Sylvain Collonge Soutenance de doctorat 17 décembre 2003

1. Caractérisation et modélisationde la propagation des ondes électromagnétiques à 60 GHzà l’intérieur des bâtiments Sylvain Collonge Soutenance de doctorat 17 décembre 2003

2. Plan de l’exposé • Contexte de l’étude • Caractérisation du canal • Modélisation du canal • Recommandations et perspectives • Conclusion

3. Plan de l’exposé • Contexte de l’étude • Les télécommunications sans fil • Les réseaux locaux sans fil • Les ondes millimétriques • Le projet RNRT Commindor • Caractérisation du canal • Modélisation du canal • Recommandations et perspectives • Conclusion

4. Contexte de l’étude Télécommunications sans fil

5. Contexte de l’étude Enjeux actuels • Atteindre les débits des réseaux câblés • Dépasser les 100 Mbit/s • Assurer la compatibilité entre réseaux • (ATM, IP, 3G, etc.) • Supporter tout type de services • Flux vidéo, audio, images, textes, données • Garantir la sécurité et la qualité de service • Assurer une configuration transparente

6. Contexte de l’étude Réseaux locaux sans fil (WLAN) • Sans fil : souplesse d’utilisation • Équipements mobiles ou nomades • Déploiement : intérieur des bâtiments • Zones d’intense activité (gares, hôtels, …) • Réseaux d’entreprises • Réseaux domestiques • Complémentarité avec les réseaux radiomobiles • WLAN : faible mobilité, haut débit, faible couverture • Radiomobile : forte mobilité, faible débit, grande couverture

7. Contexte de l’étude Les ondes millimétriques • Ressources spectrales : denrée rare • Haut débit : larges bandes nécessaires • Éviter l’interférence entre réseaux proches • Montée en fréquence • Intérêt des ondes millimétriques : • Larges bandes disponibles • Réutilisation des fréquences facilitée • Compacité des équipements

8. Contexte de l’étude Le projet Commindor (99-02) • Objectifs : étude sur la faisabilité de réseaux domestiques sans fil à 60 GHz assurant un débit de plus de 155 Mbit/s • Applications visées : interconnexion d’équipements multimédia grand public • Verrous scientifiques, technologiques et économiques : • Étude de la propagation à 60 GHz en milieu domestique • Optimisation de la topologie réseau et de la couche système • Conception et technologies millimétriques bas coût

9. Contexte de l’étude Objectifs de l’étude • Constat • Intérêts pour des applications à 60 GHz • Peu d’études complètes du canal à 60 GHz • Besoin de modèles fiables, basés sur des mesures • Apports de l’étude : • Mieux connaître les spécificités du canal à 60 GHz • Permettre des simulations systèmes réalistes • Enrichir les réflexions sur les architectures réseaux

10. Plan de l’exposé • Contexte de l’étude • Caractérisation du canal • Présentation des campagnes de mesure • Influence de l’activité humaine • Influence de l’emplacement et du type des antennes • Bilan des difficultés et propositions de solutions • Modélisation du canal • Recommandations et perspectives • Conclusion

11. Caractérisation du canal -> présentation des campagnes de mesures Démarche • Campagnes de mesure sur site • 5 campagnes de mesure • 3 environnements • Paramètres étudiés • Influence de l’activité humaine • Influence de l’emplacement des antennes • Influence des caractéristiques des antennes • Influence du mobilier

12. Caractérisation du canal -> présentation des campagnes de mesures Système de mesure à 60 GHz Sondeur de canal(développé par l’IETR) • Basé sur la technique de Cox • Résolution temporelle : 2.3 ns • Fenêtre d’observation : jusqu’à 1 µs • Doppler observable : plusieurs kHz • Puissance émise : 0 dBm • Dynamique relative : 40 dB Antennes : Cornets Ouverture à –3 dB: 10° Gain : 22.4 dB Patches Ouverture à –3 dB: 58° Gain : 4.2 et 1.6 dB

13. Propagation à 60 GHz • Difficulté majeure : perte de la visibilité • Le corps humain est un obstacle à 60 GHz • Risque de coupures des liaisons • Les liaisons entre pièces s’avèrent difficiles • Réduction de la couverture des réseaux • Comment mesurer ces difficultés ? • Quelles solutions apporter ?

