1) à un AR(2) ne permettait pas d'améliorer les performances lorsque le critère CM est considéré. Pour obtenir une amélioration des performances, il apparait essentiel d'envisager le critère MAV avec l'ordre 2, ce que montre cet article. En imposant une relation linéaire entre un des paramètres et la fréquence Doppler, nous dérivons des formules analytiques de réglage sous-optimal des paramètres du modèle AR(2) en fonction du niveau de bruit et de la fréquence Doppler du canal, qui sont validées à l'aide de simulations.
Fichier principal
Vignette du fichier
elhusseini33_publie.pdf (180.37 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01587888 , version 1 (14-09-2017)

Identifiants

  • HAL Id : hal-01587888 , version 1

Citer

Ali Houssam El Husseini, Eric Pierre Simon, Laurent Ros. Optimisation du modèle autoregressif AR(2) pour l'estimation d'un canal radio-mobile de Rayleigh-Jakes à évanouissement plat. GRETSI 2017 - XXVIème Colloque francophone de traitement du signal et des images, Sep 2017, Juan-Les-Pins, France. ⟨hal-01587888⟩
188 Consultations
320 Téléchargements

Partager

Gmail Facebook X LinkedIn More