Academic literature on the topic 'Estimation semi-aveugle'

Cette thèse s'articule autour de deux thématiques principales. La première traite de l'analyse de performance dans les contextes des systèmes utilisant les séquences d'apprentissage et des systèmes multi-utilisateurs. En nous basant sur une analyse asymptotique, nous donnons des expressions explicites des taux d'erreur binaire et de la probabilité de coupure et nous montrons leur précision même pour des systèmes de dimensions réduites. La deuxième partie de cette thèse traite des méthodes d'estimation aveugle et semi-aveugle. Nos contributions se situent sur deux plans: algorithmique et théorique. Sur le plan algorithmique, nous proposons de nouvelles approches qui permettent de résoudre certains problèmes des méthodes conventionnelles telque la sensibilité à la surestimation de l'ordre pour les méthodes aveugles et la recherche du paramètre de régularisation pour les méthodes semi-aveugles. Sur le plan théorique, nous apportons la démonstration de la quasi-convexité de l'erreur asymptotique quadratique moyenne des systèmes semi-aveugle basé sur la régularisation. Nous menons aussi une étude théorique qui témoigne de l'efficacité de l'utilisation de la norme lp pour robustifier les méthodes aveugles
This thesis deals with two principal issues. The first one is about performance analysis in the context of systems using training sequences and multi-user systems. Based on an asymptotic analysis, we provide closed-form expressions for the BER and outage probability and prove their accuracies even for usual system dimensions. The second part deals with blind and semi-blind channel estimation techniques. Our contributions are twofold: theoretical and practical. As for our practical outcomes, we provide new approaches that overcome certain difficulties encountered with conventional techniques like the sensitivity to channel order over-modeling for blind methods and the setting of the regularization parameter for semi-blind methods. Concerning our theoretical contributions, we provide a rigorous proof for the quasi-convexity of the asymptotic MSE in regularized semi-blind systems. We also give for the first time well founded arguments that supports the use of lp quasi norms to improve the robustness of subspace based methods

During the last two decades there has been a great interest in blind and semiblind channel estimation due to the advantages offered by these techniques over training-based ones. The most prominent is the augmentation of the throughput as a result of reducing the length of the training sequence/pilots required to estimate the channel at the receiver. Moreover, semi-blind techniques have the potential to estimate the channel in some situations where the training-based techniques fail. There exists a slew of algorithms that exploit either the second order statistics (SOS) or the higher order statistics (HOS) that have been derived and analyzed in the literature. Recently, this topic has been treated in the context of Space Time Block Coding (STBC), neural networks, multiuser scenario and cognitive radio, to name a few. In the first part of this thesis, we treat the blind channel estimation in the context of SIMO and MIMO cyclic prefix (CP) systems. We propose a novel approach to structure the sample covariance matrix, which in turn leads to a significant enhancement in the estimation quality, even when there is only a single OFDM symbol available at the receiver. On the other hand, we provide an analytical performance analysis of some CP SOS-based algorithms that permits to highlight some features of these algorithms and inspires the derivation of enhanced versions. At the end of this part, we introduce the variational Bayesian approach to carry out the joint ML/MAP estimation of channel and symbols. In the second part, we introduce and elaborate a classical Bayesian approach to estimate the channel and the symbols in the context of blind and semiblind SIMO systems. As a consequence, six different ML/MAP estimators are derived and their performances are compared numerically by conducting Monte-Carlo simulations. Furthermore, we derive the corresponding Cramer-Rao Bounds (CRBs) for the various scenarios of these estimators. At the end of this part, we propose a novel quasi-Bayesian approach that exploits the knowledge of the power delay profile (PDP) to estimate only part of the channel taps while neglecting the rest. This approach can be applied to various deterministic algorithms that exist in the literature, allowing their extension to a point that is midway between deterministic and Bayesian approaches. We show by simulations and by deriving the corresponding CRBs how this approach leads to a considerable improvement in the performance of many deterministic algorithms in terms of both Normalized Mean Squared Error (NMSE) and Symbol Error Probability (SER). Finally, in the