Récepteur radiofréquence basé sur l'échantillonnage parcimonieux pour de l'extraction de caractéristiques dans les applications de radio cognitive

par Marguerite Marnat

Thèse de doctorat en Signal image parole telecoms

Sous la direction de Olivier Michel et de Laurent Ros.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble) , en partenariat avec CEA/LETI (laboratoire) .


  • Résumé

    Cette thèse traite de la conception de récepteurs radiofréquences basés sur l'acquisition compressée pour de l'estimation paramétrique en radio cognitive. L'acquisition compressée est un changement de paradigme dans la conversion analogique-numérique qui permet de s'affranchir de la fréquence d'échantillonnage de Nyquist. Dans ces travaux, les estimations sont effectuées directement sur les échantillons compressés vu le coût prohibitif de la reconstruction du signal d'entrée. Tout d'abord, l'aspect architecture du récepteur est abordé, avec notamment le choix des codes de mélange pour le convertisseur modulé à large bande (MWC). Une analyse haut niveau des propriétés de la matrice d'acquisition, à savoir la cohérence pour réduire le nombre de mesures et l'isométrie pour la robustesse au bruit, est menée puis validée par une plateforme de simulation. Enfin l'estimation paramétrique à partir des échantillons compressés est abordée à travers la borne de Cramér-Rao sur la variance d'un estimateur non biaisé. Une forme analytique de la matrice de Fisher est établie sous certaines hypothèses et permet de dissocier les effets de la compression et de la création de diversité. L'influence du processus d'acquisition compressée, notamment le couplage entre paramètres et la fuite spectrale, est illustré par l'exemple.

  • Titre traduit

    Radiofrequency receiver based on compressive sampling for feature extraction in cognitive radio applications


  • Résumé

    This work deals with the topic of radiofrequency receivers based on Compressive Sampling for feature extraction in Cognitive Radio. Compressive Sampling is a paradigm shift in analog to digital conversion that bypasses the Nyquist sampling frequency. In this work, estimations are carried out directly on the compressed samples due to the prohibitive cost of signal reconstruction. First, the receiver architecture is considered, in particular through the choice of the mixing codes of the Modulated Wideband Converter. A high-level analysis on properties of the sensing matrix, coherence to reduce the number of measurement and isometry for noise robustness, is carried out and validated by a simulation platform. Finally, parametric estimation based on compressed samples is tackled through the prism of the Cram'{e}r-Rao lower bound on unbiased estimators. A closed form expression of the Fisher matrix is established under certain assumptions and enables to dissociate the effects of compression and diversity creation. The influence of Compressive Sampling on estimation bounds, in particular coupling between parameters and spectral leakage, is illustrated by the example.