Iterative predistortion algorithms adapted to the increasing throughput of satellite communications
Algorithmes itératifs de prédistorsion adaptés à la montée en débit des communications par satellite
Résumé
The thesis focuses on predistortion techniques applied to DVB-S2X satellite communications in order to increasing the throughput of these systems. To achieve this objective, sharp roll-off factors (less than 5%) and higher modulation orders are recommended, increasing sensibility with regard to the non-linearities introduced during the passage by the satellite. In the literature, two classes of methods are distinguished by their linearization performance. The first consists of direct (Direct Learning Architecture) and indirect (Indirect Learning Architecture) learning architectures and the latter includes iterative methods based on the fixed point theorem. The main defect of the first class is the need to choose a predistortion structure a priori, while for the second class, the conditions for applying the fixed point theorem are difficult to verify in most cases and require the addition of an empirical gain. We therefore proposed 1) an iterative predistortion scheme based on the fixed point theorem, applied to the signal but optimized by minimizing a quadratic error between the modulation symbols and the sampler output, 2) an iterative predistortion scheme including an automatic adaptation of the parameters and suitable for all types of channels.
La thèse concerne les techniques de prédistorsion appliquées aux communications par satellite de type DVB-S2X dans la perspective de la montée en débit de ces systèmes. Pour atteindre cet objectif, de faibles facteurs de retombée (inférieurs à 5%) et desordres de modulation plus élevés sont préconisés, augmentant la vulnérabilitévis-à-vis des non-linéarités introduites lors du passage par le satellite. Dans la littérature, deux classes de méthodes se distinguent par leur performance de linéarisation. La première est constituée des architectures d’apprentissage direct (Direct Learning Architecture) et indirect(Indirect Learning Architecture) et la seconde regroupe les méthodes itératives basées sur le théorème du point fixe. Le principal défaut de la première classe est la nécessité de choisir une structure de prédistortion a priori tandis que pour la deuxième classe, les conditions d'application du théorème du point fixe sont difficiles à vérifier dans la majorité des cas et nécessitent l'addition d'un gain empirique. Nous avons donc proposé 1) un schéma de prédistorsion itérative basé sur le théorème du point fixe, appliqué sur le signal mais optimisé en minimisant une erreur quadratique entre les symboles de modulation et la sortie de l'échantillonneur, 2) un schéma de prédistorsion itérative incluant une adaptation automatique des paramètres et adapté à tout type de canal.
Origine : Version validée par le jury (STAR)
Loading...