third part we focus on the performance of Zero-Forcing (ZF) Linear Equalizers (LEs) or Decision-Feedback Equalizers (DFEs) for fading channels when they are based on (semi-)blind channel estimates. Although it has been known that various (semi-)blind channel estimation techniques have a receiver counterpart that is matched in terms of symbol knowledge hypotheses, we show here that these (semi-)blind techniques and corresponding receivers also match in terms of diversity order: the channel becomes (semi-)blindly unidentifiable whenever its corresponding receiver structure goes in outage. In the case of mismatched receiver and (semi-blind) channel estimation technique, the lower diversity order dominates. Various cases of (semi-)blind channel estimation and corresponding receivers are considered in detail
Au cours des deux dernières décennies il y a eu un grand intérêt dans l'estimation aveugle et semi-aveugle de canal en raison des avantages offerts par ces techniques sur celles utilisant des séquences pilote. L'avantage le plus connu est l'augmentation du débit en raison de la réduction de la longueur de la séquence pilote nécessaire pour l'estimation du canal dans le récepteur. Par ailleurs, les techniques semi-aveugles sont capables d'estimer le canal dans certaines situations où l'utilisation des pilotes échoue. Il existe un tas d'algorithmes qui exploitent soit les statistiques du second ordre (SOS) ou les statistiques d'ordre supérieur (HOS) qui ont été développés et analysés dans la littérature. Récemment, ce sujet a été traité dans le contexte du codage block espace-temps (STBC), des réseaux neurones, du scenario multi-utilisateurs, et de la radio cognitive pour n'en citer que quelques-uns. Dans la première partie de cette thèse, nous traitons l'estimation aveugle de canal dans le contexte des systèmes SIMO et MIMO avec préfixe cyclique (CP). Nous proposons une nouvelle approche qui consiste à structurer la réalisation de la matrice de covariance permettant ainsi une amélioration significative de la qualité d'estimation, même quand seulement un seul symbole OFDM est disponible au niveau du récepteur. D'autre part, nous fournissons une analyse analytique de la performance de certains algorithmes SOS avec préfixe cyclique (CP) qui permet de mettre en évidence certaines caractéristiques de ces algorithmes et inspire la dérivation de versions améliorées. A la fin de cette partie, nous introduisons l'approche variationelle Baysienne pour effectuer l'estimation jointe ML/MAP d'estimation du canal et des symboles. Dans la deuxième partie, nous introduisons et élaborons une approche Baysienne classique pour estimer le canal et les symboles dans le contexte des systèmes SIMO aveugles et semi-aveugles. En conséquence, six différents estimateurs ML / MAP sont dérivés et leurs performances sont comparés numériquement en effectuant des simulations Monte-Carlo. Par ailleurs, nous dérivons les bornes de Cramer-Rao (CRB) correspondant aux différents scénarios de ces estimateurs. A la fin de cette partie, nous proposons une nouvelle approche quasi Bayesienne qui exploite la connaissance du profil de délai de puissance (PDP) du canal pour estimer une partie des coefficients de canal tout en négligeant les autres. Cette approche peut être mise en oeuvre dans diverses algorithmes déterministes qui existent dans la littérature, ce qui permet leur extension vers une catégorie qui se situe à mi-chemin entre les techniques déterministes et Bayesiennes. Nous montrons par des simulations et en dérivant les CRBs correspondant que cette approche conduit à une amélioration considérable de la performance de nombreux algorithmes déterministes tant en termes de l'erreur quadratique moyenne normalisé (NMSE) ou de la probabilité d'erreur sur les symboles (SER). Enfin, dans la troisième partie, nous nous concentrons sur les performances des égaliseurs linéaires et des égaliseurs à retour de décision "Decision Feedback" (DFE) à forçage à zéro (ZF) pour des canaux à évanouissements quand ils sont basés sur l'estimation (semi-) aveugle du canal. Bien qu'il est connu que les diverses techniques d'estimation de canal (semi-) aveugle ont en contrepartie un récepteur qui leur est adapté en termes d’hypothèses sur les connaissances des symboles, nous montrons ici que ces techniques (semi- ) aveugles et les récepteurs correspondant concordent aussi en termes de l'ordre de la diversité : le canal devient non-identifiable en (semi-) aveugle dès que le récepteur correspondant subit un évanouissement. Dans le cas d'un récepteur et une technique d'estimation de canal (semi-aveugle) non concordants, c'est l'ordre inférieur de la diversité qui domine. Différents cas d'estimation (semi-) aveugle de canal et de récepteurs correspondants sont examinés en détail

