Upload
votuong
View
215
Download
0
Embed Size (px)
Citation preview
07/07/2012
1
Prises de décision en « Cognitive Radio » : Un outil pour la «Green Radio»
Salma BOURBIA
1
Salma BOURBIASCEE/IETRSupélec - Rennes
Émissions de CO2
Contexte et Introduction
Auto-adaptation de l’équipement radio au contexte de l’environnement
« Cognitive Radio »
« Green Radio » TIC : Technologies de l’information et de la communication
Trouver des situations de reconfiguration de l’architecture radio qui consommeraient moins d’énergie tout en gardant une certaine qualité de service
2
07/07/2012
2
Environnement
Contexte et Introduction
Couche intelligente
Énergie consommée
3
Partie 1: conception de la couche intelligente
Partie I1: Technique de prise de décision par modélisation statistique
i i i Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
4
07/07/2012
3
Environnement
Partie 1 : Conception de la couche intelligente
Observer
RaisonnerAgir
Couche intelligenteApprendre
5
Antenne
Composants adaptables et reconfigurables
beamforming
Actions d’adaptation
Etats évalués de l’environnement
SNR
Indicateurs de qualité de canal (métriques radio observées)
Partie 1 : Conception de la couche intelligente
Mélangeur
Filtre anti-repliement
Amplificateur à gain variable
E li
beamforming
Agir sur la fréquence porteuse
Ajuster le gain de l’amplificateur
Activer ou désactiver l’égaliseur
SNR faible
Faible efficacité spectrale
Fortes interférences
BER élevé
BERSINR
Puissane du signal
Puissance du bruit
Egaliseur
Démodulateur
Décodeur
Changer de modulation
Change le schéma de décodage
Débit binaire faible
DOA (direction d’arrivée)
Fading multi-trajets
Observer Raisonner Agir6
07/07/2012
4
Approche de prise de décision Modélisation statistique
Partie 1 : Conception de la couche intelligente
Inférence statistique
Estimationstatistique
Détectionstatistique
Caractérisation statistique des mesures incertaines des métriques radio
Développer des règles de décision à partir de ces statistiques
7
Besoins des utilisateurs
Spécification des
Partie 1 : Conception de la couche intelligente
pstandards
Capteurs de l’environnement
radio
Caractérisation statistique des
métriques
Evaluation de l’état de
l’environnement(règle de dé i i )
Actions de reconfigurationMoteur cognitif
Architecture de réception
décision)
S. Bourbia, M. Achouri, K. Grati, D. Le Guennec, A. Ghazel, « Cognitive Engine Design for Cognitive Radio », ICMCS 2012, Tanger 8
07/07/2012
5
Objectif décider d’activer ou de désactiver l’égaliseur de la chaîne de réception dans le but de réduire la complexité de calcul
Partie I1: Technique de prise de décision par modélisation statistique
Etat de l’art
- Adaptation de l’utilisation de l’égaliseur pas pour réduire l’énergie consommée deux démodulateurs (avec et sans égaliseur) et sélectionner selon la sortie
- Utilisation de critères et de métriques (SINR…)Sans tenir compte des incertitudes des mesuresSans tenir compte des incertitudes des mesures Sans étude d’une éventuelle réduction de l’énergie consommée
9
Définition des indicateurs de qualité de canal
Partie I1: Technique de prise de décision par modélisation statistique
Signal reçuSignal émis Bruit additif blanc
gaussienCoefficients du canal
Métrique 1:
Métrique 2:
pSNR
ISI
10
07/07/2012
6
Définition des indicateurs de qualité de canal
Partie I1: Technique de prise de décision par modélisation statistique
Canal de Rice Canal de Rayleigh
11
Définition des indicateurs de qualité de canal
Partie I1: Technique de prise de décision par modélisation statistique
Signal émis normalisé
12
07/07/2012
7
Estimation des métriques
h ˆSN R ˆIS IE ti ti d l
Partie I1: Technique de prise de décision par modélisation statistique
ih pSN R IS IEstimation de canal
Algorithmes d’estimation de canal dans la littérature
LS
LMS
Modulus constant
Avec pilotes
En aveugle
Estimation par inter-corrélation
13