14. Mesures à long terme : séries de 42 minutes Antennes fixes (3 emplacements, 3 associations d’antennes) Activité humaine naturelle (0 à 15 personnes) Utilisation d’une caméra vidéo Environ 20h de mesure au total Caractérisation du canal -> Influence de l’activité humaine Influence de l’activité humaine

15. Antenne Rx (cornet) Caractérisation du canal -> Influence de l’activité humaine Phénomène d’obstruction Antenne Tx (patch) Profil de puissance de la réponse impulsionnelle -70 dBm -80 dBm -90 dBm 20 30 40 50 60 70 ns

16. Caractérisation du canal -> Influence de l’activité humaine Caractérisation du phénomène Description : Niveau constant (Aref) + Variations lentes + Pics d’atténuations Caractéristiques : Non stationnarité Large bande Quantification : Seuil de détection Franchissement du seuil Définition de caractéristiques A(t) : variation temporelle de l’atténuation

17. Amplitude moyenne Pseudo-période Caractérisation du canal -> Influence de l’activité humaine Définition des obstructions • Moments de franchissement Tdobs et Tfobs • Durée de l’obstruction Dobs = Tfobs - Tdobs • Temps de montée Pente en dB/s

18. Caractérisation du canal -> Influence de l’activité humaine Séries d’obstructions • Observations : • Obstructions proches • A(t) > Aref entre obstructions • Séries d’obstructions Caractéristiques : Durée Amplitude Pseudo-période Temps de montée

19. Caractérisation du canal -> Influence de l’activité humaine Résultats statistiques • Durée : • Augmente avec le nombre de personnes dans l’environnement • Peu d’influence du type d’antenne • Valeurs médianes typiques : • 100 ms (1-5 personnes) • 150 ms (6-10 personnes) • 300 ms (11-15 personnes) • 90e percentiles : • 1.5 s (1-5 personnes) • 3.0 s (6-10 personnes) • 10.0 s (11-15 personnes) • Amplitude : • Ne dépend pas du nombre de personnes • Antenne cornet : ~ 80% des séries sont> 15 dB • Antenne patch : ~ 50%des séries sont> 15 dB

20. Caractérisation du canal -> Influence de l’activité humaine Indisponibilité du canal • Définition : Pour les séries d’obstructions > 20 dB : • Résultats bruts : 1-5 personnes : 0.5 – 2.5 % 6-10 personnes : 1.0 – 6.0 % • Résultats corrigés(élimination des valeurs extrêmes) : 1-5 personnes : 0.5 – 2.0 % 6-10 personnes : 1.0 – 2.5 %

21. Caractérisation du canal -> Influence de l’activité humaine Bilan • Travail effectué • Proposition d’une méthodologie pour quantifier le phénomène d’obstruction par le corps humain • Constitution d’une base de données de mesure importante • Résultats : • Corps humain = obstacle à 60 GHz • Atténuation supplémentaire forte • Dserie >> Durée des symboles • Insuffisance des systèmes classiques de traitement des variations temporelles(entrelacement temporel, codage,…) • Forteprobabilité de coupure des liaisons • Nécessité de tirer parti d’une diversité

22. Caractérisation du canal -> Difficultés et solutions proposées Diversité ? Diversité fréquentielle ? • Le phénomène d’obstruction est large bande Diversité de polarisation ? • Les polarisations sont affectées de manière similaire Diversité spatiale ? • Obstructions simultanées sur des antennes séparées de quelques longueurs d’onde Diversité angulaire ? • Condition nécessaire : variété des angles d’arrivée

23. Contribution très rare du trajet direct Répartition angulaire de la puissance plus diffuse Importance des « ouvertures électromagnétiques » (portes…) Caractérisation du canal -> Propagation multi-pièce Propagation multi-pièce