L’estimation de canal joue un rôle important dans les communications mobiles sans fil et en particulier dans les systèmes multi-antennes MIMO. Contrairement aux techniques classiques d’estimation de canal basées sur des séquences d’apprentissage ou des symboles pilotes, les techniques aveugles ne nécessitent aucune insertion de symboles d'apprentissage et permettent d'augmenter le débit utile. Les principales difficultés des techniques aveugles résident dans l’ambiguïté présente sur les estimées. Les techniques d’estimation semi-aveugles, basées sur les mêmes méthodes que l’estimation aveugle, sont plus robustes. Elles exploitent l’information aveugle ainsi que l’information provenant d’un nombre réduit de symboles d’apprentissage. Cette estimation du canal de communication est très utile dans les systèmes MIMO et permet de précoder le signal MIMO-OFDM en lui appliquant un pré-mélange permettant d'améliorer les performances. De nombreux types de précodeurs existent et leurs performances varient en fonction des critères d'optimisation retenus (Water-Filling, MMSE, Equal Error, max-SNR, max-d min …), mais aussi avec la qualité de l'estimation du canal de communication. Nous étudions dans cette thèse l’impact de l’utilisation de l’information du canal (CSI) provenant des méthodes d’estimation aveugle et semi-aveugle, dans l’application des précodeurs linéaires MIMO. Nous présentons également une étude statistique de l’erreur d’estimation provenant de ces méthodes. L’optimisation de ces précodeurs nous mène par la suite à exploiter un autre procédé permettant l’amélioration des performances : les codes correcteurs d’erreur. Nous nous intéressons particulièrement aux codes LDPC non-binaires et leur association avec les précodeurs linéaires MIMO. Nous montrons qu’une adaptation est possible et s’avère bénéfique dans certains cas. L’optimisation de cette association nous a permis de proposer un nouveau précodeur basé sur la maximisation de l’information mutuelle, robuste et plus performant
Channel estimation plays an important role in wireless mobile communications, especially in MIMO systems. Unlike conventional channel estimation techniques based on training sequences or pilot symbols, blind techniques does not require the insertion of training symbols and allow higher throughput. The main problems of the blind lies in the ambiguity over the estimated channel. Based on the same methods as the blind estimation, the semi-blind estimation techniques are more robust. They exploit the blind information along with information provided by a small number of training symbols. The channel estimation is useful in MIMO systems and allows the precoding of the MIMO-OFDM signal by applying a pre-mixture in order to improve performance. Many types of precoders exist and their performance varies depending not only on the optimization criteria (Water-Filling, MMSE, Equal Error, max-SNR, max-d min ...), but also on the estimated channel. In this thesis we study the impact of using the channel information (CSI) from the blind and semi-blind estimation techniques to apply MIMO linear precoders. We also present a statistical study of the estimation error of these methods. The optimization of these precoders leads eventually to use another process allowing more performance improvement: the error correcting codes. We are particularly interested in non-binary LDPC codes and their association with linear MIMO precoders. We show that a matching is possible, and is beneficial in some cases. The optimization of this combination has allowed us to propose a new robust and more efficient precoder based on the maximization of mutual information

Les systèmes sans fil de la prochaine génération doivent répondre à la demande croissante de débits de données de plus en plus élevés à des prix très compétitifs et être capables de s'adapter efficacement à une vaste gamme dynamique de services, d'applications et de types de dispositifs attendus dans un avenir proche. Les systèmes sans fil ultra-denses envisagent des UD-DAS basés sur des antennes distribuées à distance. Toutefois, ni les systèmes d'antennes distribuées ni la technologie MIMO massive ne permettront de répondre aux demandes de débit de données croissantes de la prochaine génération de communications sans fil, en raison des interférences intercellulaires et des grandes variations de qualité de service. Pour faire face à ces limitations, les réseaux au-delà de la 5G doivent entrer dans le paradigme sans cellule, où l'absence de limites de cellules atténue les interférences intercellulaires et les problèmes de transfert, mais pose également de nouveaux défis. La première partie de cette thèse est consacrée à l'analyse des propriétés de propagation favorables des systèmes MIMO massifs CF dans des conditions asymptotiques. L'information sur l'état du canal dans les systèmes MIMO massifs, tant cellulaires que CF, joue un rôle majeur dans l'amélioration des performances du système. Par conséquent, dans la deuxième partie de cette thèse, nous abordons le problème de la contamination des pilotes dans les systèmes MIMO massifs CF. Enfin, dans la dernière partie de cette thèse, nous proposons un algorithme MP basé sur le principe EP pour conduire itérativement la méthode semi-aveugle bayésienne pour l'estimation du canal et la détection des données