Estimation des métriques
Partie I1: Technique de prise de décision par modélisation statistique
14
07/07/2012
8
Estimation des métriques
Partie I1: Technique de prise de décision par modélisation statistique
15
Estimation des métriques
Partie I1: Technique de prise de décision par modélisation statistique
16
07/07/2012
9
Modélisation statistique et prise de décision
Partie I1: Technique de prise de décision par modélisation statistique
observations
E ti ti ét i
Maximum de vraisemblance
Estimation de la densité de probabilités
Estimation paramétrique
Estimation non-paramétrique
17
Modélisation statistique et prise de décision
É
Partie I1: Technique de prise de décision par modélisation statistique
Décision entre deux actions Évaluation de l’état de l’environnement
Traduction en un test d’hypothèses
18
07/07/2012
10
Modélisation statistique et prise de décision
I tit d d N il d dé i i
Partie I1: Technique de prise de décision par modélisation statistique
Incertitude des mesures Nouveaux seuils de décision
Règle de décision pour décider de désactiver l’égaliseur : résolution par la méthode de Neyman Pearson
Fausse alarme fixée
S. Bourbia, D. Le Guennec, K. Grati,, A. Ghazel, « Statistical Decision Making Method for Cognitive Radio », ICT 2012, Jounieh, Leabanon19
Modélisation statistique et prise de décision
Partie I1: Technique de prise de décision par modélisation statistique
S. Bourbia, D. Le Guennec, K. Grati,, A. Ghazel, « Statistical Decision Making Method for Cognitive Radio », ICT 2012, Jounieh, Leabanon20
07/07/2012
11
Modélisation statistique et prise de décision
Partie I1: Technique de prise de décision par modélisation statistique
S. Bourbia, D. Le Guennec, K. Grati,, A. Ghazel, « Statistical Decision Making Method for Cognitive Radio », ICT 2012, Jounieh, Leabanon
21
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
Solution 1
Solution 2
22
07/07/2012
12
Canal de Rice
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
10df Hz 100df Hz
23
Vitesse du mobile 6Km/h Vitesse du mobile 60Km/h
BER sans égalisation
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
10df Hz 100df Hz
24
07/07/2012
13
Résultats de la prise de décision : 1 désactiver l’égaliseur, 0 Activer l’égaliseur
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
10df Hz 100df Hz
25
BER après prise de décision (Solution 1)
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
10df Hz 100df Hz
Taux de réduction de la complexité71,99 %
Taux de réduction de la complexité25.31%
26
07/07/2012
14
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
BER après prise de décision (Solution 2)
10df Hz 100df Hz
27
Taux de réduction de la complexité68,15 %
Taux de réduction de la complexité23,53 %
Taux de réduction de la complexité de calcul
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
Taux de réduction de la complexité par rapport à une utilisation permanente de l’égaliseur
Coût des traitements ajoutés pour la prise de décision
Pourcentage de temps pendant lequel l’égaliseur est désactivé
Coût de l’égaliseur
28
07/07/2012
15
Taux de réduction de la complexité de calcul
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
Gain maximal: 91.1%
29
On commence à gagner en complexité à partir de Rt=8.66%
Taux de réduction de la complexité de calcul
Partie III: Réduction de la complexité de calcul en limitant l’utilisation de l’égaliseur
Gain maximal: 86.4%
30
On commence à gagner en complexité à partir de Rt=9.36%
07/07/2012
16
Cognitive radio green radio Chercher des situations d’auto-adaptation à l’environnement pour réduire la consommation
d’énergie
Conclusions
Couche intelligente pour l’apprentissage et la prise de décision (Moteur Cognitif) Technique de prise de décision : modélisation statistique de l’environnement
Limitation de l’utilisation de l’égaliseur dans la chaîne de réception dans le but de réduire la complexité de calcul
31