24. Caractérisation du canal -> Influence de l’emplacement et du type d’antenne Influence des antennes (LOS) Patch :Sélectivité fréquentielle faiblesur un secteur unique et largeautour de la direction du trajet direct Cornet : Sélectivité fréquentielle faible sur plusieurs secteurs angulaires étroits Trajet direct

25. Caractérisation du canal -> Influence de l’emplacement et du type d’antenne Influence des antennes (NLOS) Patch : Sélectivité fréquentielle forte (bande de cohérence <100 MHz) Cornet :Sélectivité fréquentielle faible sur plusieurs secteurs angulaires étroits

26. Caractérisation du canal -> Influence de l’emplacement et du type d’antenne Bilan • Configurations mono-pièce • Importance du trajet direct • Sélectivité fréquentielle similaire avec cornet et patch • Avantage du patch : pointage intuitif • Avantage du cornet : plusieurs angles d’arrivée • Configurations inter-pièce • Importance des ouvertures • Avantage du cornet : • Gain, faible sélectivité fréquentielle • Plusieurs angles d’arrivée • Inconvénient du cornet : • Pointage précis nécessaire  Diversité angulaire possible avec des antennes directives

27. Modélisation du canal • Contexte de l’étude • Caractérisation du canal • Modélisation du canal • Modélisation de l’atténuation • Modélisation des variations temporelles • Modélisation spatio-temporelle • Recommandations et perspectives • Conclusion

28. Composante « grande échelle » :  est issu des mesures  Atténuation supplémentaire en situation de non-visibilité (issue des mesures) • Composante « moyenne échelle » : Loi gaussienne centrée avec un écart-type issu des mesures • Composante « petite échelle » : Loi gaussienne centrée avec un écart-type issu des mesures Modélisation du canal Modélisation de l’atténuation

29. Modélisation du canal Modélisation de l’atténuation

30. Modélisation du canal Variations temporelles Paramètres issus des mesures : Temps de montée Amplitude Durée Temps de descente Pseudo-période

31. Modélisation des variations temporelles du canal Principes • Déterminer les lois de densité de probabilité des paramètres • en fonction de l’activité humaine • en fonction des antennes utilisées • en fonction des situations de visibilité • Générer des « profils de variations » de l’atténuation à partir de ces lois

32. Modélisation des variations temporelles du canal Méthode • Sélectionner plusieurs lois de probabilité connues • Approche « visuelle » • Vérifier la conformité des fonctions de distribution cumulatives (FDC) empiriques • Utilisation du test de Kolmogorov-Smirnov (KS) • Choisir la loi qui décrit au mieux la loi empirique • Utilisation d’un critère de qualité issu du test KS

33. Modélisation des variations temporelles du canal Résultats • Durée : • loi lognormale « par morceaux » • Pseudo-période : • loi lognormale « par morceaux » • Amplitude : • loi gaussienne • Temps de montée et de descente : • loi lognormale « par morceaux »

34. Constats : • Échec du test KS pour certaines configurations • Au-dessus du 80e percentile, écart entre FDC empirique et FDC théorique Modélisation des variations temporelles du canal Modélisation « par morceaux » (1/3)

35. Modélisation des variations temporelles du canal Modélisation « par morceaux » (2/3) Solution envisagée : • Approcher séparément deux zones de la FDC empirique • 1rezone : L%valeurs les plus faibles • 2e zone : valeurs restantes (les plus fortes) • Deux lois sont obtenues : densités de probabilité f1et f2 • Une loi globale, dite « par morceaux », est recomposée à partir de f1 et f2 :

36. Modélisation des variations temporelles du canal Modélisation « par morceaux » (3/3) Résultats : Pour toutes les configurations : • f1et f2 passent le test KS • f passe le test KS • La qualité du test KS augmente

37. Modélisation des variations temporelles du canal Résultats du modèle • Écart mesure/simulation : • Atténuation et temps de montée : • ~3% (LOS), ~5-6% (NLOS) • Durée et pseudo-période : • LOS : ~6% • NLOS : ~5% (Pseudo-période), ~10% (Durée) • Améliorations possibles : • Simuler les obstructions à l’intérieur des séries • Étudier l’effet mémoire éventuel entre obstructions

