• Langue : Français
• Discipline : Micro-ondes et microtechnologies
• Identifiant : Inconnu
• Type de thèse : Doctorat
• Date de soutenance : 01/01/2004

Résumé en langue originale

Le monde des transports constitue un acteur majeur du développement des nouvelles technologies de l'information et de la communication afin d'améliorer l'efficacité, les performances et la sécurité des déplacements en optimisant l'usage des infrastructures et en contribuant ainsi au développement durable. Certains de ces besoins demandent des liaisons bidirectionnelles haut débit et robustes. Les techniques « multi-émetteurs, multi-récepteurs » (MIMO : Multiple-Input, Multiple-Output) offrent de telles caractéristiques. Elles reposent sur l'utilisation conjointe d'un réseau d'antennes à l'émission et à la réception. Elles permettent une amélioration des débits ou de la robustesse sans augmenter les puissances d'émission et les bandes de fréquences allouées. Les travaux présentés dans ce mémoire portent sur l'utilisation des techniques MIMO pour des applications dans les transports publics (autobus urbains ou métros). Notre travail de recherche s'est tout particulièrement orienté vers la connaissance et la modélisation du canal de propagation MIMO afin de disposer des outils adaptés lors de l'analyse des performances d'une chaîne de transmission MIMO. Comparativement aux techniques SISO (Single-Input, Single-Output), les techniques multi-antennes exploitent la dimension spatiale du canal de propagation caractérisée par la corrélation spatiale. Dans le cas d'un système MIMO à NT antennes d'émission et NR antennes de réception, il est possible de mettre en évidence plusieurs canaux de propagation indépendants qui correspondent à des modes de propagation « propres » associés aux trajets des signaux entre l'émetteur et le récepteur. Le nombre de ces « modes propres » dépend du degré de corrélation entre les NT.NR canaux SISO élémentaires. La pertinence d'un modèle de canal MIMO dépend donc de sa capacité à traduire le degré de corrélation dans le canal. Différents types de modèles de canal MIMO sont présentés dans ce mémoire : les modèles déterministes et les modèles stochastiques. Nous insistons plus particulièrement sur les principes de construction des modèles stochastiques parce qu'ils ne demandent pas une description de l'environnement et qu'ils sont simples d'utilisation. Ils sont fondés sur le calcul de la corrélation dans le canal. Ces modèles de canal sont comparés à partir de mesures réalisées dans différents environnements, un tunnel de métro et deux environnements « indoor ». L'influence des différents environnements sur la capacité d'un canal MIMO est présentée. Il ressort de cette comparaison que les modèles qui décrivent le mieux le comportement du canal MIMO quel que soit l'environnement sont ceux qui reposent sur la matrice de covariance du canal qui permet de prendre en compte de façon intrinsèque à la fois la puissance et la phase des coefficients du canal. La transmission d'un flux vidéo issu d'un système de vidéo surveillance à l'intérieur d'un bus vers un poste de contrôle distant est simulée sous Matlab. Les différents algorithmes implémentés sont décrits et nous rappelons leurs performances. Le meilleur modèle de canal identifié est appliqué sur des mesures réalisées en environnement semi-urbain. Nous montrons le gain apporté par les systèmes MIMO sur les débits ou la robustesse de la liaison sans fil et l'influence des caractéristiques du canal de propagation sur les performances.