Next generation wireless systems shall satisfy the increasing demand of higher and higher data rates at very competitive prices as well as be able to efficiently accommodate for and adapt to a huge dynamic range of services, applications, and types of devices expected in the near. Appealing architectural solutions have been leveraged on ultra-densification of antennas. Ultra-dense wireless systems envision ultra-dense distributed antenna systems (UD-DAS) based on remote distributed antennas empowered by the e-cloud. However, neither DAS nor massive MIMO technology will meet the increasing data rate demands of the next generation wireless communications due to the inter-cell interference and large quality of service (QoS) variations. To address these limitations, beyond-5G networks need to enter the cell-free (CF) paradigm, where the absence of cell boundaries mitigates the inter-cell interference and handover issues but also causes new challenges. One of the major issues in the large-scale networks such as CF massive MIMO systems is complexity at the receivers. In this regard, first part of this thesis is devoted to analyzing the favorable propagation properties of CF massive MIMO systems in asymptotic conditions. Channel state information (CSI) in massive MIMO systems, both cellular and CF, plays a major role in improving the system performance. Therefore, in the second part of this thesis, we address the pilot contamination problem in CF massive MIMO systems. Finally, in the last part of this thesis, we propose an MP algorithm based on the EP principle to iteratively conduct the Bayesian semi-blind method for channel estimation and data detection in CF massive systems

Considérant une série x formée de variables aléatoires indépendamment identiquement distribuées, et le signal Y obtenu lorsque l'on filtre X par un système linéaire s, nous étudions l'estimation de s sur la base des observations y dans le cadre semi-paramétrique suivant : la loi des x est inconnue et non gaussienne, et s possède un inverse de convolution de longueur finie fixée. Aucune hypothèse n'est faite sur la phase du système, c'est à-dire sur la causalité ou non causalité de s. Nous proposons une estimation par maximum d'objectif. L'estimateur ainsi obtenu est consistant et asymptotiquement gaussien, ce résultat restant valable quelle que soit la dimension de l'espace d'indexation des séries considérées. Nous étudions l'efficacité asymptotique de la méthode et, dans le cas causal, nous la comparons aux méthodes usuelles de moindres carrés. Interprétant notre signal sortant comme un champ autorégressif, nous proposons une méthode consistante d'identification de l'ordre du modèle. Nous étudions divers types de robustesse des estimateurs : robustesse à une sous-paramétrisation, robustesse à l'addition d'un bruit sur l'observation. Nous nous intéressons enfin au cas où la loi de x a des moments infinis, et montrons que, pour des objectifs "cumulants standardisés" et sous certaines hypothèses vérifiées en particulier pour les lois dans les domaines d'attraction de lois stables, l'estimateur obtenu reste consistant, et sa vitesse de convergence, dans le cas causal, est meilleur que pour des lois de variance finie
Considering a signal X which is a process of random variables identically independently distributed, and the signal Y obtained by filtering X through a linear system s, we study the estimation of s from the observation of y in the following semi-parametric situation the law of X is unknown and non Gaussian, and s has an inverse of convolution with finite length. We need no assumption on the phase of the system, i. E. On the causality or non causality of s. We propose an estimation by maximum objective. The estimates are consistent and asymptotically Gaussian this result is still available what-ever the dimension of the index space of the series is. We study the asymptotic efficiency of the estimate and, in the causal case, we compare it to the usual minimum square estimates. The output y being an autoregressive field, we propose a consis- tent method of identification of the order of the model. We study different types of robustness robustness to underparametrization, robustness to additive noise on the observations. We also inves tigate the case where the law of X has infinite moments, and we show that, for "standardized cumulants" as objectives, and under assumptions which are in particular verified for laws in the attraction demains of stable laws, the obtained estimates are still consistent, and the speed of convergence is, in the causal case, better than for laws with finite variance