38. Modélisation du canal Modélisation spatio-temporelle • But : modéliser la réponse impulsionnelle h(,) • Approche statistique • Modèle de Spencer • Basé sur le modèle de Saleh & Velenzuela

39. Modélisation spatio-temporelle du canal Modèle de Saleh & Valenzuela • Groupement des trajets • Puissance moyenne des groupes et des trajets : • décroissance exponentielle • paramètres :  et  • Nombre de groupes et de trajets : • processus de Poisson • paramètres :  et 

40. Modélisation spatio-temporelle du canal Modèle de Spencer • Domaine retard : Saleh & Valenzuela • Domaine angulaire : • Même phénomène de groupes • Groupes : répartition uniforme sur [0,2[ • Trajets : distribution Laplacienne autour de l’angle moyen des groupes • Hypothèse : indépendance retards-angles

41. Modélisation spatio-temporelle du canal Adaptation du modèle • Validation de l’ensemble du modèle, sauf : • Distribution gaussienne des angles d’arrivée au sein des groupes • Variations lognormales de la puissance des trajets autour de la moyenne • Complément : algorithme de détection des groupes de trajets • Absent dans les modèles S&V et Spencer

42. Modélisation spatio-temporelle du canal Détection des groupes • Traitement préliminaire : • Détection des trajets • Détection des maxima locaux significatifs Puissance reçue (dBm) Retards (ns) Angles (°)

43. Modélisation spatio-temporelle du canal -> détection des groupes de trajets Réflexions préliminairespour un algorithme • Trajets puissants en début de cluster • Structure itérative traitant les trajets selon leur puissance • Nécessité de séparer les trajets en clusters • Critère sur la distance dans le plan angles-retards • Étalement en retard plus important qu’en angle • Déformation de la topologie du plan angles-retards • Principe de l’algorithme : détecter les débuts de cluster et y associer les trajets proches pour former les clusters

44. Modélisation spatio-temporelle du canal -> détection des groupes de trajets Structure itérative 1re itération (7 trajets) 2e itération (18 trajets) 3e itération (35 trajets) 4e itération (77 trajets)

45. Itération 2 à 4 : Formation de groupes à partir des débuts de clusters existants Pour chaque groupe : repérage des trajet qui ne peuvent manifestement pas faire partie du groupe Parmi tous ces trajets « isolés », repérage de nouveaux débuts de clusters Itération 5 : rattachement de chaque trajet au début de clusters le plus proche Modélisation spatio-temporelle du canal -> détection des groupes de trajets Structure de l’algorithme Itération 1 : repérage des premiers débuts de clusters

46. Modélisation spatio-temporelle du canal -> détection des groupes de trajets Identifier les débuts decluster Itération 1 : 7 trajets Distances entre trajets Hiérarchisation des distances Application d’un seuil • 3 groupes • 3 débuts de clusters

47. Modélisation spatio-temporelle du canal -> détection des groupes de trajets Identifier les débuts decluster Itération 2 : 18 trajets • Association des trajets aux débuts de clusters existants • Formation de groupes • Pour chaque groupe : • Hiérarchisation • Séparation des trajets isolés qui deviennent des débuts de clusters potentiels • Hiérarchisation des clusters potentiels • +3 débuts de cluster

48. Modélisation spatio-temporelle du canal -> détection des groupes de trajets Formation finale des clusters Itération 5 : 77 trajets 7 clusters

49. Recommandations et perspectives • Contexte de l’étude • Caractérisation du canal • Modélisation du canal • Recommandations et perspectives • Réflexions sur l’architecture des réseaux • Perspectives de travail • Conclusion

50. Recommandations Architectures réseaux • Scénario 1 • Couverture mono-pièce • Qualité de service acceptable • Scénario 2 • Couverture mono/multi-pièce • Qualité de service bonne • Scénario 3 • Couverture multi-pièce • Qualité de service bonne